Gemini 4 Carbon: Googles neues Spitzenmodell führt den Index, Firmen müssen noch warten

Google hat am Mittwochabend Gemini 4 Carbon vorgestellt und nennt es sein stärkstes Modell. Im Intelligence Index von Artificial Analysis führt Carbon mit 59 Punkten, einen Punkt vor Claude Opus 5.5. Nutzen darf es vorerst nur eine Auswahl von Cyber-Verteidigern, für Entwickler, Firmen und Verbraucher nennt Google keinen Termin.

Carbon bekommen vorerst nur ausgewählte Cyber-Verteidiger, für Firmen bleibt die Tür noch zu. Foto: panumas nikhomkhai auf Pexels

Wer Gemini 4 Carbon heute nutzen kann

Laut Googles Ankündigung bekommt in dieser Woche eine Auswahl von Cyber-Verteidigern Zugang zu Carbon. Weitere vertrauenswürdige Partner sollen schrittweise über das Programm Fairwind folgen. Entwicklern, Unternehmen und Verbrauchern will Google das Modell „so bald wie möglich“ in seinen Produkten anbieten, vorher aber weiter Rückmeldungen sammeln und die Schutzmechanismen überarbeiten. Ein Datum steht nicht in der Ankündigung, und einzelne Produkte wie die Gemini-App, Workspace oder AI Studio nennt sie nicht.

Entsprechend leer sind die Stellen, an denen Firmen ein Modell sonst buchen. Auf der Preisliste der Gemini API fehlt Carbon, die Release Notes der Schnittstelle haben keinen Eintrag, eine Modellseite unter ai.google.dev gibt es nicht. Auch die Preisseite von Google Cloud, die Release Notes der Gemini-App und das Changelog der Entwicklerumgebung Antigravity führen Carbon nicht. Artificial Analysis schreibt, das Modell sei noch nicht öffentlich verfügbar.

Fairwind hat Google am 2. September gestartet, als Programm mit begrenztem Zugang für Regierungen und vertrauenswürdige Partner. Laut der Programmseite von Google DeepMind arbeiten mehr als 650 Partner mit. Vorrang haben Regierungen und Organisationen, die für die Widerstandsfähigkeit der Gesellschaft besonders wichtig sind. Wer aufgenommen wird, darf den Modellzugang nur internen Teams für Cybersicherheit, Incident Response oder Penetrationstests geben und muss die Nutzung protokollieren. Für Vertrieb, Buchhaltung oder Produktentwicklung ist dieser Weg damit nicht gedacht. Die Programmseite nennt als Modell bisher nur Argon.

Bei Argon lief es ähnlich: Google stellte das Modell am 30. September zunächst für Cyber-Verteidiger im Programm Fairwind vor und gab es am 13. Oktober allgemein frei. Für Carbon lässt sich daraus kein Termin ableiten, Google schreibt nur „bald“. Die Einführung beschreibt der Konzern als bewusst schrittweise und verweist auf das freiwillige Verfahren der US-Regierung, Modelle vor der Veröffentlichung zu testen. Die Executive Order vom 2. Juni 2026, die diesen freiwilligen Rahmen in Auftrag gibt, schließt eine Genehmigungspflicht für neue Modelle ausdrücklich aus.

Was Carbon kosten soll

Google kündigt für Carbon denselben Einführungspreis an wie für Argon: 2 US-Dollar je Million Eingabe-Token und 10 US-Dollar je Million Ausgabe-Token. Zwischengespeicherte Eingaben sollen 95 Prozent weniger kosten, rechnerisch 0,10 US-Dollar je Million Token. Nach der Einführungsphase gelten 4 und 20 US-Dollar. Zum EZB-Referenzkurs vom 28. Oktober sind das rund 1,80 und 8,98 Euro zum Start und danach rund 3,59 und 17,96 Euro.

