Gemini 4 Carbon ist vorn, aber nur Verteidiger dürfen es nutzen. Was in Googles Zahlen steht

TL;DR. Am 28. Oktober hat Google DeepMind Gemini 4 Carbon vorgestellt, zwei Wochen nach Gemini 4 Argon. Im Gesamtindex von Artificial Analysis steht Carbon mit 59 Punkten auf Platz 1, einen Punkt vor Claude Opus 5.5. Seine größte Stärke ist Cybersicherheit: Lücken finden, ausnutzen und beheben. Genau deshalb bekommen es vorerst nur ausgewählte Cyber-Verteidiger, für Entwickler und Firmen gibt es keinen Termin. Wir haben nachgezählt, welche der Zahlen Google selbst gemessen hat. Für den Mittelstand heißt das: nicht auf Carbon warten, sondern Lücken mit den Modellen schließen, die es schon gibt.

Was Google meldet

Laut Googles Ankündigung ist Carbon für lange Aufgaben gebaut. Intern habe das Modell tagelang an Fehlern in großen Codebasen gearbeitet, bis Ursache und Korrektur standen. Bei den Sicherheitstests meldet Google drei Bestwerte: 88,2 % bei SEC-bench Pro (Lücken finden), 54,8 % bei ExploitGym (Lücken ausnutzen) und 71,0 % bei CWE-bench (Lücken beheben). Beim Test auf versteckte Befehle in fremden Inhalten kam kein Angriff durch, Argon ließ noch 0,7 % durch.

Der Preis zum Start entspricht Argon: 2 $ je Million Eingabe-Token und 10 $ je Million Ausgabe-Token. Nach der Einführungszeit gelten 4 $ und 20 $.

Den Zugang regelt Google in Stufen. Seit dieser Woche arbeitet eine kleine Gruppe von Cyber-Verteidigern mit Carbon. Danach folgen nach und nach Partner aus dem Fairwind-Programm: Behörden, Betreiber kritischer Infrastruktur wie Gesundheit, Telekommunikation, Energie und Finanznetze sowie große Technologieplattformen. Wer dort mitmacht, durchläuft eine Hintergrundprüfung, braucht phishing-resistente Anmeldung und muss jede Nutzung protokollieren. Parallel lässt Google Carbon im freiwilligen Vorabtest der US-Regierung prüfen.

Der Haken

• Kein Zugang, kein Termin. Für Entwickler, Firmen und Verbraucher schreibt Google nur „so bald wie möglich“. Anthropic geht denselben Weg schon länger: Claude Mythos Preview bekommen seit dem 7. April nur geprüfte Partner, und allgemein verfügbar machen will Anthropic es laut eigener Seite nicht.
• Die großen Cyber-Zahlen sind Eigenmessungen ohne Schutz. ExploitGym und SEC-bench Pro hat Google laut Methodikpapier selbst gemessen, mit abgeschalteten Schutzfiltern. SEC-bench Pro besteht hier aus 183 Aufgaben in JavaScript-Engines, nicht aus Firmensoftware. Die Version, die später allgemein kommt, bekommt Schutzfilter. Wie viel der Fähigkeit dann bleibt, ist offen.
• Platz 1 ist knapp. 59 zu 58 Punkte im Gesamtindex. Beim Vals Index steht Carbon in Googles Tabelle vorn, auf der Rangliste von Vals selbst aber auf Platz 2: Claude Sonnet 5.5 kommt auf 70,85 %, Carbon auf 70,36 %. Sonnet fehlt in Googles Tabelle.
• 0,0 % heißt nicht gelöst. Claude Opus 5.5 lässt im selben Test 1,0 % der Angriffe durch. Der Test trennt die Spitze kaum noch. Versteckte Befehle in Mails und Webseiten begrenzt man weiter über Rechte, nicht über einen Testwert.

Wir haben nachgezählt: Wer hat gemessen?

