Gemini 4 Carbon führt KI-Index an – bleibt vorerst nur begrenzt zugänglich

Stärkere Ergebnisse bei Entwicklung und längeren Aufgaben

Google beschreibt Carbon als Fortschritt bei komplexer Softwareentwicklung und lang andauernden Arbeitsabläufen. Das Unternehmen berichtet, interne Teams hätten das Modell über mehrere Tage an Aufgaben arbeiten sehen. Dabei soll es nach erfolglosen Ansätzen Fehler diagnostizieren und Korrekturen in umfangreichen Codebasen entwickeln können. Diese Darstellung stammt von Google; die vorliegenden Angaben belegen nicht unabhängig, wie zuverlässig oder wirtschaftlich sich solche Abläufe in einer Produktionsumgebung durchführen lassen. [3]

Einige veröffentlichte Resultate stützen die Behauptung eines deutlichen Fortschritts gegenüber Argon. Auf SWE-sweep steigt der angegebene Wert von 4,3 auf 9,6 Prozent, auf FrontierSWE 2 von 55,0 auf 61,2 Prozent und auf Terminal-Bench 4.0 von 57,1 auf 65,2 Prozent. Die Vergleiche zeigen zugleich, dass Carbon nicht überall führt: Auf FrontierSWE 2 werden für GPT-6 Astra 65,5 Prozent und für Claude Opus 5.5 62,3 Prozent ausgewiesen. [3]

Beim Coding Agent Index von Artificial Analysis erreicht Carbon in der Ausführung über Antigravity CLI 59 Punkte. Das liegt über Argons 53, aber unter Claude Code mit Opus 5.5, das 62 Punkte erzielt. Der Index bewertet ein Modell im Zusammenhang mit einem Coding-Werkzeug und ist deshalb nicht mit dem allgemeinen Intelligence Index gleichzusetzen. Auch einzelne Teiltests und Ausführungsumgebungen weichen von Googles eigener Benchmark-Tabelle ab. [3]

• Bei GraphWalks weist Googles Vergleich für Carbon 96,2 Prozent aus, gegenüber 84,2 Prozent für Argon. Der Test umfasst laut Darstellung Kontexte von 256.000 bis zu einer Million Tokens; daraus lässt sich jedoch keine entsprechende Produktionsgrenze der Carbon-API ableiten. [3]
• Auf AutomationBench fällt der Abstand zu Argon kleiner aus: Carbon erzielt 53,9 Prozent gegenüber 51,3 Prozent. Bei Vals Index v2.2 liegt Carbon mit 70,4 Prozent nur knapp vor Claude Opus 5.5 mit 70,2 Prozent. [3]

Leistung bei Wissensarbeit bleibt gemischt

Die unabhängigen Ergebnisse weisen nicht auf eine Spitzenposition in sämtlichen professionellen Aufgaben hin. Auf AA-Briefcase erreicht Carbon bei hoher Reasoning-Einstellung 1.609 Elo-Punkte und liegt damit 126 Punkte vor Argon. Gleichzeitig nennt Artificial Analysis höhere Werte für Grok 4.7, Muse Wonder und Kimi K3.1 Pro. Carbon verbessert sich in dieser Auswertung also deutlich gegenüber dem Vorgänger, ohne den Vergleich anzuführen. [3]

Die von Artificial Analysis ausgewiesenen Zuwächse betreffen besonders die Präsentationsqualität und die analytische Qualität. Auch diese Resultate sind auf die jeweilige Auswertung begrenzt; sie belegen weder eine allgemeine Verbesserung sämtlicher Wissensarbeit noch konkrete Produktivitätsgewinne in Unternehmen. [3]

Cybersicherheit als Schwerpunkt – mit kontrolliertem Zugang

Google stellt Carbon auch für Aufgaben der Cybersicherheit heraus. Die veröffentlichten Vergleiche unterscheiden dabei mehrere Schritte: Schwachstellen finden, ihre Ausnutzbarkeit prüfen und Korrekturen entwickeln. Auf ExploitGym steigt der ausgewiesene Wert gegenüber Argon von 42,0 auf 54,8 Prozent; auf SEC-bench Pro von 83,4 auf 88,2 Prozent und auf CWE-bench von 68,0 auf 71,0 Prozent. [3]

