AI News
Alle Meldungen
Berichtet

Googles Gemini 4 Carbon bringt Teams aus zusammenarbeitenden Agenten

Mit Gemini 4 Carbon führt Google Teams von Agenten ein, die gemeinsam an Aufgaben arbeiten, während große Modell-Releases immer schneller aufeinander folgen.

Modelle · · 4 Min. Lesezeit

Google hat Gemini 4 Carbon am 10. November 2026 allgemein verfügbar gemacht. Google bezeichnet es als das stärkste Modell der Gemini-4-Familie und hat zugleich eine Vorschau auf eine Funktion namens /swarm gezeigt, die aus einem einzigen Prompt ein koordiniertes Team von Agenten macht. Der Release kam rund zwei Wochen, nachdem Google Carbon über sein Fairwind Program zunächst einem begrenzten Kreis von Cybersecurity-Verteidigern vorgestellt hatte. Anthropic hatte da bereits Fable 5.2 veröffentlicht, und The Decoder wies darauf hin, dass dieses Modell Carbon im Artificial-Analysis-Test selbst bei geringerer Reasoning-Intensität übertrifft.

Google positioniert Carbon nicht als Ersatz, sondern als Ergänzung zu Gemini 4 Argon, das bereits früher erschienen ist. Laut Google bleibt Argon für die meisten Aufgaben in Softwareentwicklung und Wissensarbeit die bessere Wahl. Carbon ist für Aufgaben gedacht, die an die Grenzen der Intelligenz eines Modells gehen, etwa mehrstufiges Programmieren und Debugging oder offene wissenschaftliche Forschung. Der Preis dafür zeigt sich bei der Token-Anzahl: Carbon verbraucht mehr Token als Argon, um Probleme zu erkunden, tiefgehend zu schlussfolgern und ausgedehnte Verifikationsschleifen zu durchlaufen. Da beide Modelle denselben Token-Preis haben, dürfte die Gesamtrechnung für vergleichbare Arbeit bei Carbon laut The Decoder höher ausfallen.

Der Einführungspreis für zahlende Entwickler und Unternehmen liegt bei 2 US-Dollar pro Million Input-Token und 10 US-Dollar pro Million Output-Token. Verfügbar ist das Modell über die Gemini API in Google AI Studio, Android Studio und Gemini for business. Hier lohnt sich der Blick ins Kleingedruckte: Nach Ablauf der Einführungsphase am 30. November 2026 kostet das öffentlich zugängliche Carbon-Modell 4 US-Dollar pro Million Input-Token und 20 US-Dollar pro Million Output-Token. Abonnenten von Google AI Ultra erhalten Zugang in Google Antigravity, der Gemini-App und dem AI Mode in der Suche.

Die Funktion /swarm, derzeit als Vorschau in Google Antigravity verfügbar, weist Carbon jene Rollen zu, die das tiefste Reasoning erfordern, etwa Architekturdesign, Koordination und Prüfung. Schnellere, leichtere Modelle laufen parallel in isolierten Arbeitsumgebungen, und adversariale Prüfer testen jede Änderung. Google demonstrierte das mit einem 3D-Spiel, in dem ein Pelikan auf einem GBike über eine Darstellung des Campus in Mountain View fährt. Außerdem zeigte Google eine interaktive Eiffelturm-Ausstellung auf Basis historischer Fotos und ein spielbares Fortepiano aus dem 18. Jahrhundert. Laut The Decoder wird in der gesamten Branche darüber diskutiert, ob sich Agenten-Schwärme wirtschaftlich lohnen. OpenAI und Anthropic hätten sich zuletzt zurückhaltend geäußert, und der Hauptnutzen scheine in der Geschwindigkeit durch Parallelisierung zu liegen.

Google gibt an, dass Carbon auf CursorBench 4.0, Perplexitys WANDR und Zapiers AutomationBench den ersten Platz belegt, und das bei Kosten pro Aufgabe, die um mehr als den Faktor 2 unter denen des nächstbesten externen Modells liegen. The Decoder berichtete, dass Carbon auf CursorBench 4.0 knapp unter 60 Prozent erreicht, bei rund 8 bis 10 US-Dollar pro Aufgabe. Im Artificial-Analysis-Test kostete Carbon zum Standardpreis 7,76 US-Dollar pro gelöster Aufgabe. Das liegt unter Opus 5.5 Max mit 10,04 US-Dollar und Fable 5.2 in der höchsten Stufe mit 26,50 US-Dollar, aber über GPT-6 Astra Max mit 6,25 US-Dollar. Fable 5.2 in der Stufe High kostet etwa 9 US-Dollar pro Aufgabe und liegt im Gesamtindex zwei Punkte vor Carbon, 62 zu 60. Auf Googles neuem Benchmark Multimodal Knowledge Agent, den Google gemeinsam mit Artificial Analysis entwickelt hat, landet Carbon hinter Fable 5.2 auf Platz zwei.