Wann die Einführungsphase endet, schreibt Google nicht. Der Fachdienst The Decoder nennt „bis Ende 2026“, eine Google-Quelle dafür gibt es nicht, und Artificial Analysis vermerkt ausdrücklich, ein Enddatum sei nicht bestätigt. Bei Argon steht das Datum fest: Der Einführungspreis gilt bis zum 30. November, ab dem 1. Dezember kostet Argon 4 und 20 US-Dollar.

Artificial Analysis rechnet Carbon und Argon in allen Auswertungen mit dem Listenpreis. Deshalb zeigt auch unser AI Leaderboard seit dem 29. Oktober für beide Modelle denselben Mischpreis von 7,19 Euro je Million Token, umgerechnet aus 8 US-Dollar, obwohl Argon über die Schnittstelle bis Ende November die Hälfte kostet.

Mehr als der Tokenpreis sagt, was eine erledigte Aufgabe kostet. Für eine Aufgabe des Index rechnet Artificial Analysis bei Carbon zum Listenpreis 7,76 US-Dollar, bei Claude Opus 5.5 in der höchsten Stufe 10,04 US-Dollar und bei GPT-6 Astra 6,24 US-Dollar. Carbon schreibt im Schnitt 123.000 Ausgabe-Token je Aufgabe, Opus 5.5 rund 173.000. Über den ganzen Index erzeugte Carbon 200 Millionen Token bei einem Median von 64 Millionen, Artificial Analysis nennt das Modell deshalb sehr wortreich. Argon kostet je Aufgabe mit 7,68 US-Dollar fast gleich viel und liegt neun Punkte dahinter.

Wie belastbar Platz 1 ist

Artificial Analysis hat seinen Intelligence Index am 27. Oktober umgebaut, einen Tag vor der Carbon-Ankündigung. Die Version 5.0 ist laut dem Messdienst das größte Update seit Januar. 60 Prozent des Index beruhen jetzt auf Tests mit privaten Testsätzen oder zurückgehaltenen Antworten, und vier Bereiche zählen zu je einem Viertel: Wissensarbeit, Programmieren, Naturwissenschaft und allgemeine Aufgaben. GDPval-AA, SciCode und AA-LCR sind aus dem Index gefallen. Weil sich Tests und Gewichte geändert haben, sind alte und neue Punktzahlen nicht direkt vergleichbar. In unseren Tagesdaten fiel Argon mit der Umstellung von 53 auf 50 Punkte, GPT-6 Astra stieg von 53 auf 57. Zum Start der neuen Version führte Opus 5.5 mit 58 Punkten, einen Tag später kam Carbon mit 59 dazu.

Auswahl aus dem Artificial Analysis Intelligence Index v5.0, Stand 29. Oktober 2026. Carbon und Argon in der Denkstufe High gemessen, bei Argon die höchste verfügbare Stufe; die übrigen Modelle in ihrer höchsten Stufe. Kosten je Aufgabe zum Listenpreis laut Artificial Analysis.

Ein Punkt Abstand ist wenig. Opus 5.5 erreicht seine 58 Punkte in der höchsten Stufe Max, eine Stufe darunter, in xhigh, sind es 57. Laut Artificial Analysis hat Carbon in 4 der 9 Tests den besten Wert, beim Programmieren und bei der Wissensarbeit aber nicht. Im Coding Agent Index, der komplette Programmier-Agenten vergleicht, kommt Carbon mit Googles Antigravity CLI auf 59 Punkte, Claude Code mit Opus 5.5 auf 62. Bei AA-Briefcase, einem Test für agentische Büroarbeit, liegen mehrere Modelle vor Carbon, darunter Claude Sonnet 5.5, Kimi K3.1 Pro, Muse Wonder und Grok 4.7.

