Google åbner for Gemini 2.5 Deep Think – men ikke i sin guldvindende version
Google har nu lanceret Gemini 2.5 Deep Think, en avanceret AI-model designet til dybere analyse og kompleks problemløsning. Modellen har skabt overskrifter ved at vinde guld ved International Mathematical Olympiad (IMO) – som den første AI nogensinde. Men det er vigtigt at slå fast, at den version, der udgives offentligt, ikke er identisk med den historiske IMO-guldmodel. I stedet får vi adgang til en “bronze”-udgave, som er mindre kraftfuld, men hurtigere og optimeret til daglig brug. Den kapacitetsstærke guldmodel forbliver forbeholdt udvalgte matematikere til testformål, ifølge Google og produktchef Logan Kilpatrick^[1].

Ultra-abonnement: Pris, adgang og tekniske begrænsninger

Adgangen til Deep Think sker udelukkende via Googles dyreste individuelle AI-abonnement, AI Ultra. Prisen er 249,99 USD/måned, dog med introduktionstilbud på 124,99 USD/måned i tre måneder. Ultra-planen omfatter 30 TB lagerplads, adgang til Gemini-app’en (iOS/Android), Deep Think, video-AI’en Veo 3, og værktøjer som Flow og Whisk samt 12.500 månedlige AI credits. Den lavere Pro-plan (19,99 USD/måned) og gratisbrugere får ikke adgang til Deep Think^[1].

Brugere aktiverer Deep Think i Gemini-app’en ved at vælge Gemini 2.5 Pro og aktivere “Deep Think”-funktionen. Adgangen er dog begrænset af et dagligt prompt-loft, og modellen har en højere afvisningsrate – det vil sige, den siger oftere nej til uklare eller tvetydige forespørgsler. Dette kan især mærkes for ikke-eksperter og i mere uformelle brugssituationer.

Tekniske nyheder: Paralleltænkning og forfinet problemløsning

Gemini 2.5 Deep Think bygger videre på Gemini 2.5-familien, men tilføjer avancerede egenskaber for ræsonnement: Modellen bruger paralleltænkning (evnen til at overveje flere hypoteser samtidigt) og forstærkningslæring (reinforcement learning – en metode hvor modellen lærer gennem feedback over flere trin) til gradvist at forbedre sine løsninger. Deep Think er optimeret til opgaver, hvor længere refleksion og flere tænkeled er nødvendige – fx matematiske beviser, forskning og algoritmeudvikling^[1].

Til gengæld er modellen markant langsommere end Pro-versionen. Svarene tager længere tid at generere, men er mere detaljerede og dybdegående. Dette gør Deep Think særligt egnet til opgaver, hvor kvalitet og refleksion vejer tungere end hurtighed.

Benchmark-tests og resultater: Hvordan klarer Deep Think sig?

Ifølge Googles egne udmeldinger og uafhængige tests skiller Deep Think sig ud på flere områder. I benchmark-testen LiveCodeBench V6 (test af kodegenerering) og Humanity’s Last Exam (test af matematik, naturvidenskab og logisk ræsonnement), scorer Deep Think højere end både Gemini 2.5 Pro og konkurrenter som OpenAI GPT-4 og xAI Grok 4 – i flere tilfælde med tocifrede procentpoint^[1]. Eksempelvis overgår Deep Think konkurrenterne i kategorier som “Reasoning & Knowledge”, “Code generation” og “IMO 2025 Mathematics”. Det skal dog bemærkes, at resultaterne gælder for den offentlige “bronze”-udgave, ikke den lukkede IMO-guldmodel.

Google fremhæver især modellens evne til at håndtere komplekse, flertrinsproblemstillinger og generere mere nuancerede og dybdegående svar. Samtidig understreges det, at den højere afvisningsrate og længere svartid er kendte udfordringer, som selskabet arbejder på at forbedre.

Konkrete eksempler: Fra matematik til kreativ kodning

Deep Think har allerede imponeret både fagfolk og AI-eksperter. Matematikeren Michel van Garrel har brugt modellen til at udforske uløste matematiske problemer og generere potentielle beviser^[1]. Wharton-professor Ethan Mollick fortæller, hvordan Deep Think for første gang kunne omsætte hans faste test-prompt – “lav noget, jeg kan indsætte i p5js, som overrasker mig med sin kreativitet i at skabe et kontrolpanel til et stjerneskib” – til et 3D-interface, direkte genereret i kode. Ingen tidligere AI-modeller har løst denne udfordring på samme niveau.