Im Bereich Cybersecurity hat Carbon laut Google im Rahmen des Programms Scan for Good von Wiz in weniger als zwei Stunden Zero-Day-Schwachstellen bei zwei großen SaaS-Anbietern gefunden. Googles Cloud Vulnerability Research Team nutzte das Modell, um Proof-of-Concept-Exploits für zwei Fehler in einem populären Open-Source-Projekt zu erstellen. Diese Arbeit half den Maintainern, einen der beiden als kritisch neu einzustufen. In Project Fortify, Googles autonomem System für Scanning, Triage und Behebung, erreichte Carbon auf einem internen Benchmark 100 Prozent Recall beim Scanning und 95 Prozent Präzision bei der Triage. Bei Tests mit Open-Source-Repositorys meldet Google eine relative Verbesserung von über 25 Prozent gegenüber der Recall-Rate von Argon. The Decoder merkte an, dass Googles Vorsprung auf SEC-bench Pro, ExploitGym und CWE-bench v1 nur für die über das Fairwind Program verfügbare Version gilt. Zudem nenne Google dafür keine konkreten Zahlen.

Carbon blockierte 99 Prozent der Angriffsverläufe eines adaptiven Red-Teaming-Agenten, der seine Pläne nach jeder Blockade überarbeitet. Die Durchbruchsrate pro Versuch sank dabei auf 0,8 Prozent, gegenüber 3,1 Prozent bei Argon. In den Tests von Gray Swan fiel die Erfolgsquote automatisierter Cyberangriffs-Anfragen von 9,86 auf 2,17 Prozent. Auf einem Benchmark zur Ehrlichkeit von Agenten mit 375 Aufgaben bestand Carbon 92 Prozent der Aufgaben, Argon 70 Prozent. In 98 Prozent der Fälle lehnte es ab, fehlende Versuchsdaten zu ergänzen, und in 68 Prozent der Fälle wies es auf methodische Mängel hin. Externe Tester bei Trajectory Labs meldeten in 132 Stunden und über 13.000 Anfragen keinen neuen universellen Jailbreak.

Laut Google erreichte Carbon auf dem Gray Swan IPI Benchmark eine Erfolgsquote von 0 Prozent für Prompt Injection, als erstes Modell überhaupt. In Googles eigenem Beitrag heißt es jedoch auch, dass die Robustheit gegen Prompt Injection weiter verbessert werden müsse. The Decoder schrieb, das Ergebnis bedeute nicht, dass Prompt Injection gelöst sei; möglicherweise sei der Test schlicht gesättigt. Allerdings seien manche Konkurrenten nach wie vor anfälliger.

Für die Wissenschaft beschreibt Google ein Framework namens AlphaProof Code. Darin half Carbon, Millionen Zeilen Lean-Code zu erzeugen, um zentrale Sicherheitseigenschaften des kryptografischen Protokolls von Signal innerhalb von Wochen zu beweisen. Laut Google brauchten Expertenteams für eine solche Aufgabe bisher Jahre. Bei der Proteinstrukturanalyse berichtet Google, dass Carbon über sieben Proteinfamilien mit wenigen Homologen aus dem CASP17-Blindtestset die Zahl der gefundenen Homologe im Schnitt um das 40-Fache steigerte. Wie Google in seinem Beitrag anmerkt, läuft ein breiteres Benchmarking dieses Ergebnisses noch.

Was sich ändert

Art: Neue Funktion · Gilt ab: Dienstag, 10. November 2026 · Betrifft: Gemini 4 Carbon, /swarm

Warum es wichtig ist

Wenn Funktionen für Agenten-Teams direkt in ein Flaggschiffmodell eingebaut sind, könnte das verändern, wie Unternehmen lange, mehrstufige Arbeit zwischen Software-Agenten und Menschen aufteilen.

Was Sie tun können

Prüfen Sie an Ihren eigenen Aufgaben, ob Multi-Agenten-Workflows mit Gemini 4 Carbon besser abschneiden als Durchläufe mit einem einzelnen Agenten, bevor Sie sie einführen.

Originalquelle

Weitere Berichte

Wo wir es gesehen haben

1 Quelle

THE DECODER

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