Gemini 4 Carbon: Googles neuestes World Model

Zwei Wochen nachdem Gemini 4 Argon breit verfügbar wurde, legt Google mit einem weiteren Modell nach. Gemini 4 Carbon, heute angekündigt, ist laut Google das „nächste Frontier-Modell“ – und es hat den ersten Platz im frisch aktualisierten Artificial Analysis Intelligence Index v5.0 erobert.

Die meisten können es noch nicht nutzen. Carbon startet zunächst für eine kleine Gruppe von Cybersecurity-Verteidigern; Entwickler, Unternehmen und Endnutzer erhalten erst später Zugriff.

In diesem Artikel erfährst du, was Gemini 4 Carbon ist, was sich seit Argon geändert hat, wie es in Benchmarks abschneidet (bei Google und unabhängigen Tests), was es kosten wird und wann du voraussichtlich loslegen kannst.

Bevor wir starten: Vielleicht bist du hier gelandet, weil du allgemein von Google-AI-News gehört hast. Zur Klarstellung: Gemini 4 Carbon (worum es hier geht) ist ein text- und codefokussiertes Frontier-LLM; Genie 4, ebenfalls frisch veröffentlicht, ist ein interaktives, physikbasiertes World Model für Echtzeit-Digitalsimulationen. Auch Genie 4 lohnt sich.

Was ist Gemini 4 Carbon?

Gemini 4 Carbon ist das neueste Modell in Googles Gemini-4-Familie und rangiert über Gemini 4 Argon. Das ist bemerkenswert, weil Argon vor wenigen Wochen als Googles Comeback gefeiert wurde – dank seiner starken Benchmarks.

Carbon ist noch besser. Google positioniert das Modell als stark für agentische Aufgaben mit langem Zeithorizont – also Workflows mit vielen Schritten, zahlreichen Tool-Aufrufen und häufigem Erholen aus Sackgassen.

Laut Google DeepMind haben interne Teams Carbon über Tage auf mehrstufigen Engineering-Problemen laufen lassen, etwa bei Root-Cause-Analysen und Patching von Bugs in großen Codebasen und Low-Level-Systemen.

Google meldet außerdem Fortschritte bei:

• Coding und Full-Stack-Webentwicklung
• Agentischen Aufgaben und Computerbedienung
• Wissenschaftlichem Schlussfolgern
• Multimodalem Verständnis

Google hat weder einen technischen Bericht, Architekturdaten noch eine Parameterzahl veröffentlicht. Auch eine API-Spezifikation fehlt, daher ist unklar, ob Carbon Argons Limits beibehält (Kontextfenster über 1 Million Tokens, 65.536 Tokens Standard-Ausgabelimit sowie Text-, Bild-, Video-, Audio- und PDF-Input).

Gemini 4 Carbon vs. Gemini 4 Argon

Der Gemini-4-Rollout geht zügig voran:

Die Benchmarks sind ohne Frage beeindruckend. Auffällig ist, dass Carbon in allen 17 Zeilen von Googles veröffentlichter Gegenüberstellung über Argon liegt.

Gemini 4 Carbon: Benchmarks im Wettbewerbsvergleich

Ich teile diesen Abschnitt in zwei Teile: Googles eigene Resultate und unabhängige Evals.

Von Google gemeldete Ergebnisse

Carbon liegt in 15 von 17 Zeilen vorn. Die zwei Ausnahmen:

• Software Engineering: Auf FrontierSWE 2 schlagen GPT-6 Astra und Claude Opus 5.5 Carbon.
• Computerbedienung: Auf dem OSWorld-2.1-Offline-Subset führt Claude Opus 5.5.

Carbons klarster Vorsprung liegt beim Long-Context-Reasoning. Auf GraphWalks liegt es deutlich vor GPT-6 Astra und Opus 5.5.

Auf Vending-Bench 2, einem simulierten Business-Benchmark, schloss Carbon mit einem Kontostand von $16.484 ab – vor GPT-6 Astra und Argon.

Zu beachten: Googles Ergebnisse enthalten keine Unsicherheitsangaben, und die Security-Benchmarks wurden ohne Guardrails gefahren. Reale Ergebnisse können daher abweichen.

