# Googles Gemini 4 Carbon: Spitze im Intelligenzindex, zuerst für Cyberverteidiger

> Gemini 4 Carbon belegt mit 59 Punkten den ersten Platz im Artificial Analysis Intelligence Index v5.0 und erzielt Spitzenwerte bei Cybersicherheits-Benchmarks. Vorerst kann es nur ein Teil der Cyberverteidiger nutzen.
>
> OpenCheese AI · 2026.10.29 · Webseite: https://opencheese.dev/de/blog/googles-gemini-4-carbon-spitze-im-intelligenzindex-zuerst-fuer-cyberverteidiger

Google hat mit Gemini 4 Carbon sein nach eigenen Angaben bislang leistungsfähigstes Modell angekündigt. Als Erste dürfen es diejenigen nutzen, deren Beruf es ist, Sicherheitslücken in Software aufzuspüren. Am Mittwoch erklärte Google DeepMind, Carbon belege mit 59 Punkten den ersten Platz in Version 5.0 des Artificial Analysis Intelligence Index, führe drei Cybersicherheits-Benchmarks an und könne sich tagelang durch technische Probleme arbeiten. Alle anderen dürfen die Benchmark-Tabelle lesen und warten.

## Ein Start, der vor allem einem Warteraum gleicht

Carbon wird schrittweise verfügbar. Ab dieser Woche erhält ein Teil der Cyberverteidiger Zugang. Anschließend will Google den Kreis über sein Fairwind Program nach und nach um weitere vertrauenswürdige Partner erweitern.

Entwickler, Unternehmen und Verbraucher kommen danach über die verschiedenen Google-Produkte zum Zug, und zwar "so bald wie möglich". Einen Termin nennt Google nicht. Zunächst will das Unternehmen Feedback sammeln und die Schutzmechanismen weiter verbessern.

Das Unternehmen erklärt außerdem, am freiwilligen Verfahren der US-Regierung für Modelltests vor der Veröffentlichung teilzunehmen. Google bezeichnet sein Vorgehen bei der Einführung als bedacht. Das ist die höfliche Umschreibung für "noch nicht".

Carbon kommt etwa zwei Wochen nach Gemini 4 Argon, das Google Anfang dieses Monats veröffentlicht hat. Laut Google zeigen die beiden Modelle, mit welchem Tempo das Unternehmen die Grenzen des Machbaren verschiebt. Seine Forschenden und Modelle arbeiteten "Hand in Hand", um die Fähigkeiten voranzutreiben und gleichzeitig die Schutzvorkehrungen auf dem aktuellen Stand zu halten. Zwei Spitzenmodelle binnen zwei Wochen lassen vermuten, dass diese Hände gut beschäftigt sind.

Die Preise entsprechen dem Einführungspreis von Argon:

- **Eingabe:** 2 US-Dollar pro Million Tokens.
- **Ausgabe:** 10 US-Dollar pro Million Tokens.
- **Zwischengespeicherte Eingabe:** 95 % Rabatt auf den Eingabepreis, also etwa 10 US-Cent pro Million.

Das Wort "Einführungspreis" ist dabei nicht ganz nebensächlich. Google sagt nicht, wie lange dieser Preis gilt.

## Die Rangliste

Die wichtigste Zahl liefert der Artificial Analysis Intelligence Index. Carbon erreicht in v5.0 einen Wert von 59 und liegt damit auf Platz eins. Googles eigener Beitrag nennt die Konkurrenz nicht. In Berichten über die Ankündigung heißt es, Claude Opus 5.5 und GPT-6 Astra lägen dahinter. Weder Google noch diese Berichte nennen deren Punktzahlen. Wie groß der Vorsprung ist, bleibt daher unbekannt.

Carbon liegt nicht überall vorn. In WebDev Arena legt es um 89 Elo-Punkte auf 1769 zu und belegt damit den vierten Platz. Google führt das auf die höhere Qualität der Ergebnisse und Artefakte zurück, die es für die Webentwicklung erzeugt.

Die von Google angeführten externen Ergebnisse stehen unten. Nach Angaben des Unternehmens wurden die Cybersicherheits-Benchmarks ohne Schutzmechanismen durchgeführt.

| Benchmark | Was gemessen wird | Ergebnis von Carbon |
|---|---|---|
| Artificial Analysis Intelligence Index v5.0 | Allgemeine Leistungsfähigkeit | 59, Platz 1 |
| SEC-bench Pro | Aufspüren realer Schwachstellen | 88,2 % |
| ExploitGym | Ausnutzen von Schwachstellen | 54,8 % |
| CWE-bench (von Collinear) | Beheben der eigentlichen Ursache durch Patches | 71,0 % |
| WebDev Arena | Webentwicklung | 1769 Elo, Platz 4, 89 Punkte mehr |
| Terminal-Bench 4.0 | Erfolgreiches Schummeln | 0,0 % (Versuche: 0,4 %) |
| Gray Swan Indirect Prompt Injection | Erfolgsquote von Angriffen | 0,0 % (Argon: 0,7 %) |

Google bezeichnet die ersten drei Cybersicherheitswerte als neuen Stand der Technik. Berichten über die Einführung zufolge belegt Carbon bei SEC-bench Pro und ExploitGym den Spitzenplatz.

