Google hat Gemini 4 Carbon vorgestellt, ein multimodales Modell für Cybersicherheitsaufgaben, das laut DeepLearning.AI den ersten Platz im Intelligence Index von Artificial Analysis vor Claude Opus 5.5 von Anthropic belegt. Berichten zufolge ist das Modell derzeit nicht für die breite Öffentlichkeit verfügbar, sondern wird von Google einem ausgewählten Kreis von Cybersicherheitsunternehmen zur Verfügung gestellt. Ein Datum für die breite Verfügbarkeit wurde nicht veröffentlicht.
Laut der Quelle verarbeitet Carbon Text, Bilder, Sprache und Videos mit bis zu einer Million Token und gibt Text mit einer Geschwindigkeit von 94,6 Token pro Sekunde aus. Das Modell verfügt über einstellbares Reasoning und belegt den ersten Platz im Intelligence Index Version 5.0 mit einer Bewertung von 59, den zweiten Platz im Vals Index mit 70,36 Prozent und den ersten Platz in der Text-Rangliste von Arena.ai mit 1.528 Elo-Punkten. Der Preis über die API beträgt in der Einführungsphase zwei, 0,10 und zehn Dollar pro Million Eingabe-, gecachter und Ausgabe-Token, danach vier, 0,20 und 20 Dollar. Parameter, Architektur und Trainingsdaten wurden nicht veröffentlicht.
Google gibt an, dass Carbon die Entwicklung des Modells Gemini 4 Argon fortsetzt und dass Codierung, Wissenschaft, mehrstufige agentische Aufgaben und multimodales Verständnis verbessert wurden. Das Modell belegt den ersten Platz in vier von neun Einzeltests des Intelligence Index, darunter AutomationBench-AA für Geschäftsaufgaben und AA-Omniscience für Allgemeinwissen. Im Coding Agent Index belegt es den zweiten Platz hinter Claude Opus 5.5, erledigt Aufgaben jedoch schneller und zu niedrigeren Kosten. In drei anspruchsvollen Cybersicherheitstests, CWE-bench, ExploitGym und SEC-bench Pro, erzielte es 71,0, 54,8 und 88,2 Prozent, wobei es sich um eigene Daten des Unternehmens handelt.
Laut der Quelle entspricht der Preis pro Token nach Ablauf des Einführungsrabatts dem von Claude Opus 5.5, aber Carbon erledigt Aufgaben mit 29 Prozent weniger Ausgabe-Token und 23 Prozent niedrigeren Kosten pro Aufgabe.
Was das für Unternehmen bedeutet
Für Unternehmen, die die Einführung fortschrittlicher Modelle erwägen, zeigt die Nachricht, dass sich der Wettbewerb zunehmend vom reinen Preis pro Token auf die Effizienz pro Aufgabe verlagert. Ein Modell, das weniger Ausgabe-Token verbraucht, kann die Betriebskosten bei umfangreichen agentischen Prozessen erheblich senken, auch wenn der Einführungspreis nur begrenzte Zeit gilt. Die begrenzte Verfügbarkeit und das Fehlen von Informationen zur Architektur erschweren eine unabhängige Risikobewertung. Für Unternehmen mit sensiblen Daten ist es daher ratsam, Pilotprojekte und Vergleichstests vor einer breiteren Anwendung zu planen. Die Ergebnisse im Bereich Cybersicherheit sind eigene Daten des Unternehmens und erfordern zusätzliche Überprüfung.
Diese Zusammenfassung wurde mit KI auf Grundlage der genannten Quelle erstellt und automatisch geprüft. Genaue Details finden Sie im Originalartikel.