Google meldet Cybersecurity-Fortschritte mit Gemini 4 Carbon

Zunächst begrenzter Zugang statt allgemeinem Rollout

Nach dem heise-Bericht soll Carbon zunächst ausgewählten Cyberverteidigern und weiteren Vertrauenspartnern im Fairwind-Programm zur Verfügung stehen. Ein Zeitpunkt für den öffentlichen Start wird nicht genannt; Google soll eine breitere Verfügbarkeit lediglich für „bald“ in Aussicht gestellt haben. [1] Damit bleibt offen, wann Unternehmen außerhalb dieses Kreises das Modell selbst testen können und über welche Produkte oder Schnittstellen ein späterer Zugang laufen würde.

Bei Argon verlief die Öffnung gestuft. Google erklärte am 13. Oktober, das Modell global für Entwickler und Unternehmen über die API in AI Studio und die Gemini-Plattform anzubieten; außerdem erhielten bestimmte Abonnenten Zugang über die Gemini-App und weitere Google-Angebote. Google kündigte zugleich eine Ausweitung des Fairwind-Programms auf Hunderte zusätzliche Partner an. [2] Dieser Verlauf liefert Kontext, aber keine verlässliche Prognose für Carbon: Die verfügbaren Quellen bestätigen weder einen vergleichbaren Zeitplan noch eine konkrete Produktintegration.

Die größten gemeldeten Zugewinne liegen bei Cybersecurity-Aufgaben

Die auffälligsten von heise genannten Verbesserungen betreffen Benchmarks für das Auffinden, Entwickeln oder Beheben von Softwareangriffen. Im Exploitgym soll Argon 42 Prozent erreicht haben, während Carbon auf knapp 55 Prozent komme. Bei SEC-bench Pro liege Carbon bei gut 88 Prozent und damit vor GPT-6 Astra. Für CWE-bench nennt heise 71 Prozent; Google beanspruche damit eine Führungsposition gegenüber den von ihm herangezogenen Konkurrenzmodellen. [1]

Diese Werte sprechen, sofern sie im jeweiligen Testaufbau reproduzierbar sind, für Fortschritte bei Aufgaben, die Sicherheitslücken und Exploit-Techniken betreffen. Sie belegen jedoch nicht automatisch, dass Carbon reale Systeme zuverlässig oder eigenständig absichern kann. Die Quelle benennt zwar die Benchmark-Ergebnisse und einzelne Vergleichswerte, liefert aber keine ausführliche Beschreibung der Testprotokolle, Stichproben oder unabhängigen Wiederholungen. [1] Für eine belastbare Einordnung müssen Sie deshalb zwischen einer gemeldeten Benchmark-Leistung und nachgewiesener Wirkung in Produktionsumgebungen unterscheiden.

Benchmarks messen Teilaufgaben, keine vollständige Sicherheitsleistung

Die drei genannten Prozentwerte sollten nicht als einheitliche Kennzahl gelesen werden. Exploitgym, SEC-bench Pro und CWE-bench sind unterschiedliche Tests; die im Bericht genannten Zahlen beschreiben jeweils Ergebnisse in einem bestimmten Bewertungsrahmen. [1] Ein Wert von knapp 55 Prozent in einem Benchmark lässt sich daher weder unmittelbar in eine Erfolgsquote für reale Angriffe übersetzen noch direkt mit den 71 Prozent eines anderen Tests verrechnen.

Für Unternehmen ist auch die Vergleichsbasis entscheidend. Heise stellt Argons Exploitgym-Wert dem von Carbon gegenüber und berichtet, Carbon liege bei SEC-bench Pro vor GPT-6 Astra. Beim CWE-bench bezieht sich die behauptete Führungsposition ausdrücklich auf die von Google ausgewählten Mitbewerbermodelle. [1] Ohne nähere Angaben dazu, welche Modelle und Versionen unter denselben Bedingungen geprüft wurden, bleibt die Aussagekraft des Wettbewerbsvergleichs begrenzt. Die Zahlen sind ein Hinweis auf Entwicklungsrichtung, aber kein Ersatz für eigene Tests mit repräsentativen Aufgaben.

