Gemini 4 Carbon vs. GPT-6 Astra: Zwei zugangsbeschränkte Flaggschiffe, eine Preisanpassungsfalle

Beide Modelle wurden deaktiviert ausgeliefert. GPT-6 Astra kam am 3. September 2026 als erstes OpenAI-Modell auf den Markt, das die kritische Cybersicherheitsschwelle im Rahmen seines eigenen Preparedness Framework überschritt, und es erreichte Unternehmen standardmäßig abgeschaltet, bis Administratoren am 9. September die Steuerungsmöglichkeiten erhielten, es zu aktivieren. Gemini 4 Carbon kam am 28. Oktober 2026 über Googles Fairwind Program zu einer namentlich benannten Kohorte von Cyberverteidigern und wurde erst am 10. November für zahlende API-Entwickler geöffnet. Diese gemeinsame Geschichte ist der Grund, warum der Vergleich interessanter ist als eine Ergebniszeile: Zwei Frontier-Labore kamen unabhängig voneinander zu dem Schluss, dass ein derart fähiges Modell eine Sperre braucht, und die beiden Sperren funktionieren unterschiedlich. Sie erklärt auch die Zahl, die die meisten Käufer übersehen: Carbon berechnet für eine Anfrage mit 900.000 Token denselben Tarif wie für eine mit 9.000 Token, während GPT-6 Astra die gesamte Anfrage neu bepreist, sobald man 272.000 Eingabe-Token überschreitet.

Wo die beiden wirklich identisch sind

Beginne mit den Zeilen, die übereinstimmen, denn sie grenzen die Entscheidung schneller ein als die Zeilen, die sich unterscheiden.

• Kontextfenster — 1.000.000 Token für Carbon; 1.050.000 für Astra, davon 922.000 maximale Eingabe und 128.000 maximale Ausgabe. Bei einem praktischen Prompt handelt es sich um denselben Rahmen, und beide Anbieter geben ihn in runden Millionen an.

• Eingabemodalität – Text, Bild und Datei für Astra; Text, Bild, Audio, Video und PDF für Carbon. Die Audio- und Video-Unterstützung von Carbon ist der einzige echte Unterschied in dieser Zeile.

• Positionierung — professionelle Langfristarbeit statt Chat. OpenAI verkauft Astra für Arbeit, die in vielen Schritten von einer Anweisung zu einem fertigen Artefakt führt, auf den Arbeitsflächen statt im Chat-Produkt. Google verkauft Carbon als sein stärkstes Modell für komplexe Langfristaufgaben, mit erweiterten Verifikationsschleifen in Softwareentwicklung, Cybersicherheit, Wissensarbeit und Wissenschaft. Keiner der Anbieter behauptet, einen besseren Chatbot zu haben.

• Zum Start begrenzt — Astra am ersten Tag für eine begrenzte Auswahl an Organisationen, danach der breitere ChatGPT- und API-Rollout; Carbon für Cyber-Verteidiger und Fairwind-Partner zwölf Tage lang vor dem kostenpflichtigen API-Zugang.

• Unabhängige Einordnung – beide werden am Artificial Analysis Intelligence Index v5.0.1 gemessen, was nicht für jedes Modell in dieser Preisklasse gilt und die Zahlen auf eine Weise miteinander vergleichbar macht, wie es bei den meisten labübergreifenden Vergleichen nicht der Fall ist.

• Wissens-Cutoff – bei Astra ist es der 30. April 2026. Für Carbon hat Google keinen Cutoff veröffentlicht, und die Modelldokumentation führt dieses Feld nicht, daher ist diese Zeile einseitig – gut zu wissen, bevor man eine Pipeline für aktuelle Daten auf der Annahme aufbaut, sie sei aktuell.

Die 272.000-Token-Zeile, durchgearbeitet

Dies ist der Teil des Vergleichs, der Budgets verändert, deshalb bekommt er Arithmetik statt Adjektive.

GPT-6 Astra berechnet 10 US-Dollar pro Million Eingabe-Tokens und 50 US-Dollar pro Million Ausgabe-Tokens bis zu 272.000 Eingabe-Tokens. Ab dieser Grenze berechnet es 20 US-Dollar und 75 US-Dollar – und die gesamte Anfrage wird neu bepreist, nicht nur die Tokens jenseits der Grenze. Ein Prompt mit 300.000 Tokens kostet nicht etwas mehr als einer mit 270.000 Tokens; er kostet das Doppelte bei der Eingabe und das Anderthalbfache bei der Ausgabe, und zwar für alle 300.000 Tokens.

