Google DeepMind hat am 28. Oktober 2026 Gemini 4 Carbon vorgestellt, sein neues Frontier-Modell mit Schwerpunkt auf Cybersicherheit und langen, mehrstufigen Aufgaben. Nur zwei Wochen nach Gemini 4 Argon legt Google damit nach. Wer jetzt aber eine neue Modell-ID in seine Anwendung schreiben will, muss warten: Gemini 4 Carbon geht zunächst nur an eine ausgewählte Gruppe von Cyber-Verteidigern. Entwickler, Unternehmen und Endkunden sollen das Modell erst später bekommen, einen Termin nennt Google nicht.
Die Ankündigung kommt mit starken Benchmark-Werten und einem bemerkenswert vorsichtigen Rollout. Wir ordnen ein, was die Zahlen zeigen, was Google selbst offenlässt und warum ein Modell, das Sicherheitslücken besser findet und ausnutzt, nicht einfach für alle freigeschaltet wird.
Key Takeaways
- Gemini 4 Carbon ist laut Google das bislang stärkste Gemini-Modell, mit Fokus auf Cybersicherheit und lang laufende Agenten-Aufgaben.
- Im Artificial Analysis Intelligence Index v5.0 liegt es nach Google mit 59 Punkten auf Platz 1.
- Cyber-Benchmarks laut Google: 88,2 % bei SEC-bench Pro (Lücken finden), 54,8 % bei ExploitGym (Ausnutzen), 71,0 % bei CWE-bench (Patchen).
- Zugang zuerst nur für ausgewählte Cyber-Verteidiger, danach schrittweise über das Fairwind-Programm. Allgemeine Verfügbarkeit: offen.
- Einführungspreis wie bei Argon: 2 US-Dollar pro Million Input-Tokens und 10 US-Dollar pro Million Output-Tokens, danach 4 bzw. 20 US-Dollar.
Was ist Gemini 4 Carbon?
In der offiziellen Ankündigung beschreibt Koray Kavukcuoglu, Chief AI Architect bei Google, Carbon als Modell mit „state-of-the-art“-Fähigkeiten in Cybersicherheit und bei Aufgaben mit langem Zeithorizont. Carbon baut direkt auf Gemini 4 Argon auf, das Google Mitte Oktober breit verfügbar gemacht hatte. Über den Marktstart von Gemini 4 Argon haben wir bereits berichtet.
Google betont zwei Stoßrichtungen. Erstens soll Carbon schwierige Engineering-Aufgaben über lange Zeit durchhalten. Intern habe das Modell nach Google-Angaben „tagelang“ gearbeitet, um sich durch Sackgassen zu kämpfen, etwa beim Aufspüren und Beheben subtiler Fehler in großen Codebasen und systemnahem Code. Zweitens zielt das Modell auf den gesamten Lebenszyklus der Cyberabwehr: Schwachstellen finden, ihre Ausnutzbarkeit prüfen und sie an der Ursache beheben.
Gemini 4 Carbon in den Benchmarks
Google nennt eine Reihe von Werten. Wichtig vorab: Es handelt sich um Herstellerangaben, die wir nicht unabhängig überprüft haben. Die Cyber-Benchmarks wurden laut Google zudem „ohne Guardrails“ gemessen, also ohne die Schutzmechanismen, die später im Produkt aktiv sein sollen.
- Artificial Analysis Intelligence Index v5.0: 59 Punkte, Platz 1.
- SEC-bench Pro: 88,2 % beim Auffinden realer Schwachstellen.
- ExploitGym: 54,8 % bei der Ausnutzung von Schwachstellen.
- CWE-bench (Collinear): 71,0 % bei der Erzeugung funktionierender Patches.
- WebDev Arena: 1.768 Elo-Punkte, ein Plus von 89 Punkten, damit Platz 4.
Dazu kommen interne Messungen: Beim Generieren von sicherem Code erreiche Carbon mehr als die doppelte Erfolgsquote von Argon. Das Chrome-Team habe beim Erzeugen hochwertiger Patches ein mehr als zehnmal besseres Ergebnis beobachtet als mit dem großen Frontier-Modell eines anderen Labors. Welches Modell das war, sagt Google nicht. Solche Vergleiche ohne Namen und ohne Methodik sind schwer einzuordnen und eher als Richtungsangabe zu lesen.
Was die Zahlen aussagen und was nicht
Ein Spitzenplatz in einem aggregierten Index ist eine Momentaufnahme. Indizes wie der von Artificial Analysis werden regelmäßig neu gewichtet, Version 5.0 ist laut Google erst kürzlich aktualisiert worden. Interessanter für die Praxis sind die Cyber-Werte, weil sie konkrete Arbeitsschritte abbilden. Aber auch hier gilt: Benchmarks bestehen aus ausgewählten Aufgaben. Ob ein Modell in einer gewachsenen Unternehmens-Codebasis mit eigenen Frameworks und Altlasten genauso gut abschneidet, zeigt erst der Einsatz.
