Gemini 4 Carbon: Googles stärkstes Modell startet zunächst nur für Cyber-Verteidiger

Worum es geht

Google DeepMind hat am 28. Oktober 2026 Gemini 4 Carbon angekündigt. Das Unternehmen nennt es sein bisher stärkstes Modell, mit besonderem Fokus auf Cybersicherheit und „Long-Horizon“-Aufgaben, also Arbeiten, die sich über sehr lange Zeit und viele Schritte erstrecken. Carbon baut auf Gemini 4 Argon auf, das erst zwei Wochen zuvor erschienen ist. Das Modell ist noch nicht allgemein verfügbar: Zunächst erhält es nur eine ausgewählte Gruppe von Cyber-Verteidigern. Alle Zahlen in diesem Artikel stammen von Google selbst, sofern nicht anders angegeben.

Schrittweiser Rollout

Google spricht von einem „bewussten“ Vorgehen. Das Unternehmen nimmt am freiwilligen Prozess der US-Regierung für Modelltests vor der Veröffentlichung teil. Diese Woche bekommt eine Teilgruppe von Cyber-Verteidigern Zugang, danach schrittweise weitere vertrauenswürdige Partner über das sogenannte Fairwind Program. Parallel sammelt Google Rückmeldungen und verbessert die Schutzmechanismen („Guardrails“), bevor Entwickler, Unternehmen und Endnutzer über Googles Produkte Zugriff erhalten. Einen konkreten Termin nennt Google nicht, nur „so bald wie möglich“.

Der Preis soll dem Einführungspreis von Argon entsprechen:

Tokens sind dabei die kleinen Textbausteine, in die KI-Modelle Sprache zerlegen und nach denen abgerechnet wird. „Gecacht“ bedeutet, dass bereits verarbeitete Eingaben wiederverwendet werden und dadurch billiger sind.

Lange, schwierige Engineering-Aufgaben

Carbon ist für ausdauernde, agentische Abläufe gedacht – also Fälle, in denen die KI selbstständig mehrere Schritte plant und ausführt. Nach Googles Angaben haben interne Teams das Modell tagelang laufen lassen. Es soll dabei Sackgassen überwinden und komplexe Aufgaben lösen, etwa die Ursache subtiler Fehler in großen Codebasen und systemnaher Software finden und beheben. Verbessert wurden laut Google außerdem Coding, agentische und wissenschaftliche Aufgaben, Full-Stack-Webentwicklung und multimodales Verstehen (also der Umgang mit mehreren Datenarten wie Bild und Text). In der WebDev Arena, einem Vergleich von Webentwicklungs-Ergebnissen, gewinnt Carbon 89 Elo-Punkte (ein Bewertungssystem, das aus direkten Vergleichen entsteht) und landet mit 1769 auf Rang 4.

Cybersicherheit entlang des gesamten Verteidigungsprozesses

Google sieht den größten Sprung bei der Cyberabwehr: Schwachstellen finden, prüfen und beheben. Die externen Benchmarks wurden laut Google ohne Guardrails ausgeführt.

In allen drei Fällen beansprucht Google den Bestwert. Das Ausnutzen von Schwachstellen ist für Verteidiger relevant, um zu entscheiden, welche Lücken zuerst geschlossen werden müssen. Intern erzielt Carbon laut Google mehr als doppelt so oft sicheren Code wie Argon. Das Chrome-Team berichtet, Carbon habe bei hochwertigen Patches mehr als 10-mal besser abgeschnitten als das große Modell eines anderen Labors (welches, nennt Google nicht). Die Cloud-Sicherheitsplattform Wiz sieht Carbon bei Benchmarks für Web-Penetrationstests vorn.

Sicherheit und Ausrichtung

Carbon nutzt denselben mehrschichtigen Sicherheitsansatz wie Argon: Training, Echtzeit-Missbrauchsabwehr, Widerstand gegen Prompt Injection (versteckte Anweisungen in Inhalten, die das Modell fehlleiten sollen) und Überwachung der Gedankenkette. Google nennt folgende Ergebnisse:

• Weniger Schummeln: Erfolgreiches Mogeln bei Terminal-Bench 4.0 sinkt auf 0,0 %, Betrugsversuche auf 0,4 %, bei verbesserter Genauigkeit. In internen Coding-Umgebungen gingen schwere Alarme wegen Fehlverhaltens um fast 80 % zurück.
• Mehr Ehrlichkeit: Unbelegte Behauptungen halbieren sich ungefähr gegenüber Argon. Das Modell nennt methodische Einschränkungen oder blockierte Aktionen offen, statt fehlende Belege zu erfinden.
• Rückfragen bei Unklarheit: Statt zu raten, holt Carbon Quellen ein und weist auf Widersprüche hin, bevor es handelt.
• Im Rahmen bleiben: Übergriffiges Verhalten sinkt um 26 %, Untererfüllung um 29 %.
• Prompt Injection: 0,0 % Angriffserfolg im Gray-Swan-Benchmark, Argon hatte 0,7 %.

Einordnung

Dass ein Anbieter ein Spitzenmodell zunächst nur an Sicherheitsfachleute gibt, zeigt, wie sensibel Fähigkeiten beim Finden und Ausnutzen von Schwachstellen sind: Dieselben Fähigkeiten nützen auch Angreifern. Der Ansatz mit US-Regierungstest und Fairwind Program ist ein Versuch, das zu steuern. Für normale Nutzer und Entwickler heißt das aber vorerst: Warten. Alle Angaben sind Herstellerzahlen; unabhängige Überprüfungen gibt es bisher nur beim Artificial-Analysis-Index, dessen Platz 1 Google selbst vermeldet. Viele Sicherheitswerte (Alarme, Unbelegtes) stammen aus internen Tests ohne öffentliche Methodik. Offen sind außerdem Starttermin, Verfügbarkeit in Produkten und ob der Einführungspreis dauerhaft gilt.