Google präsentiert Gemini 4 Carbon und erreicht Spitzenplatz bei wichtigem KI-Benchmark

Google hat Gemini 4 Carbon veröffentlicht, ein neues KI-Spitzenmodell, das bei einem der meistbeachteten unabhängigen KI-Benchmarks den ersten Platz erreicht hat. Anders als bei den meisten Veröffentlichungen wird es jedoch nicht sofort für alle zugänglich sein.

Bestwert beim Intelligence Index

Laut unabhängigen Tests von Artificial Analysis, über die Tom’s Hardware am 3. November berichtete, erzielte Gemini 4 Carbon 59 Punkte im Artificial Analysis Intelligence Index V5 und lag damit knapp vor Anthropics Claude Opus 5.5 mit 58 Punkten und OpenAIs GPT-6 Astra mit 57 Punkten. Bei vier der neun Bewertungen des Index belegte es den ersten Platz.

Es scheint zudem effizient zu sein: Carbon verwendete pro Aufgabe etwa 123.000 Output-Tokens, 29 % weniger als Claude Opus 5.5 in denselben Tests.

Bester Wissens-Score, aber nicht perfekt

Beim Wissens-Benchmark AA-Omniscience, der korrekte Antworten belohnt und frei erfundene bestraft, erzielte Carbon mit 54 auf einer Skala von -100 bis +100 den höchsten Wert aller Modelle. Seine Genauigkeit stieg gegenüber dem früheren Gemini 4 Argon von 48 % auf 58 %. Allerdings stieg auch seine Halluzinationsrate von 4 % auf 11 %, sodass selbst das beste Modell bei Weitem nicht immer richtig liegt.

Google zufolge ist Carbon darauf ausgelegt, Aufgaben abzulehnen, die es nicht erledigen kann, statt Antworten zu erfinden, und häufiger Quellen sowie vorgeschlagene Maßnahmen anzuzeigen.

Nicht in allem das Beste

Dieselbe Analyse ergab, dass Carbon beim Programmieren hinter Claude Code mit Opus 5.5 zurückliegt und bei einigen Aufgaben der Wissensarbeit mehreren Konkurrenten unterlegen ist. In niedrigeren Preisklassen bieten Open-Weight-Modelle chinesischer Labore weiterhin ein besseres Preis-Leistungs-Verhältnis.

Ein vorsichtiger Rollout

Statt einer öffentlichen Einführung gewährt Google zunächst ausgewählten „Cyber-Verteidigern“ über sein Fairwind-Programm Zugang; später soll das Modell über vertrauenswürdige Partner breiter verfügbar werden. Google erklärt, es habe mit der US-Regierung freiwillige Tests vor der Veröffentlichung durchgeführt und wolle seine Cybersicherheitsmaßnahmen stärken, bevor das Modell für Entwickler geöffnet wird. „Wir verfolgen bei der Einführung einen bewussten Ansatz“, erklärte das Unternehmen.

Was das für Sie bedeutet

• Die meisten Nutzer können es noch nicht ausprobieren. Nutzen Sie für die tägliche Arbeit weiterhin die heutigen Modelle von Gemini, ChatGPT oder Claude.
• Die Benchmark-Ergebnisse liegen dicht beieinander. Ein Vorsprung von einem Punkt verändert die Ergebnisse in der Praxis selten; das beste Modell hängt von Ihrer Aufgabe ab.
• Überprüfen Sie Fakten immer. Selbst das Modell mit der höchsten Punktzahl macht weiterhin Fehler.