„Gemini 4 Carbon führt den Intelligence Index v5 an und hat in 4 der 9 Tests den besten Wert. Carbon legt auch anderswo deutlich zu, führt aber nicht beim Programmieren und bei der Wissensarbeit.“

— Artificial Analysis, Auswertung zu Gemini 4 Carbon, Oktober 2026

Bei AA-Omniscience, einem Wissenstest, der falsche Antworten bestraft, beantwortet Carbon 58 Prozent der Fragen richtig, zehn Punkte mehr als Argon. Die Halluzinationsrate steigt dabei von 4 auf 11 Prozent. Das ist trotzdem der zweitniedrigste Wert aller gemessenen Modelle, nur Argon liegt darunter; Opus 5.5 und GPT-6 Astra kommen in ihrer höchsten Stufe auf je 50 Prozent. Im Vals Index steht Carbon mit 70,36 Prozent auf Platz 2, knapp hinter Claude Sonnet 5.5 mit 70,85 Prozent und vor Opus 5.5 mit 70,18 Prozent. In Googles eigener Vergleichstabelle fehlt Sonnet 5.5.

Der KI-Forscher Nathan Lambert erinnert daran, dass solche Ranglisten auf Vertrauen beruhen. Artificial Analysis verdient sein Geld damit, Ergebnisse der Labore zu prüfen, was Lambert für in Ordnung hält, und private Testsätze verlangen Vertrauen in den Testersteller, weil Außenstehende Fehler nicht mehr selbst finden können. Für deine Auswahl heißt das: Der Index sortiert vor, die Entscheidung fällt mit eigenen Vorgängen.

Wo Carbon laut Google vorn liegt und wo nicht

Google stellt Carbon vor allem als Modell für Cybersicherheit und lange, mehrstufige Aufgaben vor. In Googles Tabelle führt Carbon bei allen drei Sicherheitstests: 88,2 Prozent bei SEC-bench Pro, wo Schwachstellen gefunden werden, 54,8 Prozent bei ExploitGym, wo sie ausgenutzt werden, und 71,0 Prozent bei CWE-bench, wo sie geschlossen werden. Laut Google wurden diese Werte ohne Schutzmechanismen ermittelt. Firmen bekommen Carbon später mit Schutzmechanismen, an denen Google nach eigenen Worten noch arbeitet; ob die Werte dann gleich ausfallen, ist offen.

In Googles Tabelle hat Carbon in 15 der 17 Zeilen den besten Wert. Die beiden Ausnahmen betreffen Software-Entwicklung und Computerbedienung: Bei FrontierSWE 2 kommen GPT-6 Astra auf 65,5 und Opus 5.5 auf 62,3 Prozent, Carbon auf 61,2. Im Offline-Teil des Tests OSWorld-2.1, bei dem das Modell Computerprogramme bedient, führt Opus 5.5 mit 87,2 zu 81,5 Prozent. In anderen Programmier- und Computertests derselben Tabelle liegt Carbon vor Opus 5.5, etwa bei Terminal-Bench 4.0 mit 65,2 zu 59,6 Prozent. Deutlich vorn liegt Carbon bei sehr langen Eingaben: Im Test GraphWalks mit 256.000 bis einer Million Token, den Google für alle Modelle selbst gemessen hat, erreicht es 96,2 Prozent, Opus 5.5 kommt auf 66,8.

Auswahl aus Googles Vergleichstabelle zur Ankündigung vom 28. Oktober 2026. Gemini-Werte über die Gemini API in der höchsten Denkstufe; die Werte der Konkurrenz stammen je nach Test aus Anbieterangaben, öffentlichen Ranglisten oder Googles eigener Messung. Sicherheitstests ohne Schutzmechanismen.

Woher die Werte der Konkurrenz stammen, schlüsselt Google im Methodikpapier je Test auf: teils aus den Angaben der Anbieter, teils aus öffentlichen Ranglisten, teils aus eigener Messung. Aus internen Tests berichtet Google außerdem, Carbon erzeuge mehr als doppelt so oft sicheren Code wie Argon und mache etwa halb so viele unbelegte Behauptungen. Beim Prompt-Injection-Test von Gray Swan sei keine der geprüften Attacken durchgekommen, bei Argon waren es 0,7 Prozent. Das gilt für die getesteten Angriffsmuster; eine unabhängige Bestätigung haben wir nicht gefunden.