Cybersecurity ist zugleich Verteidigungs- und Angriffsdomäne

Ein Modell, das Softwarefehler analysieren und Exploit-Techniken entwickeln kann, hat einen doppelten Verwendungszweck. Dieselben Fähigkeiten können Sicherheitsteams beim Auffinden und Beheben von Schwachstellen unterstützen, aber auch missbraucht werden. Die berichteten Benchmarks umfassen ausdrücklich Aufgaben rund um Exploits und das Absichern von Sicherheitslücken. [1] Dass Google Carbon zunächst einem begrenzten Kreis von Cyberverteidigern und Vertrauenspartnern zugänglich machen will, passt zu einem kontrollierten Zugang für sicherheitsrelevante Fähigkeiten. [1]

Das ist zunächst eine Analyse der beschriebenen Zugangspolitik, kein Beleg dafür, dass Carbon bereits reale Angriffe verhindert oder besondere Schutzmechanismen in der Praxis nachgewiesen hat. Für Sicherheitsverantwortliche dürften deshalb neben der Modellqualität insbesondere Zugriffskontrollen, Protokollierung, Freigabeprozesse und die Einbettung in bestehende Incident-Response-Verfahren entscheidend sein. Ob Carbon dafür konkrete Funktionen oder Integrationen bietet, geht aus den vorliegenden Quellen nicht hervor. [1]

Aussage zu Prompt Injection bleibt ohne ausgewiesene Testdetails

Google zufolge sei bislang kein einziger Prompt-Injection-Versuch bei Carbon erfolgreich gewesen. Außerdem soll das Modell seltener halluzinieren und häufiger nachfragen, statt eine unklare Absicht eigenständig zu erraten. [1] Prompt Injection bezeichnet hier Versuche, ein Modell durch manipulierte Eingaben zu unerwünschtem Verhalten zu bewegen. Die berichtete Aussage betrifft damit einen wichtigen Teil der Robustheit – sie ist aber noch kein Nachweis, dass das System gegen alle Angriffsvarianten geschützt ist.

Die Formulierung „bislang“ lässt offen, wie viele Versuche geprüft wurden, welche Angriffsmuster zum Einsatz kamen und ob die Tests von Google oder unabhängig durchgeführt wurden. Der heise-Text nennt dazu keine Methodik oder Messwerte. [1] Unternehmen sollten die Aussage daher als Anbieterangabe behandeln und nicht als Sicherheitsgarantie. Auch eine geringere Halluzinationsrate ist für sich genommen keine vollständige Qualitätsmessung: Für einen betrieblichen Einsatz müssen Sie Fehlerfolgen, Verifikationsschritte und menschliche Freigaben für den jeweiligen Anwendungsfall bewerten.

Lange Programmieraufgaben und Agentenbetrieb als weiterer Schwerpunkt

Neben Cybersecurity beschreibt Google Carbon laut heise als leistungsfähiger bei schwierigen Programmieraufgaben mit langer Laufzeit. Interne Teams hätten das Modell demnach über mehrere Tage arbeiten sehen. Weitere Verbesserungen stellt Google für wissenschaftliche Aufgaben, Webentwicklung, das Verstehen multimodaler Eingaben und die Fehlerarmut des erzeugten Codes in Aussicht. [1] Diese Aussagen beziehen sich auf interne Beobachtungen und Anbieterangaben; unabhängige Ergebnisse oder konkrete Messgrößen zu Laufzeit, Fehlerquote und Aufgabenumfang sind in den vorliegenden Quellen nicht aufgeführt.

Für Unternehmen könnte ein Modell, das über längere Zeiträume Aufgaben bearbeitet, insbesondere bei mehrstufigen Entwicklungs- und Analyseprozessen interessant sein. Das ist eine mögliche betriebliche Bedeutung, keine bereits belegte Produktivitätssteigerung durch Carbon. Zu klären wären etwa, wie stabil ein Agent über lange Abläufe bleibt, wie er mit Zwischenfehlern umgeht und welche Eingriffe durch Mitarbeitende nötig sind. Der Argon-Blog von Google berichtet zwar über interne Projekte mit diesem Vorgängermodell, darunter Codeoptimierung und Refactoring; diese Beispiele lassen sich aber nicht als Leistungsnachweis für Carbon übertragen. [2]

Tokenpreise erlauben erste, aber begrenzte Kostenabschätzungen

Heise nennt für Carbon vier US-Dollar je Million Eingabetoken und 20 US-Dollar je Million Ausgabetoken. Zum Start soll ein Rabatt von 50 Prozent gelten. [1] Die unterschiedlichen Tarife für Ein- und Ausgabe machen das Nutzungsprofil wichtig: Bei vielen langen Antworten kann die Ausgabeseite stärker ins Gewicht fallen als die reine Eingabemenge.

