Gemini 4 Carbon vs. Gemini 4 Argon: Das 15-Tage-Upgrade, das Sie nicht anrufen können

Zwei Modelle, eine Preisliste, neun Indexpunkte auseinander — und nur eines von beiden hat einen Endpunkt. Gemini 4 Carbon wurde am 28. Oktober 2026 angekündigt, fünfzehn Tage nachdem Gemini 4 Argon in der kostenpflichtigen Gemini API aufrufbar wurde, und in Googles eigenem Beitrag wird Carbon als das stärkere der beiden beschrieben. Stärke ist jedoch nicht dasselbe wie Verfügbarkeit: Es gibt heute keinen gemini-4-carbon-Eintrag in Googles Modellliste oder auf dessen Preisseite, und die Personen, die es betreiben, sind Cyber-Verteidiger und vertrauenswürdige Partner, die über das Fairwind Program des Unternehmens zugelassen wurden. Die ehrliche Version dieses Duells ist ein Fähigkeitsvergleich zwischen zwei Modellen und ein Zugangsvergleich zwischen einem Modell und einem Programm.

Was Google am 28. Oktober zu Protokoll gab

Die Ankündigung kam von Koray Kavukcuoglu, Senior Vice President von Google DeepMind, in einem Beitrag mit dem Titel „unser nächstes Frontier-Modell“. Carbon folgt auf Argon – angekündigt am 30. September, allgemein verfügbar seit 13. Oktober – innerhalb derselben Generationsnummer. Googles erklärter Fokus liegt auf Cybersicherheit und langfristiger Agentenarbeit, also auf Aufgaben, bei denen ein Agent tagelang durch Sackgassen weiterarbeitet, statt auf solchen, bei denen ein Prompt eine einzelne Antwort erhält.

Drei Details zählen mehr als das Marketing:

• Der Zugang ist gestaffelt und ohne Datumsangabe. Carbon ging zuerst an „eine Teilgruppe von Cyber-Verteidigern“, weitete sich dann über das Fairwind Program aus und anschließend an Entwickler, Unternehmen und Verbraucher „so schnell wie möglich“. Für die letzten drei Gruppen wurde kein Datum genannt.

• Die Veröffentlichung ist Teil des freiwilligen Vorabtestverfahrens der Regierung der Vereinigten Staaten. Google gibt an, sich daran zu beteiligen und die Schutzmaßnahmen vor einem breiteren Zugang weiter zu verfeinern.

• Keine öffentliche Modellkarte, kein Endpunkt, keine Kennung. Die Modellliste der Gemini API, geprüft am 29. Oktober, enthält genau einen Gemini-4-Eintrag – Gemini 4 Argon – und die Preisseite enthält keinen für Carbon. Das von Google für Argon veröffentlichte Kontextfenster (einheitlich 1 Mio. Tokens, mit Dekodierungen bis zu 1 Mio.) wurde für Carbon nicht erneut angegeben; Artificial Analysis führt 1 Mio. Tokens dafür auf, was eine Drittanbieter-Listung statt einer Google-Spezifikation ist.

Die Neun-Punkte-Lücke – und wer sie gemessen hat

Artificial Analysis hat seinen Intelligence Index am 27. Oktober als v5 neu aufgebaut – einen Tag bevor Carbon auf den Markt kam –, wobei zwei Benchmarks ersetzt, drei weitere verbessert und der größte Teil des Index nicht öffentlich gemacht wurde. Dieses Timing ist der Grund, bei jedem Vorher-Nachher-Chart, das Sie diese Woche sehen, vorsichtig zu sein: Werte von vor dem Umbau liegen nicht auf derselben Skala wie Werte danach. In der aktuellen Liste nach dem Umbau wurden beide Modelle bewertet, und der Abstand ist real und mit demselben Instrument gemessen.

• Intelligence Index v5 — Carbon 59, erstes von 52 gelisteten Modellen; Gemini 4 Argon 50, dreizehntes.

• Kosten pro Indexierungsaufgabe zum Standardpreis — Carbon 7,76 $ gegenüber Argon 7,68 $. Das neuere Modell erzielt neun Punkte mehr für acht Cent mehr pro Aufgabe.

• Genauigkeit — Carbon 58 %, ein Zuwachs von zehn Punkten gegenüber Argon; AA-Omniscience 54 gegen 46.

• Halluzination — Carbon 11 %, ein Anstieg gegenüber Argons 4 %. Carbon ist in den Trackern weiterhin der zweitniedrigste Wert, aber die Richtung ist die falsche.

• Ausgabevolumen – 123k Tokens pro Indexierungsaufgabe, 29 % unter den 173k von Claude Opus 5.5, was mit dazu beiträgt, dass die Kosten pro Aufgabe trotz desselben Listenpreises niedrig bleiben.

• Geschwindigkeit — 99,8 Ausgabe-Tokens pro Sekunde bei der Messung von Artificial Analysis, bei hohem Reasoning-Aufwand liegt die Zeit bis zum ersten Token bei 97,48 Sekunden. Auf diese Zahl sollten Sie achten, wenn Sie das Modell hinter einer interaktiven Schnittstelle statt in einem langlaufenden Job einsetzen.