Sicherheit und Alignment: Googles Angaben
Einen großen Teil der Ankündigung widmet Google dem Verhalten des Modells. Carbon nutze denselben mehrschichtigen Sicherheitsstapel wie Argon, also Training, Echtzeit-Abwehr von Missbrauch, Resistenz gegen Prompt Injection und Überwachung der Gedankenketten. Konkret nennt Google:
- Weniger Tricksen: Auf Terminal-Bench 4.0 sei erfolgreiches Schummeln auf 0,0 % gesunken, Schummelversuche auf 0,4 %. In internen Live-Coding-Umgebungen seien schwerwiegende Fehlausrichtungs-Warnungen um fast 80 % zurückgegangen.
- Weniger unbelegte Behauptungen: Carbon mache laut interner Tests etwa halb so viele unbelegte Aussagen wie Argon.
- Weniger Übergriffe: „Overreach“, also Handeln über den Auftrag hinaus, sei um 26 % gesunken, „Under-Service“ um 29 %.
- Prompt Injection: Im Indirect-Prompt-Injection-Benchmark von Gray Swan liege die Erfolgsquote der Angriffe bei 0,0 %. Argon kam laut Google auf 0,7 %.
Das sind relevante Angaben, gerade für Agenten, die selbstständig in Codebasen arbeiten. Eine Angriffserfolgsquote von null in einem Benchmark heißt allerdings nicht, dass das Modell gegen jede Form von Prompt Injection immun ist. Es heißt, dass die getesteten Angriffe nicht funktioniert haben. Neue Angriffsmuster tauchen regelmäßig auf.
Zugang über das Fairwind-Programm
Der vielleicht wichtigste Punkt steht nicht in den Benchmarks, sondern im Rollout. Google schreibt, man gehe „bewusst“ vor und beteilige sich am freiwilligen Verfahren der US-Regierung für Tests vor der Veröffentlichung. Ab dieser Woche erhalte eine Teilmenge von Cyber-Verteidigern Zugang, weitere vertrauenswürdige Partner folgen schrittweise über das Fairwind-Programm von Google DeepMind.
Fairwind hat Google im September gestartet. Laut Programmseite arbeitet Google mit mehr als 650 Partnern weltweit, priorisiert werden etwa Regierungen, Gesundheitsversorger und Telekommunikationsanbieter. Partner dürfen das Modell nur für defensive und Forschungszwecke einsetzen. Bei Argon hat Google einen ähnlichen Weg gewählt: Das Modell ging Anfang Oktober zunächst nur an Cybersicherheitsexperten, bevor es breit verfügbar wurde.
Der Grund liegt auf der Hand: Ein Modell, das Schwachstellen zuverlässig findet und ausnutzt, ist für Angreifer genauso wertvoll wie für Verteidiger. Wer es zuerst bekommt, hat einen Vorsprung. Google will diesen Vorsprung bewusst den Verteidigern geben und die Schutzmechanismen anhand ihres Feedbacks nachschärfen, bevor Carbon in die eigenen Produkte kommt.
Preise und Verfügbarkeit
Die Preise stehen bereits fest, obwohl die allgemeine Verfügbarkeit offen ist. Zum Start kostet Gemini 4 Carbon wie Argon 2 US-Dollar pro Million Input-Tokens und 10 US-Dollar pro Million Output-Tokens. Gecachte Input-Tokens sind 95 % günstiger. Nach Ablauf der Einführungsphase sollen 4 US-Dollar pro Million Input-Tokens und 20 US-Dollar pro Million Output-Tokens gelten. Wie lange die Einführungsphase dauert, nennt Google in der Ankündigung nicht.
Für Teams, die heute mit Argon arbeiten, ändert sich also zunächst nichts. Wer Carbon einplanen will, sollte die verdoppelten Listenpreise nach der Einführungsphase gleich mitrechnen, vor allem bei lang laufenden Agenten, die viele Tokens verbrauchen.
Einordnung: Sicherheit als Verkaufsargument
Mit Carbon setzt Google einen klaren Akzent. Während andere Anbieter ihre neuen Modelle vor allem über allgemeine Intelligenz oder Computersteuerung bewerben, stellt Google die Cyberabwehr in den Mittelpunkt. Das passt zu einer Entwicklung, die wir seit Wochen beobachten: KI-Modelle werden immer besser darin, Code zu verstehen und Fehler zu finden, und damit wird die Frage, wer Zugang bekommt, zu einer Sicherheitsfrage.
Gleichzeitig bleibt das Tempo hoch. Zwei Frontier-Modelle in zwei Wochen sind auch für Google viel. Erst am Vortag hatte Google mit Gemini Robotics ER 2 ein Robotik-Modell auf Google Cloud gebracht. Für Unternehmen heißt das: Modellwechsel werden zur Daueraufgabe, und eigene Tests mit realen Aufgaben werden wichtiger als die nächste Rangliste.
Fazit
Gemini 4 Carbon ist auf dem Papier ein deutlicher Schritt nach vorn, vor allem bei Cybersicherheit und langen Agenten-Aufgaben. Die Werte stammen allerdings aus Googles eigener Darstellung, teils ohne nachvollziehbare Methodik, und die Cyber-Benchmarks wurden ohne Schutzmechanismen gemessen. Für die meisten Entwickler ist Carbon vorerst nicht nutzbar. Der kontrollierte Rollout über Fairwind ist dabei kein Marketing-Detail, sondern der eigentliche Kern der Nachricht: Google hält ein Modell bewusst zurück, weil es zu gut im Angreifen sein könnte. Wann Carbon für alle kommt, bleibt offen.
