Google hat am 28. Oktober Gemini 4 Carbon vorgestellt und bezeichnet es als sein bislang stärkstes Gemini-Modell, ausgelegt auf Cybersicherheit und langfristige Agentenaufgaben. Vorerst steht das Modell nur einer kleinen Gruppe von Cyberabwehr-Teams offen; später soll es über ein Programm namens Fairwind schrittweise für weitere vertrauenswürdige Partner geöffnet werden. Einen Starttermin für Entwickler, Unternehmen und Endnutzer nennt Google nicht, man verspricht lediglich „so bald wie möglich“.
„Gemini 4 Carbon is our strongest model with state-of-the-art cybersecurity and long horizon capabilities.“
(Gemini 4 Carbon ist unser stärkstes Modell und erreicht bei Cybersicherheit und Aufgaben mit langem Planungshorizont den Stand der Technik.)
Die Zeugnisnoten konzentrieren sich auf Sicherheit
Die meisten der von Google veröffentlichten Werte stammen aus Sicherheits-Benchmarks. Beim Aufspüren von Schwachstellen erreicht Carbon im SEC-bench Pro 88,2 %, bei ExploitGym, das prüft, ob sich eine Schwachstelle tatsächlich ausnutzen lässt, 54,8 %. Beide Werte bezeichnet Google als Bestwerte. Beim Schließen von Schwachstellen kommt das Modell im CWE-bench auf 71,0 %.
In den allgemeinen Ranglisten holt Carbon im Artificial Analysis Intelligence Index v5.0 59 Punkte und liegt damit auf Platz eins. In der WebDev Arena, der Duell-Rangliste für Webentwicklung, steht das Modell bei 1768 Elo auf Rang vier, rund 89 Punkte über der Vorgängergeneration.
Hinzu kommen einige Google-interne Zahlen, die bislang kein Dritter nachvollzogen hat: Die Erfolgsquote bei der Erzeugung sicheren Codes liegt mehr als doppelt so hoch wie bei Argon. Das Chrome-Team von Google gibt nach einem Test an, Carbon erzeuge hochwertige Patches mehr als zehnmal besser als „das große Frontier-Modell eines anderen Labors“; welches gemeint ist, bleibt offen.
Schutz vor Injection und Schummeln
Der Blogbeitrag widmet der Sicherheit des Modells selbst viel Raum. Im Test von Gray Swan zu indirekter Prompt-Injection liegt die Angriffserfolgsquote von Carbon bei 0,0 %, bei Argon waren es 0,7 %. Im Terminal-Bench 4.0 versucht das Modell in 0,4 % der Fälle zu schummeln, die Erfolgsquote beim Schummeln sinkt auf null. Google gibt außerdem an, unbelegte Behauptungen seien um etwa die Hälfte zurückgegangen, übermäßiges Ausführen von Aufgaben um 26 % und das Unterlassen gebotener Schritte um 29 %.
Bei den Schutzmaßnahmen übernimmt Carbon den mehrstufigen Ansatz von Argon: Alignment im Training, Echtzeit-Blockade von Missbrauch, Schutz vor Prompt-Injection und Überwachung der Gedankenketten. Google erklärt, es habe an den freiwilligen Modelltests der US-Regierung vor der Veröffentlichung teilgenommen.
„We’re taking a deliberate approach to rollout.“
(Beim Rollout gehen wir bewusst langsam vor.)
Zwei Modelle in zwei Wochen, der Preis steht zuerst
Setzt man die Termine nebeneinander, ist Googles Takt in diesem Monat dicht. Vor zwei Wochen kam Gemini 4 Argon, das auf physikalisches Schlussfolgern und verkörperte Aufgaben zielt, zunächst für Sicherheitsteams geöffnet und danach für alle. In dieser Woche folgte das Weltmodell Genie 4; Carbon baut direkt auf Argon auf.
Beim Preis gilt für Carbon und Argon derselbe Einführungstarif: 2 US-Dollar pro Million Token für die Eingabe, 10 US-Dollar für die Ausgabe, zwischengespeicherte Eingaben werden mit 5 % des Eingabepreises berechnet. Nach Ende der Einführungsphase steigen die Preise auf 4 US-Dollar für die Eingabe und 20 US-Dollar für die Ausgabe. Wie lange die Einführungsphase dauert, sagt der Blog nicht.
Diese Preisgestaltung ist ungewöhnlich. Üblicherweise wird ein Modell zuerst freigegeben und erst dann über den Preis gesprochen; bei Carbon steht der Preis fest, während der Zeitpunkt der Öffnung offen ist. Argon ging zuerst an Sicherheitsteams und später an alle, der Abstand war nicht groß; ob Carbon demselben Rhythmus folgt, lässt sich derzeit nicht beurteilen.
Der Haupttext des Blogs nennt weder, wann API, Gemini-App und Vertex AI das Modell bekommen, noch die Kontextlänge. Für Entwickler in China ändert sich an den regionalen Beschränkungen der Gemini-API nichts: Selbst wenn Carbon in die öffentliche Phase geht, hängt ein direkter Zugriff weiterhin von Googles Liste der unterstützten Regionen ab.
Sicherheitsmodelle häufen sich
Im selben Zeitraum verkaufen mehrere Anbieter die Fähigkeit, Schwachstellen zu finden, als Kernargument ihrer Spitzenmodelle. Anthropic hatte einen Tag zuvor einen Bericht veröffentlicht, wonach ein internes Forschungsmodell in mehreren gängigen Systemen Schwachstellen aufgespürt und Angriffsketten geschrieben hat; auch OpenAI treibt die externe Überprüfung von KI-gestützter Schwachstellensuche voran. Dass Google die ersten Carbon-Nutzer auf die Verteidigerseite beschränkt, passt zu dieser Linie der Branche: Die Fähigkeit soll zuerst denen helfen, die das Tor bewachen, und einen Teil der Altlasten beseitigen, bevor Angreifer gleichwertige Werkzeuge in die Hände bekommen.
Dass das Chrome-Team Carbon zum Patchen einsetzt, zeigt zudem, dass Googles eigene Produktlinien die ersten Anwender sind. Ob solche internen Tests tragen, lässt sich erst vergleichen, wenn mehr externe Abwehrteams Zugriff erhalten.
Quellen: Ankündigungsbeitrag zu Gemini 4 Carbon im offiziellen Google-Blog, Google-DeepMind-Blog, CocoLoop; Benchmark-Werte, Einführungsphase und regulärer Preis wurden abgeglichen.