G​emini 4 Carbon hat keine Längenstufe. Der Tarif beträgt ab dem 1. Dezember 2026 4 $ pro Million Input und 20 $ pro Million Output sowie bis zum 30. November 2 $/10 $. Es gibt bei keiner Kontextlänge eine Stufe, was bedeutet, dass derselbe Tarif gilt, egal ob Sie 2.000 Token oder 900.000 senden.

Richten Sie eine 400.000-Token-Dokumentanalyse-Anfrage an beide, zur Carbon-Preisgestaltung nach dem 1. Dezember:

• GPT-6 Astra — 400.000 Eingabe-Tokens zu 20 US-Dollar pro Million ergeben 8,00 US-Dollar für den Prompt, noch bevor überhaupt eine Ausgabe anfällt. Dieselbe Anfrage unterhalb der 272.000-Token-Grenze hätte 4,00 US-Dollar gekostet; das Überschreiten der Grenze verdoppelte die Kosten.

• Gemini 4 Carbon — 400.000 Eingabe-Tokens zu 4 $ pro Million sind 1,60 $. Die Länge hatte keinen Einfluss auf den Satz.

Fügt man 20.000 Output-Tokens hinzu, vergrößert sich die Lücke: Astra berechnet diese mit 75 US-Dollar pro Million, also 1,50 US-Dollar, gegenüber Carbons 20 US-Dollar pro Million, also 0,40 US-Dollar. Die vollständige Anfrage kommt auf 9,50 US-Dollar gegenüber 2,00 US-Dollar. Für eine Pipeline, die ganze Codebasen oder vollständige Dokumentensätze liest, ist das ein Faktor fünf bei genau der Arbeitslast, für die beide Modelle verkauft werden – und es ist auf einer Preisliste unsichtbar, die nur die Schlagzeilenwerte nennt.

Carbons Vorteil fällt bei kurzen Prompts geringer aus, wo beide im günstigen Bereich liegen und Astra mit $10/$50 gegenüber Carbon mit $4/$20 auf 60 % günstiger statt fünfmal günstiger hinausläuft. Die Klippe, nicht die Schlagzeile, ist das, was modelliert werden muss.

Die Ergebnisse und die beiden Benchmarks, die gegenläufig verlaufen

Artificial Analysis hat beide Modelle, gemessen am selben Index, was die sauberste verfügbare Vergleichsmöglichkeit ist:

• Intelligence Index v5.0.1 — {{1}}G​emini 4 Carbon{{/1}} 60 bei hohem Aufwand, Platz vier von 74. {{2}}GPT-6 Astra{{/2}} 57 bei maximalem Aufwand, Platz acht von 74. Carbons eigener Regler verschiebt es auf 58 bei mittlerem und 54 bei niedrigem Aufwand; Astra kommt auf 55 bei xhigh und hohem Aufwand, auf 52 bei mittlerem und auf 43 bei niedrigem Aufwand.

• Kosten pro Indexierungsaufgabe — 7,76 $ für Carbon gegenüber 6,24 $ für Astra. Astra ist pro abgeschlossener Aufgabe das günstigere Modell, obwohl es pro Token mehr kostet, weil es bei der Evaluierung weniger ausführlich ist.

• Ausgabegeschwindigkeit — 79 Token pro Sekunde für Carbon, 37 für Astra. Dies ist der größte Abstand in den unabhängigen Daten, und er fällt mit mehr als dem Zweifachen zugunsten von Carbon aus.

• Zeit bis zum ersten Antwort-Token – 67 Sekunden für Carbon gegenüber 238 Sekunden für Astra. Vier Minuten bis zum ersten Token sind eine andere Kategorie von Latenz, und das ist der Grund, warum Astra hinter einer Warteschlange statt hinter einem Request-Handler betrieben wird.

• Ausführlichkeit — Carbon verbrauchte 205 Millionen Ausgabe-Tokens im Index; Astras Seite veröffentlicht bei maximalem Aufwand keine vergleichbare Zahl, daher kann diese Zeile nicht verglichen werden und sollte nicht geschätzt werden.

Bei ihren höchsten Einstellungen trennen sie drei Punkte, und die Reihenfolge bleibt unter dem Aufwandsregler stabil: Carbons mittlere Einstellung (58) schlägt weiterhin Astra auf Maximum (57). Doch die unabhängigen Daten enthalten auch das entscheidende Gegenbeispiel. Googles eigener Beitrag vom 10. November räumt ein, dass Carbon FrontierSWE 2 gegen GPT-6 Astra verliert — eine der beiden Benchmark-Niederlagen, die er aufführt —, und dabei handelt es sich um einen vom Anbieter gemeldeten Vergleich aus dem eigenen Launch-Material des Modells, was ein Eingeständnis so verlässlich macht, wie es nur geht. Fürs Protokoll: Carbon verliert außerdem OSWorld-2.1 offline gegen Claude Opus 5.5.