Unabhängige Bewertungen

Die unabhängigen Zahlen von Artificial Analysis stützen Googles Aussagen im Großen und Ganzen – mit Nuancen:

• Intelligence Index v5.0: Carbon übernimmt knapp die Spitze, knapp vor Claude Opus 5.5 und GPT-6 Astra und deutlich vor Argon. Version 5.0 ist ein anspruchsvollerer Neuaufbau des Index, mit vielen Fragen aus privaten oder zurückgehaltenen Tests. Deshalb fallen die Scores niedriger aus als in früheren Versionen.
• Coding Agent Index: Carbon (über Antigravity CLI) erzielt 59. Das ist ein klarer Sprung von Argon (53), liegt aber hinter Claude Code mit Opus 5.5 (62).
• AA-Briefcase (Wissensarbeit): 1.609 Elo, plus 126 Punkte gegenüber Argon, aber weiterhin hinter Grok 4.7, Muse Wonder und Kimi K3.1 Pro.
• AA-Omniscience (Faktenwissen): Carbon führt mit 54 Punkten und beantwortet 58% der Fragen korrekt (Argon: 48%). Allerdings stieg die Halluzinationsrate von 4% auf 11%.

In der WebDev Arena belegt Carbon Platz 4 mit 1.769 Elo, plus 89 Punkten.

Fazit: Carbon ist aktuell das stärkste Allround-Modell in den Leaderboards, aber nicht in jeder Disziplin vorn. Wenn dein Workload überwiegend agentisches Coding oder Computerbedienung ist, bleibt es ein Kopf-an-Kopf-Rennen.

Gemini 4 Carbon und Cybersecurity

Security spielt bei diesem Launch eine große Rolle. Google teilt die Cyber-Arbeit in drei Phasen – und Carbon liefert in allen starke Zahlen:

1. Vulnerability Discovery: 88,2% auf SEC-bench Pro (State of the Art)
2. Exploit Validation: 54,8% auf ExploitGym (State of the Art)
3. Patching: 71,0% auf CWE-bench

Google berichtet außerdem:

• Mehr als doppelte Erfolgsrate gegenüber Argon beim Generieren von sicherem Code
• Carbon war über zehnmal besser als das Frontier-Modell eines anderen Labs beim Erstellen hochwertiger Patches (das andere Lab wurde nicht genannt)

Diese Fähigkeiten sind ambivalent. Ein Modell, das Schwachstellen so gut findet und ausnutzt, hilft Verteidigern ebenso wie Angreifern – was die vorsichtige Einführung erklären könnte.

Verbesserungen bei Sicherheit und Zuverlässigkeit

Carbon nutzt denselben mehrschichtigen Sicherheitsstack wie Argon: Sicherheitstraining, Abwehr von Missbrauch in Echtzeit, Resilienz gegen Prompt-Injection und Monitoring der Chain-of-Thought. Google meldet diese Verbesserungen gegenüber Argon:

• Weniger unbelegte Behauptungen: etwa halbiert
• Misalignment-Warnungen: Warnungen mit hoher Schwere in Live-Coding-Umgebungen sanken um fast 80%
• Scope-Kontrolle: Overreach -26%, Under-Service -29%
• Benchmark-Cheating: 0,0% erfolgreiche Täuschungsversuche auf Terminal-Bench 4.0, Versuche auf 0,4% gesunken
• Prompt-Injection: 0,0% erfolgreiche Angriffe auf Gray Swans indirekten Prompt-Injection-Benchmark (Argon: 0,7%)

Beachte, dass das Ergebnis „weniger unbelegte Behauptungen“ aus Googles internen Tests stammt, während Artificial Analysis auf AA-Omniscience eine höhere Halluzinationsrate gemessen hat. Die Tests messen Unterschiedliches, was die Gesamterzählung verkompliziert.

Gemini 4 Carbon: Preise

Carbon startet zum selben Einführungspreis wie Argon:

Google hat nicht gesagt, wann die Einführungsphase von Carbon endet. Zum Vergleich: Bei Argon endet sie am 30. November 2026.

Beispiel: Ein Workload mit 10 Mio. Input-Tokens und 1 Mio. Output-Tokens kostet etwa $30 zum Einführungstarif und danach rund $60.

So erhältst du Zugriff auf Gemini 4 Carbon

Aktuell wahrscheinlich gar nicht. So sieht der Rollout aus:

1. Jetzt: Ein Teil der Cyber-Verteidiger erhält Zugang.
2. Als Nächstes: Der Zugang wird schrittweise über Googles Fairwind-Programm auf weitere vertrauenswürdige Partner ausgeweitet.
3. Später: Entwickler, Unternehmen und Verbraucher.

In der Zwischenzeit ist Gemini 4 Argon bereits zum gleichen Einführungspreis verfügbar – ein guter Startpunkt, um Workflows zu bauen, die du später auf Carbon umziehen kannst.

Abschließende Gedanken

Weil Carbon die exakt gleiche Preisstruktur wie Argon hat, wird es Argon für die meisten Nutzer sehr schnell in den Schatten stellen. Sobald Carbon breit verfügbar ist, werden Entwickler und Enterprise-Kunden aus naheliegenden Gründen wechseln – um von den überlegenen Fähigkeiten zu profitieren.