Diese Kategorien sind praktisch nicht austauschbar. Ein Hinweis auf verdächtigen Code belegt für sich genommen noch keine ausnutzbare Schwachstelle; ein erfolgreicher Exploit weist wiederum nicht automatisch nach, dass ein vorgeschlagener Patch das Problem zuverlässig behebt. Die Benchmarkwerte geben Auskunft über die jeweiligen Tests, nicht über die Sicherheit eines gesamten Unternehmenssystems. [3]

Google öffnet Carbon zunächst nur für ausgewählte Cybersicherheitsverteidiger im Fairwind-Programm. Das Unternehmen stellt eine breitere Freigabe in Aussicht, sobald es Rückmeldungen gesammelt und Schutzmaßnahmen weiterentwickelt hat, nennt dafür aber keinen festen Zeitplan. Damit unterscheidet sich die Ankündigung klar von einer allgemein verfügbaren Produkteinführung. [3]

Für Unternehmen bedeutet die Beschränkung, dass sie Carbon vorerst nicht wie ein regulär zugängliches Modell evaluieren können. Die vorsichtige Freigabe ist Teil der von Google beschriebenen Einführung; welche konkreten Schutzbedingungen gelten und wann ein breiterer Zugang möglich wird, geht aus den vorliegenden Angaben nicht vollständig hervor. [3]

• Googles veröffentlichte Tabelle zeigt Carbon bei 15 von 17 Zeilen vorn; zwei Ausnahmen betreffen einen Software-Engineering-Test und eine Computer-Use-Auswertung. [3]
• Ein höherer Benchmarkwert ist kein Nachweis, dass ein Modell in einer konkreten Umgebung Schwachstellen ohne Fehlalarme findet oder vorgeschlagene Änderungen ohne menschliche Prüfung sicher umgesetzt werden können. [3]

Auch die Fehlerquote ist relevant

VentureBeat verweist auf unabhängige Tests, in denen Carbon bei einem Faktenwissen-Test eine höhere Halluzinationsrate als Argon aufweist. Die verfügbare Berichterstattung nennt an dieser Stelle keine Zahlen zur Größe des Unterschieds. Der Hinweis ist dennoch wichtig: Ein hoher Rang bei zusammengesetzten Benchmarks schließt Schwächen bei einzelnen Aufgaben nicht aus. [3]

Bei sicherheitskritischen oder rechtlich relevanten Anwendungen sollten Unternehmen daher nicht allein aus den veröffentlichten Ranglisten auf die notwendige Verlässlichkeit schließen. Diese Schlussfolgerung ergibt sich aus der Kombination aus begrenztem Zugang, unterschiedlichen Testergebnissen und der berichteten höheren Halluzinationsrate; sie ist keine Aussage über einen bereits gemessenen Unternehmenseinsatz von Carbon. [3]

Angekündigte Preise sind keine vollständige Kostenrechnung

Google kündigt für Carbon zunächst zwei US-Dollar je Million Eingabetokens und zehn US-Dollar je Million Ausgabetokens an. Für zwischengespeicherte Eingaben gilt laut Bericht ein Preisnachlass von 95 Prozent. Später sollen die Preise auf vier Dollar für eine Million Eingabetokens und 20 Dollar für eine Million Ausgabetokens steigen. Wann die Einführungsphase endet, hat Google für Carbon nicht angegeben. [3]

Die Einstiegspreise entsprechen den von Google für Argon angekündigten Sätzen. Das bedeutet nicht, dass Carbon bei derselben Aufgabe automatisch gleich viel kostet: Dafür wären unter anderem Angaben zum Tokenverbrauch, zu Wiederholungsversuchen und zur benötigten Laufzeit erforderlich. Solche Vergleichsdaten liegen in der berichteten Ankündigung nicht vor. [3]

Als reine Rechenillustration ergeben zehn Millionen nicht zwischengespeicherte Eingabetokens und eine Million Ausgabetokens bei den Einstiegspreisen 30 US-Dollar. Bei den späteren Tarifen wären es 60 US-Dollar. Die Rechnung berücksichtigt nur die genannten Tokenpreise und setzt unveränderten Verbrauch voraus; sie ist keine Prognose für die Kosten eines konkreten Arbeitsauftrags. [3]

Damit stützt die Ankündigung eine enge Aussage: Google bewirbt Carbon mit verbesserten Benchmarkwerten gegenüber Argon zu zunächst gleichen Tokenpreisen. Ob sich dadurch die Kosten pro erfolgreich erledigter Aufgabe senken, lässt sich aus den verfügbaren Angaben nicht ableiten. [3]