Der Rest von Carbons Launch-Sheet stammt von Google selbst und wurde nicht reproduziert: Erster auf CursorBench 4.0, auf Perplexitys WANDR und auf Zapiers AutomationBench mit mehr als doppelt so niedrigen Kosten pro Aufgabe wie das nächstbeste externe Modell; Zweiter bei einem neuen Multimodal Knowledge Agent-Benchmark mit über sechsmal niedrigeren durchschnittlichen Kosten pro Aufgabe; geteilter erster Platz bei Hebbias End-to-End-Finanzbewertung; an der Spitze von 23 Frontier-Konfigurationen auf Balyasnys GMI. Auf der Cyber-Seite: SEC-bench Pro 88,2 %, ExploitGym 54,8 %, CWE-bench 71,0 % und Project Fortify mit 100 % Scan-Recall und 95 % Triage-Präzision. Jede einzelne davon ist eine Behauptung über einen bestimmten Aufgabenmix, veröffentlicht vom Anbieter, von niemandem außerhalb Googles auditiert, zu einem Modell, das seit einem Tag allgemein aufrufbar ist.

Zwei Tore, zwei unterschiedliche Probleme

Astras Gate ist eine Klassifizierung. Das Überschreiten von Critical im Preparedness Framework von OpenAI ist ein Befund darüber, wozu das Modell fähig ist, und die Konsequenzen sind strukturell: Enterprise-Deployments werden standardmäßig deaktiviert ausgeliefert, Administratoren müssen das Modell explizit aktivieren, und die Schutzvorkehrungen werden stufenweise ausgeweitet, statt alles auf einmal freizugeben. Der Vorteil dieser Ausgestaltung ist, dass die Kontrolle beim Administrator des Kunden liegt. Der Preis dafür ist, dass ein Enterprise-Rollout einen zusätzlichen Genehmigungsschritt hat, bei dem es nicht um Beschaffung geht.

Carbons Zugangshürde war eine Kohorte. Googles Beitrag vom 28. Oktober nannte Cyber-Verteidiger, dann Partner des Fairwind Program, dann Entwickler und Verbraucher „so bald wie möglich“. Es gab keine Modell-ID, keinen Endpoint, keinen Vorbehalt zur Preisliste und keine veröffentlichte Modellkarte. Am 10. November wurde die kostenpflichtige API geöffnet und die Preisliste erschien, und die Zugangskontrolle verschob sich von der Frage, wer das Modell aufrufen darf, zu der Frage, wer es aufrufen darf, ohne zu zahlen – also niemand. Carbon hat überhaupt keine kostenlose Stufe: Jedes Token wird berechnet, einschließlich Thinking-Tokens und einschließlich Systemanweisungen für Tools, wenn Grounding aktiviert ist.

Dieser Unterschied sollte für alle, die einen Rollout planen, klar benannt werden. Astras Einschränkung ist ein administrativer Schalter, den jemand in Ihrer Organisation kontrolliert. Carbons Einschränkung ist eine Rechnung ohne Untergrenze und – seit dem 11. November – ohne veröffentlichte Ratenlimits; auf Googles Modellseite werden sie nicht genannt, sodass Durchsatz etwas ist, das man durch Aufrufen der API herausfindet, statt darüber zu lesen.

Welchen soll man hinter den harten Call stecken?

Für die Arbeit mit Dokumenten und Codebasen im Langkontext ist die Antwort Carbon, und der Grund ist die 272.000-Token-Grenze und nicht der Drei-Punkte-Abstand im Index. Astras Preisumstellung ist eine Falle für genau die Workload, für die es gebaut wurde; ein Modell, das mit durchgängiger professioneller Arbeit über lange Horizonte beworben wird, ist ein Modell, das regelmäßig 272.000 Eingabe-Tokens überschreiten wird, und jede dieser Anfragen zahlt für den gesamten Prompt doppelt.

Für latenzempfindliches Serving ist keines von beiden geeignet, und die Wahl ist müßig. 67 Sekunden bis zum ersten Token gegenüber 238 ist ein Wettstreit zwischen zwei Modellen, die beide in eine Batch-Warteschlange gehören.

