Gemini 4 Carbon führt eine unabhängige Rangliste an und gewinnt die meisten Tests, die Google selbst vorlegt. Nutzen kann es trotzdem fast niemand.
Was Google mit Gemini 4 Carbon angekündigt hat
Am 28. Oktober hat Google DeepMind Gemini 4 Carbon vorgestellt und nennt es das stärkste Frontier-Modell des Hauses. Frontier-Modelle sind die leistungsfähigsten Systeme eines Anbieters, also die Klasse, mit der Firmen um die Bestwerte konkurrieren. Der Blogbeitrag trägt die Unterschrift von Koray Kavukcuoglu, Senior Vice President bei DeepMind und Chief AI Architect von Google. Diese Personalie sagt schon, wie ernst die Ankündigung gemeint ist.
Der Zuschnitt fällt enger aus als bei einem üblichen Flaggschiff, denn Carbon ist auf zwei Aufgaben ausgerichtet: die Abwehr von Angriffen im Netz und Agentenläufe, die über Stunden oder Tage laufen und dabei mehrere Werkzeuge nacheinander benutzen. Der größte Teil des Beitrags dreht sich um Cybersicherheit. Allgemeines Programmieren läuft als zweites Thema mit.
Dann ist da der Zugang. Carbon bekommen zunächst nur Verteidiger aus dem Fairwind Program, einem ausgewählten Kreis, der schon frühere Google-Modelle vor der Veröffentlichung testen durfte. Entwickler, Unternehmen und Privatkunden müssen warten. Google will den Kreis erweitern, sobald Rückmeldungen ausgewertet und die Leitplanken nachgeschärft sind, also die Regeln, die verhindern sollen, dass das Modell bei Sicherheitsaufgaben über das Ziel hinausschließt. Ein Datum nennt das Unternehmen nicht.
Das stärkste Modell einer Rangliste ist also für den Rest der Welt nicht käuflich. Genau darin liegt die Geschichte dieser Woche.
Die Sicherheitswerte von Gemini 4 Carbon
Google nennt drei Werte für die Sicherheitsarbeit. Carbon erreicht 88,2 Prozent auf SEC-bench Pro, 54,8 Prozent auf ExploitGym und 71,0 Prozent auf CWE-bench. Alle drei Zahlen stammen vom Hersteller. Eine unabhängige Prüfung gab es am Tag der Ankündigung nicht.
Die Tests messen unterschiedliche Dinge. SEC-bench Pro prüft, ob ein Modell Schwachstellen in Code findet. ExploitGym fragt, ob es eine Lücke auch ausnutzen kann. CWE-bench schaut, ob aus einem Befund ein brauchbarer Patch wird, also eine Korrektur an der Ursache.
In der Tabelle mit 17 Zeilen, die Google zusammen mit der Ankündigung veröffentlicht hat und die von Sicherheitsaufgaben bis zu Programmieraufgaben reicht, liegt Carbon 15-mal vorn. Die beiden Ausnahmen lohnen einen Blick. Bei einem Test aus der Softwareentwicklung führt weiterhin OpenAI, bei einer Prüfung zur Bedienung von Computern liegt Anthropic vorne.
15 von 17 klingt nach einem Durchmarsch. Es ist aber eine Tabelle, die der Hersteller des Modells selbst zusammengestellt hat. Lesen Sie sie als Behauptung, nicht als Urteil.
Platz eins bei Artificial Analysis
Aussagekräftiger ist der Blick von außen. Artificial Analysis rechnet eigene Tests und übernimmt keine Herstellerzettel. Dort steht Carbon mit eingeschaltetem Reasoning auf hoher Stufe bei 59 Punkten im Intelligence Index v5.0. Das ist Rang eins.
Modell | Punkte im Intelligence Index v5.0 |
|---|---|
Gemini 4 Carbon | 59 |
Claude Opus 5.5 | 58 |
GPT-6 Astra | 57 |
Gemini 4 Argon | 50 |
Drei Punkte trennen also das Podium. Eine andere Mischung von Aufgaben könnte diese Reihenfolge verschieben. Wer wirklich das beste Ergebnis sucht, sollte vor einem Anbieterwechsel prüfen, wie stark der Index einzelne Testarten gewichtet und ob sich die gleichen Einstellungen über die API überhaupt erreichen lassen.
Unabhängige Tests zeigen außerdem Kompromisse, die Google nicht in den Vordergrund rückt. Beim Programmieren und bei Wissensarbeit ist Carbon deutlich besser als Argon. Bei einzelnen Fachaufgaben liegt es hinter Wettbewerbern. Und bei Tests zum Faktenwissen halluziniert es häufiger als der Vorgänger. Weniger erfundene Fakten wären die erwartete Richtung gewesen. Hier ging es andersherum.
Was Gemini 4 Carbon pro Token kostet
Über die API startet Carbon bei 2 US-Dollar je Million Eingabe-Token und 10 US-Dollar je Million Ausgabe-Token. Ein Token ist die kleinste Einheit, in der ein Modell Text verarbeitet, grob ein Wortteil. Zwischengespeicherte Eingabe-Token kosten 95 Prozent weniger, also etwa 0,10 Dollar.