## Darauf ausgelegt, dranzubleiben

Google positioniert Carbon für Aufgaben mit langem Zeithorizont, also solche, bei denen das Modell weitermachen muss, wenn der erste Plan scheitert. Intern hätten die Teams beobachtet, wie Carbon bei mehrstufigen technischen Aufgaben tagelang arbeitete und sich auch von Sackgassen nicht aufhalten ließ. Als Beispiele nennt Google die Ursachenanalyse und Behebung subtiler Fehler in großen Codebasen und Low-Level-Systemen.

Das ist eine Anekdote aus dem Unternehmen, kein Benchmark, und sollte auch so gelesen werden. Dennoch erklärt sie das Produktversprechen. Ein Modell, das sich tagelang mit einem hartnäckigen Bug beschäftigen kann, ist etwas anderes als eines, das einen Prompt beantwortet und dann zur nächsten Aufgabe übergeht.

Laut Google hat Nutzerfeedback die Arbeit geprägt. Die Verbesserungen erstrecken sich auf Programmierung, agentische und wissenschaftliche Aufgaben, Full-Stack-Webentwicklung und multimodales Verständnis. Der Beitrag nennt allerdings nur für einen Teil davon Zahlen.

## Die Argumente für den Einsatz in der Cybersicherheit

Google unterteilt die Cyberabwehr in die Phasen Erkennung, Validierung und Behebung und beansprucht für Carbon in jeder Phase die Spitzenposition.

- **Aufspüren.** Bei SEC-bench Pro erreicht Carbon 88,2 %. Laut Google spiegelt das die Fähigkeit wider, komplexe Schwachstellen in praktisch eingesetzter Software autonom aufzudecken.
- **Validieren.** Cyberverteidiger fragen Modelle zunehmend danach, welche Schwachstellen tatsächlich ausnutzbar sind. So können sie entscheiden, was zuerst behoben werden sollte oder ob eine Behebung überhaupt nötig ist. Bei ExploitGym erreicht Carbon 54,8 %, laut Google ein neuer Bestwert.
- **Patchen.** Bei CWE-bench von Collinear erreicht Carbon 71,0 %. Google beschreibt das als Fähigkeit, validierte Befunde direkt in funktionierende Fehlerbehebungen umzusetzen.

Google führt außerdem einige interne Ergebnisse und Erkenntnisse von Partnern an. In den unternehmenseigenen Benchmarks erreicht Carbon bei der Generierung von sicherem Code eine mehr als doppelt so hohe Erfolgsquote wie Argon. Das Chrome-Team berichtete, Carbon habe bei der Erstellung hochwertiger Patches mehr als 10-mal so gut abgeschnitten wie ein großes Spitzenmodell eines anderen KI-Labors. Google sagt nicht, welches Modell das war.

Wiz, das Google als seine führende Cloud-Sicherheitsplattform bezeichnet, sieht Carbon bei Benchmarks für Web-Penetrationstests vorn. Das ist eine Kernfähigkeit für die Initiative Scan for Good von Wiz.

Ein Modell, das hervorragend darin ist, Softwarefehler zu finden und auszunutzen, ist für diejenigen nützlich, die diese Software verteidigen, aber auch für diejenigen, die sie angreifen. Es ist schwer, darin keinen Zusammenhang mit der Reihenfolge zu sehen, in der Google Zugang gewährt. Google selbst formuliert das nicht so; diesen Zusammenhang stelle ich her.

## Die Aussagen zum Verhalten

Carbon nutzt denselben mehrschichtigen Sicherheits-Stack wie Argon. Google nennt als Bestandteile Modelltraining, Echtzeit-Schutz vor Missbrauch, Widerstandsfähigkeit gegen Prompt Injection und Chain-of-Thought-Überwachung. Nach eigenen Angaben ist Google beim Alignment diesmal weiter gegangen und hat das Modell darauf trainiert, bei komplexen Aufgaben oder unter hohem Druck angemessen zu reagieren. Die Aussagen des Unternehmens, in seiner eigenen Reihenfolge:

- **Weniger Abkürzungen.** Bei Terminal-Bench 4.0 sank erfolgreiches Schummeln auf 0,0 %, und die Versuche zu schummeln gingen auf 0,4 % zurück, während die Gesamtgenauigkeit stieg. In Live-Coding-Umgebungen mit internen Teams von Google gingen Warnmeldungen wegen schwerwiegender Abweichungen vom gewünschten Verhalten um fast 80 % zurück.
- **Mehr Ehrlichkeit.** In internen Tests wurden unbelegte Behauptungen im Vergleich zu Argon ungefähr halbiert. Laut Google nennt Carbon methodische Einschränkungen direkt im Arbeitsergebnis. Wenn eine Aktion blockiert ist, benennt es, was noch benötigt wird, statt etwas zu erfinden oder mit ausweichenden Formulierungen über fehlende Belege hinwegzugehen.
- **Besserer Umgang mit Mehrdeutigkeit.** Statt zu raten, ruft Carbon die relevanten Quellen ab und zeigt dem Nutzer etwaige Widersprüche, bevor es handelt.
- **Im vorgegebenen Rahmen bleiben.** Überschreitungen des Auftragsumfangs sind um 26 % zurückgegangen, unzureichende Auftragserfüllung um 29 %. Google zufolge macht das die durchgängige Umsetzung mehrstufiger Pläne zuverlässiger, während die Projektvorgaben eingehalten werden.
- **Prompt Injection.** Bisher lag Argon im Benchmark Indirect Prompt Injection von Gray Swan mit einer Angriffserfolgsquote von 0,7 % vorn. Carbon erreicht 0,0 % und widersteht damit jedem untersuchten Angriff.

Das Ergebnis zum Schummeln verdient einen zweiten Blick. Ein Modell, das seltener Abkürzungen nimmt und zugleich höhere Werte erzielt, ist eine bessere Geschichte als eines, das lediglich vorsichtiger ist. Genau so stellt Google es dar. Es ist aber auch ein Wert aus Googles eigener Trainings- und Testumgebung.

## Ein nüchterner Blick auf die Zahlen

Das meiste, was über Carbon bekannt ist, stammt von Google. Die Platzierung im Index stammt von Dritten, ebenso Benchmarks wie CWE-bench und der von Gray Swan. Die ohne Schutzmechanismen durchgeführten Evaluierungen und die internen Tests stammen jedoch von Google, ebenso der Chrome-Vergleich und die Berichte aus Live-Coding-Umgebungen.

In den bisherigen Veröffentlichungen fehlen mehrere Dinge:

- Ein Termin für die allgemeine Verfügbarkeit.
- Die Punktzahlen der Konkurrenz, die der Platzierung im Index zugrunde liegen.
- Die Identität des Modells, mit dem Chrome verglichen hat.
- Eine unabhängige Replikation der Cybersicherheitsergebnisse.

All das bedeutet nicht, dass die Aussagen falsch sind. Es bedeutet, dass es Behauptungen sind.

Vorerst liegt Googles leistungsfähigstes Modell in den Händen von Menschen, die dafür bezahlt werden, Software zu misstrauen. Dem Rest von uns wird gesagt, es komme bald, was bei einem Veröffentlichungsrhythmus von zwei Wochen eine dehnbare Zeiteinheit ist.

## Ähnliche Beiträge

- 2026.10.29 · [Googles Gemini 4 Carbon: Spitzenplatz im Intelligenzindex, starke Sicherheitswerte](https://opencheese.dev/de/blog/googles-gemini-4-carbon-spitzenplatz-im-intelligenzindex-starke-sicherheitswerte.md): Google zufolge hat Gemini 4 Carbon im Artificial Analysis Intelligence Index 5.0 59 Punkte erreicht und liegt damit vor Claude Opus 5.5 und GPT-6 Astra. Zugang erhalten zunächst einige auf Cyberabwehr spezialisierte Firmen, zu Preisen von 2 und 10 US-Dollar pro Million Tokens.
- 2026.10.10 · [Googles Gemini-Enterprise-Agent zielt auf Arbeit über Business-Apps hinweg](https://opencheese.dev/de/blog/googles-gemini-enterprise-agent-zielt-auf-arbeit-ueber-business-apps-hinweg.md): Google testet einen Gemini-Agenten, der Aufgaben planen, Unternehmenssysteme nutzen und eine eigene berufliche Identität führen kann. Das Enterprise-Tool befindet sich in einer privaten Vorschau, eine Einführung für Verbraucher ist später geplant.
- 2026.10.29 · [Chrome: Erweitertes Autofill ruft jetzt Bestellnummern und Buchungen aus Gmail ab](https://opencheese.dev/de/blog/chrome-erweitertes-autofill-ruft-jetzt-bestellnummern-und-buchungen-aus-gmail-ab.md): Laut Google wird die erweiterte Autofill-Funktion von Chrome Gemini mit Personal Intelligence nutzen, um Angaben aus Gmail für Formulare vorzuschlagen, etwa Bestellnummern und Flugbuchungen. Sie startet in den USA und lässt sich über die Einstellungen einschränken oder deaktivieren.