Für eine Arbeitslast, bei der Astras spezifische Stärken zum Tragen kommen – und G​oogles eigenes Zugeständnis in FrontierSWE 2 besagt, dass es mindestens eine gibt –, ist die Drei-Punkte-Lücke kleiner als das Konfidenzintervall eines einzelnen Index, und ein Wechsel kostet mehr als der Unterschied. Astra ist außerdem seit zwei Monaten in Produktion und Carbon seit einem Tag, was ein echter Vorteil bei einem Modell ist, dessen Fehlermodi Sie bereits katalogisiert haben.

Die Zeile „Kosten pro Aufgabe“ verdient einen weiteren Durchgang, denn sie ist die Zahl, zu der ein Skeptiker greifen wird. Astra mit 6,24 $ gegenüber Carbon mit 7,76 $ bedeutet, dass Astra pro abgeschlossener Index-Aufgabe 20 % günstiger ist, während es pro Token 150 % mehr kostet. Die Auflösung liegt in der Ausführlichkeit: Astra denkt beim Index weniger, Carbon denkt mehr. Wenn Ihre Arbeitslast dem Index ähnelt, ist die Zahl pro Aufgabe die ehrliche. Wenn sie dem Lesen eines Dokuments mit 400.000 Token ähnelt, ist die Zahl pro Aufgabe irrelevant, und die Längenstaffel entscheidet alles. Die meisten realen Arbeitslasten sind von der zweiten Art, weshalb der plakative Preisvergleich Carbons Vorteil untertreibt, statt ihn zu übertreiben.

Beides zu betreiben, was die meisten Teams tun werden

Das realistische Ergebnis eines so knappen Vergleichs ist, dass ein Team am Ende beides hat: Carbon für die langen Reads und die cybernahen Arbeiten, Astra für alles, was die bestehenden Pipelines bereits nachweislich gut können. Beide sind Closed-Weight-Anbieter-APIs, das bedeutet zwei Verträge, zwei SDK-Oberflächen und zwei Abrechnungsbeziehungen — genau die Situation, die ein Router glätten soll. Beide sind hier im Katalog: openai/gpt-6-astra bei O​penAI mit 10 und 50 US-Dollar sowie dem zwischengespeicherten Read für 1,00 US-Dollar und derselben 272.000-Token-Staffelung sowie derselben OpenAI-kompatiblen Oberfläche wie die anderen 216 Modelle auf dem Schlüssel. G​emini 4 Carbon ist nicht in unserem Katalog und wird über G​oogles kostenpflichtige API erreicht; nichts hier sollte so gelesen werden, als würden wir behaupten, es anzubieten.

Was Routing in dieser speziellen Paarung bringt, ist eine Fallback-Kette. Carbon ist seit einem Tag für die breite Öffentlichkeit aufrufbar, mit unveröffentlichten Rate Limits – genau die Situation, in der ein zweites Modell hinter demselben Endpoint einen Ausfall in eine langsamere Antwort statt in eine fehlgeschlagene Anfrage verwandelt. Es bedeutet außerdem, dass die Preisanpassung vom 1. Dezember als Konfigurationsänderung und nicht als Migration ankommt – der Listenpreis des Anbieters fließt mit 0 % Aufschlag durch, sodass sich die Zahl auf unserer Seite an dem Tag ändert, an dem sich die von G​oogle ändert, und eine Policy, die lange Prompts an dasjenige Modell leitet, das in diesem Monat pro Token günstiger ist, ist eine Zeile in einer DSL statt eines Code-Zweigs.

Was zu sehen

Zwei Dinge, beide datiert. Der Preis von Carbon verdoppelt sich am 1. Dezember, was die Headline-Lücke gegenüber Astra bei kurzen Prompts halbiert, während die Long-Context-Lücke unberührt bleibt – die Klippe wird schlimmer, nicht besser. Und Astras Effort-Leiter gibt O​penAI Spielraum, sich ohne ein neues Modell zu bewegen: xhigh bei 55 liegt drei Punkte unter einer Max-Einstellung, die pro Aufgabe mehr kostet, sodass ein Routing-Standard auf xhigh ein legitimer Weg ist, Astra-Kapazität zu einem niedrigeren effektiven Satz zu kaufen – und einer, den die meisten Käufer nie ausprobieren.

Was sich nicht ändern wird, ist der strukturelle Umstand, auf den dieser Vergleich hinausläuft. Eines dieser Modelle berechnet bei jeder Länge einen Pauschalpreis, und das andere verdoppelt die gesamte Anfrage ab einer Schwelle, und für die langfristige Arbeit, mit der beide Anbieter werben, ist dieser Unterschied mehr als drei Indexpunkte wert.