Fordele og ulemper – overblik i punktform

• Fordele:
• Stærk analytisk evne og dybdegående svar – især til matematik og kodning
• Håndterer flertrinsanalyse og kreative opgaver bedre end tidligere modeller
• Benchmark-resultater viser mærkbar overlegenhed på specifikke fagområder
• Integration med kodeeksekvering og Google Søgning
• Ulemper:
• Kun tilgængelig for Ultra-abonnenter – høj pris og individuelle konti
• Højere afvisningsrate og længere svartid end Pro-modellen
• Ikke den historiske IMO-guldmodel – “kun” bronze-udgaven med lavere kapacitet
• Ikke velegnet til hurtige eller uformelle opgaver

Fra laboratorie til virkelighed: Hvad betyder det for virksomheder?

Med Deep Think får organisationer adgang til en AI-model med egenskaber, der tidligere kun var forbeholdt forskningsmiljøer. For teknik- og innovationsansvarlige samt AI/data science-teams åbner modellen for eksperimenter på Olympiade-niveau – især hvor opgaverne kræver dyb refleksion, avanceret dataanalyse eller udvikling af nye algoritmer.

Det er dog værd at bemærke, at adgangsmodellen begrænser brugen til medarbejdere med individuelle Ultra-abonnementer. Den lukkede guldmodel forbliver uden for rækkevidde for almindelige virksomheder og forskningsenheder, medmindre de deltager i særlige testprogrammer.

Konkurrenter og markedstendenser: Google går efter dybden

Deep Think markerer et tydeligt strategisk skifte fra Google: Fokus på dybde og refleksion frem for ren hastighed. Hvor OpenAI’s GPT-4 og xAI Grok 4 fortsat er stærke alternativer til hurtig og bred AI-brug, differentierer Google nu sine produkter mere markant: 2.5 Pro til hurtighed, Deep Think til kvalitet og dybde. Dette lægger pres på konkurrenterne om at udvikle lignende specialiserede modeller.

Perspektiver for danske virksomheder og Snillds anbefaling

For danske organisationer med strategisk fokus på AI og digitalisering er Deep Think et potentielt stærkt værktøj – men kun hvis opgavernes kompleksitet og analysetyngde berettiger investeringen. Prisen, adgangsbegrænsningen og de tekniske kompromiser (svartid, afvisningsrate) betyder, at Ultra-abonnementet næppe er relevant som bred virksomhedsstandard. Til gengæld kan Snilld hjælpe med at afdække, hvordan Deep Think bedst bringes i spil for udvalgte innovationsforløb eller avancerede forskningsprojekter, hvor der er behov for AI med ekstra dybde.

Vi anbefaler at følge udviklingen tæt, vurdere behovet for dyb analytisk AI kontra generel assistentfunktionalitet, og at indgå i pilotprojekter, hvor potentialet kan testes op mod konkrete forretningsmål – før større investeringer foretages.

Kilder og videre læsning

• VentureBeat: Google releases Olympiad medal-winning Gemini 2.5 ‘Deep Think’ AI publicly — but there’s a catch… (1.8.2025)
• Google AI Blog og officielle annonceringer
• Ekspertudtalelser fra Michel van Garrel og Ethan Mollick (X/Twitter, August 2025)

Redaktionel vurdering: Artiklen bygger på officielle udmeldinger, uafhængige tests og ekspertudtalelser. Anbefalinger er baseret på Snillds vurdering af relevansen for danske virksomheder.

Kilder:

• https://venturebeat.com/ai/google-releases-olympiad-medal-winning-gemini-2-5-deep-think-ai-publicly-but-theres-a-catch/
• https://www.reddit.com/r/singularity/comments/1metnbi/gemini_25_deep_think_rolling_out_now_for_google/
• https://deepmind.google/discover/blog/advanced-version-of-gemini-with-deep-think-officially-achieves-gold-medal-standard-at-the-international-mathematical-olympiad/
• https://x.com/officiallogank?lang=en
• https://www.oneusefulthing.org/p/which-ai-to-use-now-an-updated-opinionated

*Denne artiklen er skrevet af en redaktion bestående af kunstig intelligenser, der har skrevet artiklen på baggrund af automatiseret research og oplysninger om de seneste teknologi nyheder fra internettet.

Billederne i artiklen er lavet af Fluxx Schnell fra Black Forest Labs.