Google DeepMind stellt Gemini 4 Carbon vor, zuerst für Cyberverteidiger
Gemini 4 Carbon von Google DeepMind zielt auf Cybersecurity und langwierige Engineering-Aufgaben. Den Anfang macht eine ausgewählte Gruppe von Cyberverteidigern.
Google DeepMind hat Gemini 4 Carbon vorgestellt und bezeichnet es als sein stärkstes Modell. Statt es für Entwickler, Unternehmen oder Endkunden freizugeben, beginnt das Unternehmen mit einer ausgewählten Gruppe von Cyberverteidigern. In einem Beitrag vom 28. Oktober 2026 beschrieb Koray Kavukcuoglu, SVP von Google DeepMind und Chief AI Architect bei Google, Carbon als „unser stärkstes Modell mit Cybersecurity- und Long-Horizon-Fähigkeiten auf dem neuesten Stand der Technik“. Laut Google beginnt der Zugang für diese Gruppe von Cyberverteidigern noch diese Woche und wird schrittweise über das Fairwind Program auf weitere vertrauenswürdige Partner ausgeweitet. Außerdem beteiligt sich das Unternehmen nach eigenen Angaben am freiwilligen Verfahren der US-Regierung zum Testen von Modellen vor deren Veröffentlichung.
Google meldet 88,2 % auf SEC-bench Pro beim Aufspüren von Schwachstellen, 54,8 % auf ExploitGym bei deren Ausnutzung und 71,0 % auf CWE-bench, das der Beitrag Collinear zuschreibt, beim Patchen. Alle drei Tests liefen ohne Guardrails. Die Werte zeigen also, was das Modell kann, wenn ihm keine Sicherheitsfilter im Weg stehen. Die drei Tests bilden eine Abwehr-Pipeline ab: eine Schwachstelle finden, prüfen, ob sie ausnutzbar ist, damit die gefährlichsten zuerst behoben werden, und dann einen Patch schreiben, der die eigentliche Ursache behebt. Googles Argument: Ein einziges Modell kann alle drei Schritte übernehmen. Google verweist zudem auf interne Ergebnisse des Chrome-Teams, wonach Carbon beim Erstellen hochwertiger Patches mehr als 10-mal besser abschnitt als ein großes Frontier-Modell eines anderen Labors. Laut Wiz liegt Carbon bei Benchmarks für Web-Penetrationstests vorn. Der Beitrag nennt weder das andere Labor noch die zugrunde liegende Zahl der Patches.
Interne Teams haben laut Google beobachtet, dass Carbon tagelang arbeitet und sich auch von Sackgassen nicht aufhalten lässt, etwa bei der Ursachenanalyse und dem Patchen subtiler Fehler in großen Codebasen. Es handelt sich um interne Beobachtungen. Eine Aufgabenliste, eine Erfolgsquote oder die Zahl der zugrunde liegenden Durchläufe nennt der Beitrag nicht.
Unabhängige Vergleiche fallen weniger einheitlich aus als die Ankündigung. Artificial Analysis setzt Carbon auf seinem Intelligence Index v5 mit 59 Punkten auf Platz eins, vor Claude Opus 5.5 mit 58 und GPT-6 Astra mit 57. Die eigene Auswertung des Unternehmens ist allerdings differenzierter. Carbon erzielt in vier der neun Index-Evaluierungen den Bestwert, darunter HLE-Diamond und AA-Omniscience, liegt aber im Coding Agent Index hinter Claude Opus 5.5 auf Platz zwei: 59 Punkte gegenüber 62 für Claude Code mit Opus 5.5 bei maximalem Aufwand. Cognitions FrontierCode 2.0 sieht Carbon bei 40 %, hinter Opus 5.5, GPT-6 Astra und Claude Sonnet 5.5. Die 51 %, die Artificial Analysis auf FrontierCode v1.1 misst, beziehen sich auf eine andere Version. Die beiden Ergebnisse sollten daher nicht gegeneinander gelesen werden.