Artificial Analysis misst auch das, was die Schlagzeile verbirgt: Im Coding Agent Index erzielt Carbon mit Antigravity CLI 59 Punkte, drei Punkte hinter Claude Code, das Claude Opus 5.5 auf 62 bringt. Googles eigenes Ergebnis im Bereich Webentwicklung weist in die andere Richtung – WebDev Arena bei 1.768, vierter Platz, ein Zugewinn von 89 Elo – was daran erinnert, dass „Nummer eins insgesamt“ und „am besten im Code“ unterschiedliche Behauptungen sind.

Googles eigene Zahlen sind die lautesten in dem Beitrag.

Google berichtete von einem umfangreichen Sicherheits-Set, und es lohnt sich, zwischen Gemessenem und Behauptetem zu unterscheiden. Bei SEC-bench Pro, der Schwachstellenentdeckung, erreicht Carbon 88,2 % gegenüber 83,4 % bei Argon. ExploitGym, das Exploitation validiert, steigt von 42,0 % auf 54,8 %. CWE-bench, das Patchen, steigt von 68,0 % auf 71,0 %. Intern sagt Google, dass Carbon mehr als doppelt so häufig schwachstellenfreien Code erzeugt wie Argon und dass sein Chrome-Team es beim Erzeugen hochwertiger Patches als mehr als zehnmal besser einschätzte als „das große Frontier-Modell eines anderen Labors“ – ein Vergleich ohne genannten Gegner und ohne veröffentlichte Methode.

Die Sicherheitszahlen sind folgenreicher als die Fähigkeitszahlen, denn sie sind der erste Bereich, in dem Google veröffentlicht hat, dass Carbon Argon im Verhalten und nicht nur bei den Scores schlägt. Beim Benchmark von Gray Swan für indirekte Prompt-Injection liegt die Erfolgsquote von Carbons Angriffen bei {{1}}0,0 %{{/1}}, verglichen mit {{2}}0,7 %{{/2}} bei Argon. Bei Terminal-Bench 4.0 wurde in {{3}}0,4 %{{/3}} der Läufe ein Schummelversuch unternommen, der in keinem Fall erfolgreich war; Argons Verhalten war schlechter. Warnungen wegen schwerwiegender Fehlausrichtung beim internen Live-Coding gingen um fast {{4}}80 %{{/4}} zurück, unbelegte Behauptungen halbierten sich, Übergriffigkeit sank um {{5}}26 %{{/5}} und Unterversorgung um {{6}}29 %{{/6}}.

Zwei Vorbehalte gehören neben diese Zahlen, nicht in eine Fußnote. Google sagt, die Cybersicherheitsbewertungen seien ohne Guardrails durchgeführt worden, was der richtige Weg sei, die Rohfähigkeit eines Modells zu messen, und der falsche, vorherzusagen, was ein eingesetztes System tun werde. Und die größten Multiplikatoren – der 2x-Faktor für sicheren Code und der 10x-Faktor fürs Patchen – sind interne Benchmarks und ein Teambericht, keine unabhängigen Ergebnisse. Die Einschätzung von The Register am Marktstart war, dass das Sicherheitsargument vielversprechend und weitgehend anbieterberichtet sei; nichts, was seitdem veröffentlicht wurde, hat daran etwas geändert.

In der Berichterstattung zum Launch kursierende Zahlen sehen Carbon bei Vals Index v2.2 vorn (70,4 % zu 69,2 %), bei SWE-sweep (9,6 % zu 4,3 %), FrontierSWE 2 (61,2 % zu 55,0 %), Agents' Last Exam v1.1 (77,4 % zu 69,0 %), OSWorld-2.1 (81,5 % zu 74,7 %) und beim Long-Context-Benchmark GraphWalks (96,2 % zu 84,2 %). Diese Angaben stammen von Google, sofern der jeweilige Benchmark-Eigentümer nichts anderes angibt, und das Muster ist konsistent: Carbon ist eine breite Verbesserung, keine einheitliche, und liegt bei mehreren Software-Engineering- und Computer-Use-Tests weiterhin hinter Opus 5.5 und GPT-6 Astra zurück.

Gleicher Auszeichnungspreis, andere Uhrzeit

Beide Modelle haben dieselbe veröffentlichte Preisliste: 2 $ pro Million Input und 10 $ pro Million Output als Einführungspreis, wobei gecachter Input 95 % Rabatt erhält; danach steigt es auf 4 $ und 20 $. Die Asymmetrie liegt im Zeitplan. Argons Einführungszeitraum hat ein Datum – laut Googles Preisseite beginnen die höheren Werte am 1. Dezember 2026 – und seine Batch-, Flex- und Priority-Stufen werden daneben ebenfalls veröffentlicht. Carbons Rabatt hat überhaupt kein Enddatum; in der Ankündigung heißt es nur „nach der Einführungsphase“.