Googles Ergebnistabelle hat 17 Zeilen. Wir haben jede Zeile mit dem Methodikpapier abgeglichen und den Abstand zum besten Wettbewerber in der Tabelle berechnet, also zu GPT-6 Astra, Claude Opus 5.5 oder Claude Fable 5.1.

• 11 Werte stammen von Dritten, etwa von Artificial Analysis, Vals, Zapier oder Collinear. Dort liegt Carbon in 10 Fällen vorn, im Median um 2,3 Punkte.
• 6 Werte hat Google für Carbon selbst gemessen. Dort liegt der Median bei 3,6 Punkten, und dort stehen die beiden größten Abstände: 24,4 Punkte beim Arbeiten mit sehr langen Texten (GraphWalks) und 12,4 Punkte bei ExploitGym.
• Zweimal liegt Carbon auch in Googles eigener Tabelle hinten: beim Programmieren mit FrontierSWE 2 um 4,3 Punkte hinter GPT-6 Astra und bei der Arbeit am Bildschirm mit OSWorld um 5,7 Punkte hinter Opus 5.5.

Der einzige Cyber-Wert, den ein Dritter für alle Modelle gleich gemessen hat, ist CWE-bench, das Beheben von Lücken: Carbon 71,0 %, GPT-6 Astra 68,0 %, Opus 5.5 67,0 %. Carbon ist vorn, aber nicht weit.

Was das für den Mittelstand heißt

Für Firmen mit eigener Software, Webshop oder vernetzten Produkten zählen zwei Seiten. Die Angreiferseite: Das frei herunterladbare GLM-5.3 nutzt in Googles Grafik 15,0 % der Lücken aus, Carbon 54,8 %. Das Werkzeug, das Lücken am besten scharf macht, liegt also gerade nicht offen herum. Dieser Abstand ist ein Zeitfenster, keine Dauerlösung.

Die Verteidigerseite: Beim Beheben trennen die Spitzenmodelle nur wenige Punkte. Wer heute mit Opus 5.5 oder GPT-6 Astra arbeitet, liegt im unabhängig gemessenen Test bei 67 bis 68 %, Carbon bei 71 %. Warten lohnt sich nicht. Dazu kommt die Pflicht: Seit dem 11. September 2026 müssen Hersteller von Produkten mit digitalen Elementen aktiv ausgenutzte Lücken nach dem Cyber Resilience Act binnen 24 Stunden melden. Wer selbst früher findet, wird seltener überrascht.

Was Sie jetzt tun sollten

1. Mit den verfügbaren Modellen anfangen. Lassen Sie eigenen Code und eingebundene Bibliotheken von einem aktuellen Modell auf Lücken prüfen und Korrekturen vorschlagen. Ein Mensch prüft jede Korrektur, bevor sie eingespielt wird.
2. Die eigene Patch-Zeit messen. Wie viele Tage vergehen zwischen dem Bekanntwerden einer Lücke und dem eingespielten Update? Diese Zahl sagt mehr über Ihr Risiko als jede Rangliste.
3. Prüfen, ob Sie in ein Programm passen. Betreiber kritischer Infrastruktur können sich bei Googles Fairwind-Programm bewerben, Anthropic hat mit seinem Cyber Verification Program ein ähnliches Angebot in Stufen. Wer nicht passt, dem nennt Google sein Werkzeug CodeMender mit öffentlich verfügbaren Modellen.
4. Nicht nach der Rangliste einkaufen. Platz 1 wechselt im Wochentakt, und Carbons Preis verdoppelt sich nach der Einführungszeit. Bauen Sie so, dass Sie das Modell austauschen können, und messen Sie an Ihren eigenen Aufgaben.

Die stärksten Modelle gehen jetzt zuerst an die, die Lücken schließen. Das ist eine gute Nachricht, solange alle anderen die Zeit nutzen. Wenn Sie Ihren Code einmal mit einem KI-Prüflauf durchsehen lassen wollen, helfen wir beim Aufsetzen.