Eine Fußnote nennt den späteren Preis: 4 Dollar für die Eingabe, 20 Dollar für die Ausgabe. Wann endet die Einführungsphase? Google schweigt dazu. Die fehlende Angabe ist die teuerste Unbekannte der Ankündigung. Ein Budget, das mit 2 Dollar je Million Token rechnet, verdoppelt sich an dem Tag, an dem die Frist abläuft, und niemand weiß heute, ob dieser Tag im Dezember liegt oder erst im Frühjahr.
Ein Vergleich hilft bei der Planung. Argon ist zum gleichen Einstiegspreis von 2 und 10 Dollar gestartet, der Aktionspreis läuft dort bis zum 30. November. Bei Carbon dürfte es ähnlich aussehen. Dürfte.
Fünfzehn Tage zwischen Argon und Carbon
Argon ist am 13. Oktober für alle zahlenden Nutzer geöffnet worden. Carbon folgt 15 Tage später. Argon selbst war am 30. September ebenfalls zuerst an Fairwind-Partner gegangen. Das ist ein Rhythmus, kein Ausrutscher.
Die einzige Orientierung für die technischen Grenzen von Carbon liefert die Dokumentation des Vorgängers. Dort ist von einem geteilten Kontext die Rede, der über eine Million Token reicht. Die Ausgabe ist standardmäßig auf 65.536 Token begrenzt. Dazu kommen Text, Bilder, Video, Audio und PDFs als Eingabe, Funktionsaufrufe, Codeausführung und strukturierte Ausgaben. Für Carbon nennt die Ankündigung nichts davon. Ob die Grenzen auch dort gelten, ob das Modell also einen ebenso großen Kontext verarbeitet und ebenso lange Ausgaben liefert, ist offen.
Für alle, die auf der API bauen, ist das die praktische Frage. Die Kontextgröße entscheidet, wie viele Dokumente in einen Aufruf passen. Die Obergrenze der Ausgabe entscheidet, wie viel ein einzelner Auftrag zurückliefern kann. Google lässt beides offen. Bei einem Modell, das mit tagelangen Agentenläufen wirbt, ist das eine merkwürdige Lücke.
Was Google über tagelange Agentenläufe sagt
Nach Darstellung von Google haben interne Teams Carbon mehrere Tage am Stück laufen lassen. Die beschriebenen Aufgaben sind unspektakulär und schwer: Fehler in großen Codebasen finden, gescheiterte Ansätze verwerfen, Patches schreiben, die eine Prüfung überstehen.
Varun Mohan, früher Chef von Windsurf und heute für Google Antigravity verantwortlich, sagt, seine Teams setzten Carbon dort für die schwierigsten Aufgaben ein. Der Zugang werde zuerst über Fairwind wachsen und dann mit Antigravity breiter werden.
Genau diese langen Läufe kann von außen niemand nachprüfen. Viele Agentenprodukte verlieren nach wenigen Schritten die Spur. Ein fehlgeschlagener Werkzeugaufruf schickt das Modell in eine Schleife, die Token verbrennt, ohne Ergebnis. Eine Demo ist leicht. Ein Modell, das sich tagelang in fremdem Code hält, ist ein viel größeres Versprechen als jeder Auftritt, der nach zehn Minuten endet und von einem Menschen aufgeräumt wird.
Was bei Gemini 4 Carbon fehlt
Google hat keinen technischen Bericht zu Carbon veröffentlicht. Keine Angabe zur Größe, kein Wort dazu, ob die Architektur sich von Argon unterscheidet. Für ein Modell, das als stärkstes des Hauses angekündigt wird, ist die Papierlage dünn.
Bei einem gestaffelten Start ist das nicht ungewöhnlich. Es bedeutet aber, dass jede Aussage zur Leistungsfähigkeit auf Googles Text und einem fremden Index steht.
Ein zweiter Punkt verdient Aufmerksamkeit. Ein Modell, das Lücken findet, Exploits prüft und Patches baut, ist ein Werkzeug für beide Seiten. Verteidiger sparen Zeit bei der Analyse. Angreifer finden mit derselben Fähigkeit schneller einen Weg hinein. Google reagiert darauf mit dem engen Startkreis. Ob das reicht, ist eine offene Frage.
Worauf Sie vor dem breiten Start achten sollten
Drei Dinge sagen mehr als die Rangliste dieser Woche. Erstens, ob Google einen Termin für die Freigabe nennt. Zweitens, ob der Preis von 4 und 20 Dollar zusammen mit dem breiten Start kommt. Drittens, ob unabhängige Labore den Rückschritt bei Fakten bestätigen oder widerlegen.
Bis dahin bleibt die Lage einfach: ein Spitzenplatz, ein geschlossener Kreis, kein Datum. Wer eine Migration zur API plant, sollte mit dem regulären Preis rechnen und nicht mit der Einführung, weil Google den Termin für das Ende der Aktion nicht nennt und weil eine Kalkulation auf 2 Dollar je Million Token nach dem Wechsel auf 4 Dollar zusammenbricht. Für Sicherheitsteams außerhalb von Fairwind heißt das weiterhin abwarten.
