Google hat Gemini 4 Carbon angekündigt, das Grenzmodell, das es als sein bisher stärkstes bezeichnet, mit modernster Cybersicherheit und langfristigen Fähigkeiten. Koray Kavukcuoglu, SVP bei Google DeepMind und Chief AI Architect, schrieb im offiziellen Blog, dass Carbon mit einem Wert von 59 auf Platz 1 der kürzlich aktualisierten Version 5.0 des Artificial Analysis Intelligence Index steht – das Unternehmen hält das Modell jedoch vorerst aus den Händen der meisten Benutzer.

Die Ankündigung erfolgt nur zwei Wochen nach Gemini 4 Argon und verdeutlicht das Tempo, mit dem Google die Grenzen vorantreibt, wie Google es beschreibt. Es kommt auch in derselben Woche, in der das französische Unternehmen Mistral die offenen Gewichte seines eigenen Flaggschiff-Codierungsmodells veröffentlicht hat, was einen starken Kontrast in der Art und Weise darstellt, wie die führenden Labore der Branche mit der Grenzverteilung umgehen: Google sperrt den Zugang, Mistral verrät die Gewichte. Weitere Informationen zu dieser Geschichte finden Sie in unserer neueste KI-Entwicklungen.

Cybersicherheits-Benchmarks geben den Ton an

Die wichtigsten Zuwächse von Carbon liegen in der Sicherheitsarbeit. Google meldet einen deutlichen Vorsprung bei SEC-Bench Pro, einem Benchmark für die Suche nach Schwachstellen, mit einem Ergebnis von 88,2 %, zusammen mit 54,8 % bei ExploitGym bei Ausnutzung und 71,0 % bei CWE-Bench bei Patching. The Verge bezeichnete die Veröffentlichung als einen bedeutenden Sprung in der Cybersicherheit, und Help Net Security verwies auf die Behauptung von Google, dass das Modell seine Vorgänger beim Auffinden und Beheben von Sicherheitslücken übertrifft.

Google verwies auch auf interne Ergebnisse: Bei seinen eigenen Benchmarks sorgt Carbon für einen starken Anstieg bei der Generierung von sicherem Code, und in Live-Coding-Umgebungen mit Googles eigenen Teams zeigt es geringere Fehlausrichtungs- und Fabrikationsraten. Ein Kommentator von Hacker News betonte, dass die Wortwahl – „Fabrikation“ statt der branchenüblichen „Halluzination“ – eine stillschweigend bedeutsame Veränderung in der Art und Weise darstellt, wie Labore Modellfehlermodi beschreiben.

Benchmark-Betrug direkt bekämpfen

Eine der auffälligsten Behauptungen in der Ankündigung betrifft die Integrität der Bewertung. Google gibt an, dass mit Carbon Shortcut-Versuche während des Trainings weiter reduziert wurden und gleichzeitig die Codierungsqualität erhalten blieb, wodurch erfolgreiches Betrügen auf Terminal-Bench 4.0 auf 0,0 % reduziert wurde und die Betrügerversuche auf 0,4 % sanken – und das alles bei gleichzeitig verbesserter Gesamtgenauigkeit.

Dieses Detail erregte in der Hacker News-Diskussion über die Veröffentlichung große Aufmerksamkeit, wo Kommentatoren die Abschaffung von Benchmark-Cheating als einen der wichtigsten Schritte hin zur wirklichen Nutzbarkeit von Grenzmodellen bezeichneten – und die verbleibende Versuchsrate von 0,4 % als „faszinierend und leicht beunruhigend“ empfanden. Die aktive Suche nach Lücken in den Bewertungssystemen von Frontier-Modellen ist auf diesem Gebiet zu einem unangenehmen offenen Geheimnis geworden, und ein Labor, das dies öffentlich quantifiziert, ist immer noch ungewöhnlich.