Eine einfache Beispielrechnung verdeutlicht die Größenordnung: Eine Anfrage mit einer Million Eingabetoken und 100.000 Ausgabetoken käme nach den genannten regulären Sätzen auf sechs US-Dollar – vier Dollar für die Eingabe und zwei Dollar für die Ausgabe. Bei einem auf beide Positionen angewandten Rabatt von 50 Prozent wären es rechnerisch drei Dollar. Das ist eine illustrative Kalkulation auf Basis der berichteten Einheitspreise, keine Aussage über typische Nutzungskosten oder weitere Gebühren. [1]

Google setzte Argon bei der Vorstellung zunächst mit zwei Dollar je Million Eingabetoken und zehn Dollar je Million Ausgabetoken an; auch diese Angaben bezeichnete der Konzern als Einführungspreis. [2] Die Zahlen deuten auf eine höhere Preisstufe für Carbon hin, erlauben aber ohne identische Konditionen und genaue Rabattdauer keinen abschließenden Kostenvergleich. Für Beschaffungsentscheidungen fehlen außerdem Angaben zur späteren öffentlichen Verfügbarkeit und zu konkreten Nutzungskontingenten. [1][2]

Der Übergang von Argon zu Carbon ist noch keine bestätigte Ablösung im Markt

Google stellte Argon als Modell für komplexe Aufgaben in Bereichen wie Programmierung, Recht, Finanzen, Cybersicherheit und Wissenschaft vor. Der Konzern erklärte, Argon sei über API-Angebote und ausgewählte Abonnements verfügbar; der Blog beschreibt zudem interne und externe Anwendungsbeispiele. [2] Heise bezeichnet Carbon als Nachfolger der bisherigen Spitzenvariante, nennt aber zugleich einen eingeschränkten Zugang und keinen Termin für einen öffentlichen Start. [1]

Damit besteht vorerst ein Unterschied zwischen gemeldeter Modellankündigung und breiter betrieblicher Verfügbarkeit. Für Organisationen, die bereits mit Argon arbeiten oder dessen Einführung prüfen, folgt daraus nicht automatisch, dass sie kurzfristig auf Carbon wechseln können. Ebenso wenig belegt die Angabe eines höheren Benchmarkwerts, dass Carbon in sämtlichen Aufgabenbereichen überlegen wäre. Die vorliegenden Informationen sprechen vor allem für einen auf Cybersecurity und anspruchsvolle Agentenaufgaben ausgerichteten Entwicklungsschritt; Reichweite, Integrationen und unabhängige Praxisergebnisse bleiben offen. [1][2]

Was Unternehmen vor einer Bewertung noch benötigen

Für eine fundierte Entscheidung fehlen vor allem nachvollziehbare Testbedingungen, unabhängige Vergleichswerte und Ergebnisse aus realistischen Unternehmensabläufen. Bei sicherheitsbezogenen Modellen sollten Sie zudem prüfen, welche Aufgaben der Zugang tatsächlich erlaubt und welche Kontrollen für sensible Codebasen oder Daten gelten. Die verfügbaren Quellen nennen für Carbon weder konkrete Integrationen noch einen öffentlichen Bereitstellungstermin oder detaillierte Sicherheitsprüfungen. [1]

Die belastbare Kernaussage ist deshalb enger als die Bezeichnung „Exploit-Experte“ vermuten lässt: Heise berichtet über deutlich höhere von Google angeführte Cybersecurity-Benchmarkwerte gegenüber Argon und über eine zunächst kontrollierte Bereitstellung. [1] Ob diese Leistung in unabhängigen Tests Bestand hat, wie Carbon im Vergleich zu anderen Modellen abschneidet und wann Unternehmen außerhalb des Fairwind-Kreises Zugang erhalten, bleibt anhand der vorliegenden Quellen ungeklärt. [1][2][4]

Quellen

1. [1] Neues LLM: Gemini 4 Carbon ist Exploit-Experte | heise online — https://www.heise.de/news/Gemini-Argon-war-gestern-jetzt-kommt-Carbon-11503849.html (abgerufen am 2026-10-28)
2. [2] Gemini 4 Argon is now available for everyone — https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-argon (abgerufen am 2026-10-28)
3. [3] Gemini 4 Carbon: Everything We Know So Far (Fact-Checked) - YouTube — https://www.youtube.com/watch?v=6mQhzVRsymc (abgerufen am 2026-10-28)
4. [4] Google's Gemini 4 "Carbon" model reportedly feels like Anthropic's Opus 5.5 coding performance — https://the-decoder.com/googles-gemini-4-carbon-model-is-reportedly-matching-anthropics-opus-5-5-coding-performance (abgerufen am 2026-10-28)