Google hat am Mittwoch Gemini 4 Carbon vorgestellt. Gemini 4 Argon ist gerade zwei Wochen alt, und schon steht der Nachfolger da – mit einem Schwerpunkt, den vorher kein Frontier-Modell so deutlich getragen hat: Cybersicherheit.
Was Carbon in den Benchmarks liefert
Carbon führt den Artificial Analysis Intelligence Index in der neuen Fassung v5.0 mit 59 Punkten an. Die Version kam am selben Tag heraus, bringt zwei zusätzliche Benchmarks mit und wirft einige gesättigte Tests hinaus.
Die Sicherheitszahlen sind das Eigentliche:
- SEC-bench Pro: 88,2 Prozent beim Finden von Schwachstellen in echter Software
- ExploitGym: 54,8 Prozent beim Ausnutzen
- CWE-bench: 71,0 Prozent beim Patchen
Koray Kavukcuoglu, SVP bei Google DeepMind, schreibt, das Chrome-Team habe Carbon beim Erzeugen hochwertiger Patches zehnmal besser gesehen als das große Frontier-Modell eines anderen Labors. Intern verdoppelt sich die Trefferquote für sicheren Code gegenüber Argon.
Ein Wert geht dabei leicht unter: Auf Terminal-Bench 4.0 sinkt die Zahl erfolgreicher Abkürzungsversuche auf 0,0 Prozent, die Versuche selbst auf 0,4 Prozent. In den Live-Coding-Umgebungen der Google-Teams fallen Warnungen über schwere Fehlanpassungen um fast 80 Prozent, unbelegte Behauptungen halbieren sich.
Wer das Modell bekommt
Vorerst fast niemand. Google gibt Carbon ab dieser Woche an einen Teil der Cyber-Verteidiger und weitet den Zugang stufenweise auf weitere Partner aus. Entwickler, Unternehmen und Endkunden kommen später. Dabei nimmt das Unternehmen am freiwilligen Vorab-Testverfahren der US-Regierung teil.
Der Preis bleibt bei Argons Einstiegstarif: 2 Dollar je Million Eingabe-Token, 10 Dollar je Million Ausgabe-Token, zwischengespeicherte Eingaben 95 Prozent günstiger.
In der Web-Entwicklung springt Carbon um 89 Elo-Punkte auf Platz 4 mit 1.768 Zählern. Für lange Aufgaben lässt Google die eigenen Teams berichten: Das Modell bleibt tagelang an mehrstufigen Problemen, statt in Sackgassen aufzugeben.
Der Zugang ist die Nachricht, nicht der Benchmark
Zwei Wochen zwischen zwei Frontier-Modellen, das ist ein Takt, über den sich sonst nur Pressemitteilungen freuen. Interessanter finde ich die Reihenfolge: Google gibt das Modell zuerst an Verteidiger und erst danach an alle. Ein Modell, das Schwachstellen zu 88 Prozent findet, findet sie für beide Seiten.
Für Claude-Nutzer ist die Lage unbequem geworden. SiliconANGLE schreibt, Carbon schlage GPT-6 Astra und Claude Opus 5.5 über mehrere Benchmarks. Solange das Modell aber nur bei einem kleinen Kreis liegt, bleibt der Vergleich eine Zahl auf einer Folie. Nachprüfen kann ihn erst, wer das Modell selbst anfassen darf.