Alle AI-Trends
Direkt in dein Postfach
Erhalte exklusive AI-Tutorials, Praxistipps und KI-News direkt in dein Postfach.
*Mit deiner Anmeldung akzeptierst du unsere Datenschutzrichtlinien.
⚡ Byte Insider – Brandneue AI News per WhatsApp Channel
Google DeepMind

Gemini 4 Carbon

Gemini 4 Carbon ist ein proprietäres Frontier-Modell von Google DeepMind. Es zielt auf lange agentische Aufgaben, Engineering und Cyberabwehr.

AA Intelligence Index
59Punkte
Median aller Modelle: 31
Kontextfenster
1 Mio.Tokens
Maximaler Output: 1.000.000 Tokens

Gemini 4 Carbon im Überblick

Stand November 2026 führt Gemini 4 Carbon vier Ranglisten auf Byte.de an, darunter AA-Omniscience (54 Punkte), APEX-Agents (90 %) und Vending-Bench 2 ($16.484). Im Artificial Analysis Intelligence Index steht es mit 59 Punkten auf Platz 2 von 44 Modellen.

Lange agentische Workflows

Im Intelligence Index v5 erreicht Carbon 59 Punkte; Artificial Analysis führt es damit auf Platz 1, Claude Opus 5.5 kommt laut Google-Modellkarte auf 58. Bei Vending-Bench 2 nennt Google ein Endguthaben von $16.484 gegenüber $9.235 für Claude Opus 5.5. Für agentische Workflows zählt außerdem Terminal-Bench 4.0, wo die Angaben je nach Auswertung zwischen 63,13 % (Vals AI) und 65,2 % (Modellkarte) liegen.

  • Agentic Coding
  • Wissensarbeit
  • Cybersicherheit
  • Wissenschaftliches Schließen
  • Lange Dokumente
  • Datenanalyse

Redaktionelle Einordnung auf Basis der Modellbeschreibung und der unten verlinkten Messungen.

Was du abwägen solltest

  • Mehr Tokens als Argon. Carbon nutzt laut Google mehr Tokens als Gemini 4 Argon, um Hypothesen zu prüfen und Verifikationsschleifen zu fahren. Pro Task kostet Carbon laut Artificial Analysis $7,76, Argon $7,68, bei 9 Punkten mehr im Intelligence Index. Für den Großteil der Coding- und Wissensarbeit empfiehlt Google weiterhin Argon.
  • Höhere Halluzinationsrate. Laut Artificial Analysis steigt die Trefferquote bei AA-Omniscience v1.1 auf 58 %, die Halluzinationsrate aber von 4 % auf 11 %. Das ist weiterhin der zweitniedrigste Wert unter den getesteten Modellen, nach Argon.
  • Geschlossen und eingeschränkt. Die Gewichte sind geschlossen, die Lizenz ist proprietär, ein Betrieb auf eigener Hardware ist nicht möglich. Die stärksten Cyber-Fähigkeiten sind laut Google zunächst verifizierten Verteidigern im Fairwind Program vorbehalten. Als Ausgabe gibt es nur Text.
Ähnliche KI-Modelle ansehen

Gemini 4 Carbon Benchmarks

59Punkte

Der Artificial Analysis Intelligence Index ist ein Meta-Benchmark ohne eigene Fragen: Er fasst neun Evaluationen zusammen, die Artificial Analysis selbst mit jedem Modell unter gleichen Bedingungen durchführt.

Mehr zum Benchmark
Artificial Analysis Intelligence IndexMedian aller Modelle: 31
  1. Claude Fable 5.2Anthropic
  2. Gemini 4 CarbonGoogle DeepMind
  3. Claude Opus 5.5Platz 2, Anthropic
  4. Gemini 4 ArgonGoogle DeepMind
Daten: Artificial Analysis (artificialanalysis.ai)blog.google

Gemini 4 Carbon Modelldaten

Kontextfenster
1.000.000 Tokens
Maximaler Output
1.000.000 Tokens
Eingabe
Text, Bilder, PDF, Video
Ausgabe
Text
Anbieter
Google DeepMind
Veröffentlicht
10. November 2026
Modellgewichte
Geschlossen
1 Mio. Tokens Kontext1 Mio. maximaler Output

Die Ausgabelänge ist eine eigene Obergrenze. Der tatsächlich verfügbare Eingaberaum hängt auch vom Output-Budget und der API-Konfiguration ab.