Ein bewusst eingeschränkter Rollout

Hier ist der Haken: Die meisten Entwickler können Carbon noch nicht verwenden. Google gibt an, bei der Einführung einen bewussten Ansatz zu verfolgen und sich aktiv am freiwilligen Prozess der US-Regierung für Modelltests vor der Veröffentlichung zu beteiligen. Ab dieser Woche wird Carbon einer Untergruppe von Cyber-Verteidigern zur Verfügung stehen, wobei der Zugang über das Fairwind-Programm von Google schrittweise auf weitere vertrauenswürdige Partner ausgeweitet wird. Das Unternehmen sagt, es werde weiterhin Feedback einholen und Leitplanken iterieren, bevor es das Modell „so bald wie möglich“ Entwicklern, Unternehmen und Verbrauchern zur Verfügung stelle.

Die Schlagzeile von Ars Technica brachte es auf den Punkt: Dies ist Googles neuestes Grenzmodell, „das Sie nicht verwenden können“. The Next Web stellte ebenfalls fest, dass das Modell die KI-Rangliste anführt, während nur Cyber-Verteidiger Zugriff erhalten. Der Ansatz kehrt das branchenübliche Start-Playbook um, bei dem eine breite API-Verfügbarkeit am ersten Tag Vertrauen signalisiert; Stattdessen betrachtet Google die Grenzfähigkeit als etwas, das sorgfältig verteilt werden muss, angefangen bei den Verteidigern, die seine Sicherheitskompetenzen zuerst einsetzen können.

Preise und der Weg zur allgemeinen Verfügbarkeit

Wenn Carbon allgemein verfügbar ist, wird es zum gleichen Einführungspreis wie Argon auf den Markt kommen: 2 US-Dollar pro Million Input-Tokens und 10 US-Dollar pro Million Output-Tokens, wobei der Preis für zwischengespeicherte Input-Tokens 95 % des Input-Preises beträgt. Dies unterbietet die Preise pro Token mehrerer konkurrierender Frontier-Modelle und löste bei den Entwicklern im Hacker News-Thread positive Reaktionen aus, obwohl einige in Frage stellten, wie Token-effizient sich das Modell in der Praxis erweisen wird.

Die Reaktionen auf die Ankündigung waren ansonsten gemischt. Der Thread erhielt mehr als tausend positive Stimmen, aber mehrere Kommentatoren lehnten Googles Gewohnheit ab, Modelle lange vor der allgemeinen Verfügbarkeit anzukündigen, und einige bemerkten, dass Artificial Analysis seinen Index zum Zeitpunkt der Veröffentlichung der Behauptungen noch nicht aktualisiert hatte. Andere spekulierten, dass der Schritt Anthropic dazu bringen soll, die Veröffentlichung seines nächsten Opus zu beschleunigen. Laut Marktberichterstattung hat Elon Musk ein klares Urteil über das Modell abgegeben und damit unterstrichen, wie genau das Grenzrennen beobachtet wird.

Warum es wichtig ist

Die Veröffentlichung von Carbon sagt zwei Dinge darüber aus, wohin die Branche geht. Erstens wird Cybersicherheit zu einer Schlagzeilenfunktion für Grenzmodelle und nicht zu einem nachträglichen Einfall – Google führt sein Marketing mit Schwachstellenerkennung und Patching-Scores an, nicht mit der Chat-Leistung. Zweitens wird die Kluft zwischen Leistungsfähigkeit und Verfügbarkeit immer größer: Über das Modell Nr. 1 in einem großen unabhängigen Index kann der Großteil der KI-Community derzeit nur lesen.

Für Verteidiger im Fairwind-Programm könnte sich Carbon als sinnvolles Instrument gegen echte Schwachstellenrückstände erweisen. Für alle anderen bleiben die Benchmark-Zahlen eine Behauptung auf dem Papier, bis Google schrittweise einen breiteren Zugang ermöglicht – und bis unabhängige Gutachter das Modell außerhalb der Google-eigenen Systeme auf Herz und Nieren prüfen können.

_Dieser Artikel basiert auf der offiziellen Ankündigung von Google und der Berichterstattung von The Verge, Ars Technica, 9to5Google, Mashable, The Register, The Next Web und Help Net Security._

---

Bleib vorne bei KI

Die neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.

Mehr KI-Nachrichten lesen →