Artificial Analysis bepreist beide mit dem Standardpreis von $4/$20, weshalb seine Kosten-pro-Aufgabe-Werte die faire Methode sind, sie zu vergleichen, der Einführungspreis dagegen nicht. Ein Budget, das für eines der beiden Modelle auf $2/$10 setzt, enthält eine Klippe, und für Argon hat die Klippe jetzt ein Datum.

OrcaRouter routet heute keines dieser beiden Modelle: Gemini 4 Carbon hat keine öffentliche Kennung, die geroutet werden kann, und Gemini 4 Argon ist auch nicht in unserem Katalog. Die Weitergaberegel ist nach wie vor die maßgebliche, denn sie entscheidet, was passiert, wenn sich das ändert – wir berechnen 0 % Aufschlag auf den Listenpreis des Anbieters, sodass die Preiskarte, die Google veröffentlicht, die Preiskarte ist, die ein Kunde sieht, einschließlich eines Preissprungs mitten in der Vertragslaufzeit von $2/$10 auf $4/$20. Was wir aus derselben Familie routen, ist Gemini 3.8 Flash, zu 0,75 $ pro Million Input und 3,75 $ pro Million Output mit Cache-Lesevorgängen zu 0,075 $ – zwar ein Modell einer anderen Klasse, aber der Google-Endpunkt, den Sie diese Woche in einen Produktionspfad einbauen können.

Wer sollte was auswählen?

Wenn Sie ein Verteidiger innerhalb des Fairwind-Perimeters sind, liegt die Entscheidung nicht bei Ihnen, und Carbon steht Ihnen jetzt zur Verfügung – die interessante Frage ist, ob die Sicherheitsgewinne Ihr eigenes Harness überstehen, da die veröffentlichten ohne Guardrails und teilweise auf Googles internen Suiten gemessen wurden.

Wenn man etwas baut, das noch in diesem Quartal ausgeliefert werden muss, ist Argon standardmäßig die Antwort. Es hat einen Endpunkt, einen veröffentlichten Preis und ein Datum für den Rabatt – was mehr ist, als Carbon zu bieten hat. Die Schwachstellen sind bekannt: Terminal-Bench 4.0 in den hohen Fünfzigern laut Googles Angaben zum Launch, gegenüber Opus 5.5 mit 66,4 %, und eine Halluzinationsrate, die Carbon inzwischen in die falsche Richtung übertroffen hat.

Wenn Sie ein Sicherheitsprodukt evaluieren, geht es bei der Entscheidung weniger darum, welches Modell gewinnt, als darum, welches Sie testen können. Carbon ist nicht verfügbar; jeder Anbieter, der Ihnen heute „Gemini 4 Carbon“-Performance nennt, nennt Ihnen daher lediglich ein Etikett. Argon plus Ihre eigene Evaluierung ist die ehrliche Ausgangsbasis, gegen die sich Carbons Behauptungen später prüfen lassen.

Der fünfzehntägige Rhythmus ist die eigentliche Geschichte.

Argon ist vier Wochen alt. Carbon erschien innerhalb derselben Generationsnummer und nicht als Gemini 4.1 oder Gemini 5, was zeigt, wie Google von hier an ausliefern will: Varianten, nicht Versionen. Ars Technicas Deutung am Marktstart war, dass Carbon im Wesentlichen ein etwas besseres Argon ist – möglicherweise eine Nachtrainings-Aktualisierung – und die Versionshinweise stützen diese Form: identischer Preis, identischer Kontext, identische Eingabemodalitäten, unterschiedlicher Fähigkeitsmix.

Für alle, die integrieren, hat das eine konkrete Konsequenz. Ein Modellname ist keine stabile Beschreibung des Verhaltens mehr. gemini-4-argon beschrieb am 13. Oktober eine Sache und kann nach einem stillen Refresh eine andere beschreiben; die Arena-Sichtung, über die wir am 21. Oktober berichtet haben, bei der ein Alias unterschiedliche Gewichte auszuliefern schien, wird durch den Launch weder bestätigt noch widerlegt. Die Absicherung ist die unglamouröse: den Identifier festnageln, auf dem man tatsächlich evaluiert wurde, ein datiertes Eval-Set behalten und jeden Alias als etwas behandeln, das sich unter einem bewegen kann.

Was als Nächstes ansehen

• Der erste gemini-4-carbon-Eintrag in Googles Modellliste – das, nicht die Ankündigung, ist der Moment, in dem Carbon zu einem Produkt wird.

• 1. Dezember, wenn Argons Einführungsrabatt ausläuft und sich der effektive Vergleich für jeden Käufer ändert, der ihn noch nutzt.

• Eine gepaarte Carbon-gegen-Argon-Evaluierung durch Dritte anhand der Sicherheits-Benchmarks, durchgeführt mit Guardrails, da bisher keine veröffentlicht wurde.

Bis der erste davon eintrifft, liegt das Ranking bei Carbon und die Entscheidung bei Argon. Es ist ungewöhnlich, so über ein Modell zu schreiben, das gerade zum besten der Welt erklärt wurde, doch genau das sagen die Endpunkte.