Standardfähigkeiten & Schnittstellen
  • Reasoning
  • Bildverständnis
  • Tool-Nutzung
  • Websuche
  • Prompt-Caching
  • Strukturierte Ausgaben

Daten aktualisiert am 10. November 2026. Fehler gefunden? kontakt@byte.de

Häufige Fragen zu Gemini 4 Carbon

Was kostet Gemini 4 Carbon?

Google nennt $2 je 1 Mio. Input-Tokens und $10 je 1 Mio. Output-Tokens als Einführungspreis, cached Input kostet 95 % weniger. Artificial Analysis rechnet mit Standardpreisen von $4/$20 je 1 Mio. Tokens und einem 50-%-Launch-Rabatt ohne bestätigtes Enddatum.

Wie groß ist das Kontextfenster?

Laut Google-Modellkarte sind bis zu 1 Mio. Tokens für Input und Output zusammen vorgesehen. Artificial Analysis nennt ebenfalls 1 Mio. Tokens Kontext.

Ist Gemini 4 Carbon Open Source?

Nein. Die Gewichte sind geschlossen, die Lizenz ist proprietär. Artificial Analysis und Epoch AI führen das Modell als Closed Weights.

Worin unterscheidet es sich von Gemini 4 Argon?

Carbon erreicht im Intelligence Index v5 59 Punkte, Argon 50 (laut Google-Modellkarte). Google sieht Carbon für Aufgaben, die die Grenzen der Intelligenz testen, und Argon für den Großteil der Software-Entwicklung und Wissensarbeit.

Wo kann ich es nutzen?

Zahlende Entwickler und Unternehmen erhalten Zugriff über die Gemini API in Google AI Studio und Gemini for business. Google AI Ultra-Abonnenten bekommen laut Google-Ankündigung Zugang in Google Antigravity, der Gemini App und AI Mode.

Ähnliche KI-Modelle

Weitere Modelle von Google DeepMind

  • Gemini 4 Argon

    Google DeepMind

    Gemini 4 Argon ist Googles Reasoning-Modell mit 1 Mio. Tokens Kontext.

    Input / 1 Mio.
    $2
    Output / 1 Mio.
    $10
    Kontextfenster
    1 Mio. Tokens
    Veröffentlichung
    September 2026
    Reasoning
  • Gemini 3.7 Flash

    Google DeepMind
    Input / 1 Mio.
    $0,75
    Output / 1 Mio.
    $3,75
    Kontextfenster
    1 Mio. Tokens
    Veröffentlichung
    August 2026
    Reasoning
  • Gemini 3.6 Flash

    Google DeepMind
    Input / 1 Mio.
    $0,75
    Output / 1 Mio.
    $3,75
    Kontextfenster
    1 Mio. Tokens
    Veröffentlichung
    Juli 2026
    Reasoning

Modelle anderer Anbieter

  • Claude Fable 5.2 ist ein Frontier-Modell von Anthropic für Text und Bilder.

    Kontextfenster
    1 Mio. Tokens
    Veröffentlichung
    November 2026
    Reasoning
  • Mercury 3

    Inception

    Mercury 3 ist ein diffusionsbasiertes Sprachmodell (dLLM) von Inception.

    Kontextfenster
    1 Mio. Tokens
    Veröffentlichung
    Oktober 2026
    Reasoning
  • Fugu Ultra v2

    Sakana AI

    Orchestrierungsmodell von Sakana AI, das einen Pool aus Modellen steuert.

    Input / 1 Mio.
    $5
    Output / 1 Mio.
    $30
    Kontextfenster
    1 Mio. Tokens
    Veröffentlichung
    September 2026
    Reasoning