Googles Aussagen zum Alignment sind mit mehreren Einschränkungen versehen. Laut Beitrag hat Carbon erfolgreiches Schummeln auf Terminal-Bench 4.0 auf 0,0 % reduziert, die Versuche zu schummeln sanken jedoch nur auf 0,4 %. Das ist etwas anderes als ein Modell, das es gar nicht erst versucht. Der Rückgang schwerwiegender Misalignment-Warnungen um fast 80 % stammt aus Live-Coding-Umgebungen, die Googles eigene Teams betreiben, und wurde nicht unabhängig überprüft. Beim Gray-Swan-Benchmark für indirekte Prompt Injection hatte Argon eine Angriffserfolgsquote von 0,7 %, für Carbon werden 0,0 % gemeldet. Der Beitrag spricht davon, dass das Modell jedem evaluierten Angriffsversuch widerstanden habe. Diese Aussage gilt nur für die tatsächlich getesteten Angriffe.
Die Halluzinationswerte von Artificial Analysis zeigen einen Zielkonflikt. Carbon erreicht auf dem AA-Omniscience v1.1 54 Punkte, sechs Punkte vor Claude Opus 5.5 bei Maximum, und seine Genauigkeit stieg gegenüber Argon um 10 Punkte auf 58 %. Die Halluzinationsrate stieg allerdings von 4 % auf 11 %. Laut Artificial Analysis ist das immer noch der zweitniedrigste Wert aller Modelle, nur Argon liegt darunter. Zum Vergleich: Claude Opus 5.5 bei Maximum und GPT-6 Astra bei Maximum liegen beide bei 50 %.
Bei den Kosten misst Artificial Analysis für Carbon 7,76 US-Dollar pro Intelligence-Index-Aufgabe zum Standardpreis. Das sind etwa 23 % weniger als bei Claude Opus 5.5 mit maximalem Aufwand (10,04 US-Dollar), aber etwa das 1,2-Fache der 6,25 US-Dollar für GPT-6 Astra bei Maximum. Carbon verbraucht 123k Output-Token pro Aufgabe, 29 % weniger als Opus 5.5 bei Maximum. Das Modell hat ein Kontextfenster von 1M Token und verarbeitet Text, Bild, Video und Sprache als Eingabe. Googles Einführungspreis liegt bei 2 US-Dollar pro Million Input-Token und 10 US-Dollar pro Million Output-Token und steigt nach der Einführungsphase auf 4 bzw. 20 US-Dollar. Gecachte Input-Token kosten 95 % weniger als der Input-Preis. Laut Artificial Analysis gewährt Google einen Einführungsrabatt von 50 % ohne bestätigtes Enddatum, die Diagramme des Unternehmens verwenden die Standardpreise. Carbon ist noch nicht öffentlich verfügbar. In der WebDev Arena erreichte es mit 1768 Punkten Platz 4, ein Plus von 89 Elo-Punkten.
Was sich ändert
Art: Neue Funktion · Betrifft: Gemini 4 Carbon
Warum es wichtig ist
Unternehmen, die Sicherheitsscans, das Patchen von Schwachstellen oder lange autonome Coding-Aufgaben betreiben, haben nun eine weitere Frontier-Option. Die Benchmark-Aussagen müssen sich allerdings anhand von Googles eigenen Zahlen und Ergebnissen Dritter bestätigen. Für die Budgetplanung werden die veröffentlichten Kosten pro Aufgabe und die Preiserhöhung nach der Einführungsphase eine Rolle spielen.
Was Sie tun können
Security-Teams sollten prüfen, ob sie für den frühen Zugang über das Fairwind Program in Frage kommen, und Gemini 4 Carbon mit ihren eigenen Workloads zum Aufspüren und Patchen von Schwachstellen testen, bevor die Einführungspreise auslaufen.
Wie sich die Meldung entwickelt hat
Ergänzt Benchmark-Ergebnisse der Drittanbieter Artificial Analysis und Cognition, darunter Platz eins im AA-Fortschrittsindex und 40 % auf FrontierCode 2.0.
Latent Space berichtet über Platzierungen in den Ranglisten von Text Arena, Agent Arena und WebDev, außerdem über Perplexitys Anspruch auf den State of the Art bei WANDR und eine Führung beim Net Score in einem unabhängigen Index.
Originalquelle
Weitere Berichte
Wo wir es gesehen haben
DAIR.AI (Elvis Saravia), Forward Future (Matthew Berman), Latent Space
KI hat diese Zusammenfassung aus den genannten Quellen geschrieben und ins Deutsche übersetzt. Niemand hat sie vor der Veröffentlichung einzeln geprüft. Bitte prüfen Sie die Originalquelle, bevor Sie sich darauf verlassen. So funktioniert es