Google DeepMind hat Gemini 4 Carbon, sein neuestes KI-Modell der Spitzenklasse, nur zwei Wochen nach der Auslieferung von Gemini 4 Argon veröffentlicht. Das neue Modell landet mit 59 Punkten an der Spitze des Artificial Analysis Intelligence Index v5 – ein Sprung von neun Punkten gegenüber den 50 von Argon – und ist für langfristige, autonome Entwicklungsarbeiten konzipiert. Die meisten Nutzer müssen allerdings noch warten: Aufgrund seiner fortschrittlichen Cybersicherheitsfunktionen durchläuft Carbon den freiwilligen Vortestprozess der US-Regierung und steht zunächst nur ausgewählten Sicherheitsexperten zur Verfügung. Für eine kontinuierliche Berichterstattung über die neuesten KI-Entwicklungen folgen Sie AI Buzz Wire, während die Einführung ausgeweitet wird.

Ein Rollout, bei dem Sicherheit an erster Stelle steht

Der ungewöhnliche Veröffentlichungspfad von Carbon spiegelt wider, wie leistungsfähig das Modell sowohl im offensiven als auch im defensiven Cyber-Einsatz ist. Laut Google umfassen seine Fähigkeiten den gesamten Cyber-Verteidigungslebenszyklus, von der Erkennung und Validierung von Schwachstellen bis hin zum Patchen dieser. Reuters berichtete, dass das Modell einen deutlichen Fokus auf Cybersicherheit hat, und Ars Technica brachte es in der Überschrift deutlich zum Ausdruck: Dies sei ein Grenzmodell, „das man nicht verwenden kann“ – zumindest noch nicht, während es sich im Vortestverfahren der Regierung für fortschrittliche KI-Systeme befindet.

Google hat keinen Termin für die allgemeine Verfügbarkeit bekannt gegeben. Die Preisgestaltung ist jedoch bereits öffentlich: Carbon kostet genauso viel wie Argon, sodass die Grenztoken-Raten von Google über zwei aufeinanderfolgende Modellgenerationen hinweg unverändert bleiben.

Gebaut für mehrtägiges autonomes Arbeiten

Das Unternehmen gibt an, Carbon für „viel schwierigere technische Probleme mit langem Horizont“ entwickelt zu haben, die dauerhafte Agenten-Workflows erfordern. Laut Google führten interne Teams das Modell mehrere Tage lang durch, wobei es selbstständig Sackgassen durchwanderte und komplexe, mehrstufige Aufgaben wie die Ursachenanalyse und subtile Fehlerbehebungen in großen Codebasen und Low-Level-Software erledigte.

Google meldet auch Verbesserungen beim wissenschaftlichen Denken, beim multimodalen Verständnis und bei der Full-Stack-Webentwicklung basierend auf frühem Nutzerfeedback.

Insgesamt stark, beim Codieren immer noch auf der Jagd nach Claude

Das Benchmark-Bild ist stark, aber kein Volltreffer. Beim Artificial Analysis Intelligence Index v5 führt Carbon auf seiner höchsten Argumentationsstufe vor allem durch Spitzenwerte in den Bereichen komplexes Denken, Wissensabruf und wissenschaftliche Aufgaben an und belegt in vier der neun Einzelbewertungen des Index den ersten Platz.

Bei der Agentencodierung liegt Carbon immer noch drei Punkte hinter Claude Opus 5.5 von Anthropic – 59 gegenüber 62 –, selbst nach einem großen Sprung von Argons 53. Auf der WebDev Arena-Rangliste gewann Carbon 89 Elo-Punkte und erreichte 1.769, womit es den vierten Platz belegt.

Unabhängige Auswertungen erzählen ein ähnliches Bild. Die Bewertungsplattform Vals AI stuft Carbon mit einer Genauigkeit von 70,36 Prozent auf Platz zwei ein, hinter Claude Sonnet 5,5 mit 70,85 Prozent, aber vor Claude Opus 5,5 mit 70,18 Prozent und Argon mit 69,24 Prozent auf Platz vier.

Beim AA-Briefcase-Benchmark von Artificial Analysis für Agentenwissensarbeit erreichte Carbon 1.609 Elo, ein Plus von 126 Punkten gegenüber Argons 1.483. Es liegt immer noch hinter Kimi K3.1 Pro mit 1.678, Muse Wonder mit 1.659 und Grok 4.7 in seiner xhigh-Einstellung mit 1.638.

Genauigkeit steigt, Halluzinationen auch

Die Antwortgenauigkeit bei den Auswertungen von Artificial Analysis stieg von 48 Prozent bei Argon auf 58 Prozent bei Kohlenstoff. Die Halluzinationsrate stieg von 4 auf 11 Prozent – ​​höher, aber immer noch die zweitniedrigste in der Rangliste. Zum Vergleich: Claude Opus 5.5 und GPT-6 Astra liegen bei ihren maximalen Argumentationseinstellungen jeweils bei 50 Prozent im gleichen Maß, laut von The Decoder gemeldeten Daten der künstlichen Analyse.

Sicherheits-Benchmarks: ein nahezu perfekter Prompt-Injection-Score

Bei der Sicherheit erzielt Google seine größten Erfolge. In der unternehmenseigenen Benchmark-Auswahl belegt Carbon in 15 von 16 Tests den ersten Platz und kann sich vor allem bei Long-Context- und Sicherheitsaufgaben deutlich vom Feld absetzen.

Beim indirekten Prompt-Injection-Benchmark von Gray Swan hat Carbon laut Google die Angriffserfolgsrate von 0,7 Prozent mit Argon auf 0,0 Prozent gesenkt und damit jeden Manipulationsversuch im Testsatz blockiert. Der Decoder weist darauf hin, dass dies nicht bedeutet, dass die sofortige Injektion gelöst ist – der Test scheint gesättigt zu sein –, aber das Ergebnis hilft zu erklären, warum US-Beamte einen Blick auf das Modell vor der Bereitstellung werfen möchten, bevor es der Öffentlichkeit zugänglich gemacht wird.

Zwei Grenzmodelle in zwei Wochen

Das Tempo ist die Botschaft. Zwei Frontier-Releases innerhalb von zwei Wochen – Argon Mitte Oktober, Carbon jetzt – markieren einen aggressiven Rhythmus von Google DeepMind, das mit Anthropic und OpenAI um die Spitze der unabhängigen Bestenlisten und um Unternehmensverträge konkurriert.

Derzeit sieht die Anzeigetafel wie folgt aus: Carbon führt den Gesamtindex an, Claude Opus 5.5 behält die Krone der Agentencodierung und das stärkste cyberfähige Modell auf dem Markt befindet sich hinter einer staatlichen Überprüfungstür. Wenn sich Carbon weiter öffnet, bedeutet eine unveränderte Preisgestaltung, dass der eigentliche Wettbewerb durch die Fähigkeit pro Token und nicht durch Rabatte entschieden wird – und Google hat gerade die Messlatte für diese Kennzahl höher gelegt.

---

Der KI einen Schritt voraus sein

Erhalten Sie die neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.

Weitere KI-Neuigkeiten lesen →