Was Google noch nicht veröffentlicht hat

Für Firmen, die ein Modell intern freigeben müssen, fehlen die üblichen Unterlagen. Eine Modellkarte zu Carbon gibt es nicht, im Verzeichnis von Google DeepMind ist Argon der neueste Eintrag. Als Sicherheitsbericht verlinkt die Ankündigung den Bericht zu Argon, der Carbon nicht erwähnt. Wie Google Carbon in seinem Frontier Safety Framework bei Cyber- und Bio-Risiken einstuft, ist damit offen. Bei Argon konnte Google nicht ausschließen, dass das Modell die kritischen Fähigkeitsschwellen für Cyberangriffe und für biologische Risiken erreicht.

Eine Modellkennung, ein offizielles Kontextfenster, die maximale Ausgabelänge und den Wissensstand nennt Google ebenfalls nicht. Artificial Analysis führt ein Kontextfenster von einer Million Token. Offen ist auch, ob Carbon bei Google Cloud in der Region eu laufen wird. Für Argon ist das möglich, für Carbon gibt es keine Angabe.

Was jetzt zu entscheiden ist

Für die meisten Firmen bleibt das Werkzeug in dieser Woche dasselbe, die Planung ändert sich. Wer Google-Modelle nutzt oder testet, hat mit Argon ein allgemein verfügbares Modell, das über die Schnittstelle bis 30. November zum halben Listenpreis läuft. Rechne Tests trotzdem zum Listenpreis hoch, denn bei Carbon kennt niemand das Ende des Einführungspreises, und bei Argon endet er in gut vier Wochen.

Beim agentischen Programmieren liegt laut Artificial Analysis weiter Claude Code mit Opus 5.5 vorn, und Claude Opus 5.5 kostet je Token schon heute so viel wie Carbon nach der Einführungsphase. Wer gerade ein Modell für Programmier-Agenten auswählt, muss auf Carbon nicht warten. Eine Einordnung, welches Modell für welche Aufgabe im Büroalltag passt, findest du in unserem Artikel Welche KI ist die beste?.

Lege die Modellwahl in eine Routing-Schicht, dann ist Carbon nach der Freigabe eine neue Route statt eines Umbaus. Vor dem Wechsel lohnt ein Blick auf die Gemini-API-Preisliste mit dem Enddatum des Einführungspreises, auf eine Modellkarte mit Sicherheitseinstufung und auf die Regionen, die Google Cloud für Carbon anbietet. Wie du Gemini-Modelle ohne großen Aufwand ausprobierst, steht in unserem Artikel zu Google AI Studio.

Für diese Woche heißt das: 20 bis 30 echte Vorgänge aus deinem Alltag mit Argon und deinem bisherigen Modell durchrechnen, die Kosten je erledigtem Vorgang zum Listenpreis notieren und die Liste aufheben. Am Tag der Freigabe lässt sich Carbon dann ohne Vorarbeit gegen dieselben Vorgänge testen.

Florian Wessling

CEO, Collective Brain GmbH · Hamburg

Florian Wessling ist CEO der Collective Brain GmbH in Hamburg und bringt seit über 15 Jahren Marken, Content-Strategie und KI-gestütztes Marketing in Mittelstand und Konzerne. Was Collective Brain verkauft, betreibt er zuerst selbst: Sechs eigene KI-Marken dienen als Testfeld, von der automatisierten Content-Pipeline bis zum täglich aktualisierten AI Leaderboard. Er ist eingetragener BAFA-Berater und führt mit Collective Brain eine Google-Partner-Agentur.

LinkedIn Beratung anfragen