• Argons höhere Preise sollen laut dem im Bericht genannten Entwicklerleitfaden ab dem 1. Dezember 2026 gelten; für Carbon ist bislang kein entsprechender Stichtag angegeben. [3]
• Die 95-prozentige Ermäßigung für zwischengespeicherte Eingaben ist angekündigt. Die verfügbaren Angaben belegen jedoch nicht, dass Carbon dieselben Cache-Mechanismen wie Argon verwendet. [3]

Die Verfügbarkeit begrenzt die unmittelbare Vergleichbarkeit

Argon ist laut VentureBeat seit dem 13. Oktober breiter zugänglich; Google hatte das Modell bereits am 30. September vorgestellt. Carbon folgt demnach auf eine bereits erweiterte Argon-Verfügbarkeit, bleibt zunächst aber im kontrollierten Fairwind-Zugang. Der Vergleich betrifft somit nicht nur Modellwerte, sondern auch die Frage, welches Angebot Entwickler und Unternehmen tatsächlich testen können. [3]

Für Carbon enthält die Ankündigung laut Bericht keine gleichwertige API-Spezifikation. Daraus lässt sich nicht ableiten, dass Argons dokumentierte Kontextgrenzen, Eingabeformate oder Entwicklerfunktionen unverändert übernommen werden. Unternehmen sollten diese Punkte deshalb als offene Produktfragen behandeln, nicht als bestätigte Eigenschaften von Carbon. [3]

Was Unternehmen aus der Ankündigung ableiten können

Für technische Entscheider ist Carbon derzeit vor allem ein Signal über Googles Entwicklungsrichtung und eine mögliche spätere Alternative für anspruchsvolle Engineering- und Sicherheitsaufgaben. Die veröffentlichten Werte zeigen Fortschritte gegenüber Argon, insbesondere in einzelnen Coding-, Reasoning- und Cybersecurity-Auswertungen. Die beschränkte Verfügbarkeit verhindert jedoch eine breite eigene Prüfung, und die Benchmarkresultate ersetzen keine Messung mit den eigenen Aufgaben, Daten und Qualitätsmaßstäben. [3]

Auch die Bezeichnung „leistungsstärkste KI der Welt“ aus der YouTube-Beschreibung ist deshalb nur mit klarer Einschränkung vertretbar. Sie trifft allenfalls auf eine bestimmte Rangliste und deren Testbedingungen zu. Schon innerhalb der veröffentlichten Vergleiche liegen Konkurrenten bei einzelnen Tests vorn; in unabhängigen Auswertungen erreicht Carbon bei Wissensarbeit und Coding-Agent-Aufgaben nicht durchgehend den Spitzenplatz. [1][3]

Eine belastbare Beschaffungsentscheidung wird erst möglich, wenn Carbon breiter verfügbar ist und Unternehmen seine Leistung unter vergleichbaren Bedingungen prüfen können. Relevant sind dann nicht nur Benchmarkwerte, sondern auch API-Funktionen, verlässliche Kosten pro Aufgabe, Fehlerverhalten und die Wirksamkeit menschlicher Kontrollschritte. Diese Prüfpunkte folgen aus den derzeit offenen Angaben zu Zugang, Spezifikation, Tokenverbrauch und den berichteten Leistungsunterschieden. [3]

• Der Index-Spitzenwert ist ein konkretes, aber eng abgegrenztes Vergleichsergebnis – keine allgemeine Leistungszusage für jeden Einsatz. [3]
• Carbon ist angekündigt, aber noch nicht allgemein verfügbar; ein Termin für die breite Freigabe fehlt. [3]
• Die Einführungspreise sind bekannt, der Endtermin der Einstiegsphase und die tatsächlichen Kosten pro erfolgreicher Aufgabe dagegen nicht. [3]

Quellen

1. [1] Google's New CARBON is Now the Most Powerful AI in the World - YouTube — https://www.youtube.com/watch?v=XAfxi-Xo_sk (abgerufen am 2026-10-30)
2. [3] Google unveils Gemini 4 Carbon, retaking the world's no. 1 spot on updated, harder benchmarks — but access is limited | VentureBeat — https://venturebeat.com/technology/google-unveils-gemini-4-carbon-retaking-the-worlds-no-1-spot-on-updated-harder-benchmarks-but-access-is-limited (abgerufen am 2026-10-30)