Google hat Gemini 4 Carbon gestern allgemein freigegeben. Vor zwei Wochen ging das Modell zunächst nur an Cyberverteidiger über das Fairwind Program. Jetzt kommt es über die API in Google AI Studio und Gemini for business an alle zahlenden Entwickler und Unternehmen und rollt an alle Abonnenten von Google AI Ultra aus – in Google Antigravity, in der Gemini-App und im AI Mode der Suche.
Der Preis ist die Überraschung
Carbon kostet dasselbe wie Gemini 4 Argon: 2 Dollar je Million Eingabe-Token, 10 Dollar je Million Ausgabe-Token, und zwar als Einführungspreis. Teurer wird Carbon nur dadurch, dass es mehr Token verbraucht – es erkundet länger, denkt tiefer und fährt ausgedehnte Prüfschleifen.
Die Arbeitsteilung beschreibt Koray Kavukcuoglu, SVP bei Google DeepMind, klar: Argon bleibt die Wahl für den Großteil von Softwareentwicklung und Wissensarbeit. Carbon ist für das gebaut, was die Grenze der Modellintelligenz auslotet, also mehrstufiges Programmieren und Debuggen und offene Forschungsfragen.
Die Benchmarks werden mit Kosten genannt
Google nennt Platz eins auf CursorBench 4.0, auf Perplexitys WANDR und auf Zapiers AutomationBench – bei mehr als halbierten Kosten je Aufgabe gegenüber dem nächstbesten externen Modell. Dazu gibt es einen neuen Benchmark, zusammen mit Artificial Analysis gebaut: Multimodal Knowledge Agent, kurz MKA. Er prüft agentisches Arbeiten auf dichten Dateien mit Diagrammen, Bildern, Bauplänen, Schaltplänen und Tabellen. Dort liegt Carbon auf Platz zwei, bei mehr als sechsfach niedrigeren Durchschnittskosten je Aufgabe als das beste Modell.
Dass Google die Rangplätze nicht ohne den Kostenfaktor nennt, ist bei dieser Modellgeneration das eigentliche Argument.
/swarm in Antigravity
Für größere Projekte zeigt Google eine Vorschau von /swarm in Google Antigravity: Ein Prompt wird zu einem koordinierten Team von Agenten, das man in Echtzeit verfolgt. Carbon übernimmt dort die Rollen, die am tiefsten denken müssen – Architektur, Koordination, Audit –, während leichtere Modelle in parallelen, isolierten Arbeitsbereichen laufen und adversariale Prüfer jede Änderung angreifen. Als Beispiel baute ein Carbon-Team aus historischen Fotos und technischen Zeichnungen eine interaktive 3D-Ausstellung zum Bau des Eiffelturms zwischen 1887 und 1889, aus einem einzigen Prompt.
Dieselbe Woche, dieselbe Bauart
Der Aufbau ist derselbe, den Anthropic für Fable 5.2 und Google selbst für AlphaProof Code zeigt: ein starkes Modell, das Architektur und Audit macht, viele kleinere für die Fließarbeit, und Prüfer, die gegen das eigene Ergebnis antreten. Drei Häuser, eine Woche, dieselbe Antwort auf die Frage, was man mit einem teuren Modell anfängt. Preis je Aufgabe statt Preis je Token ist die Rechnung, die daraus folgt.