Gemini 4 Carbon: Was Googles Modell und der Swarm-Modus taugen

Gemini 4 Carbon ist Googles bislang stärkstes KI-Modell und steht seit dem 10. November 2026 zahlenden Entwicklern, Unternehmen und Abonnenten von Google AI Ultra zur Verfügung. Dazu zeigt Google als Preview den Modus /swarm in der Entwicklungsplattform Antigravity, der aus einem einzigen Prompt ein Team koordinierter Agenten macht. Pro Token ist Carbon deutlich günstiger als Anthropics Fable 5.2, in den unabhängigen Tests liegt es aber knapp dahinter.

Was ist Gemini 4 Carbon und wer bekommt es?

Carbon ist das zweite Spitzenmodell der Gemini-4-Familie nach Argon, das erst im Vormonat erschienen war. Etwa zwei Wochen lang war es nur für ausgewählte Sicherheitsexperten im sogenannten Fairwind Program zugänglich. Jetzt folgt der breite Start.

Das gilt konkret:

• Entwickler und Unternehmen: Zugriff per API in Google AI Studio und über Gemini for Business, sofern sie zahlen. The Decoder nennt zusätzlich Android Studio.
• Privatnutzer: Das Modell kommt für Abonnenten von Google AI Ultra in die Gemini-App, in den AI Mode der Suche und in Antigravity.
• Alle anderen: Ob und wann günstigere Abostufen oder kostenlose Nutzer Carbon bekommen, ist laut The Verge offen.

Für Forschende gibt es ein Programm, über das Google 10.000 Wissenschaftlern sechs Monate lang kostenlosen Zugang zu Antigravity gibt. Teilnehmer bekommen nun auch Carbon, die Bewerbung läuft weiter.

Carbon oder Argon: Für welche Aufgaben lohnt das größere Modell?

Google beantwortet das selbst ungewöhnlich zurückhaltend. Argon bleibe die ideale Wahl für den Großteil von Softwareentwicklung und Wissensarbeit. Carbon sei für Aufgaben gedacht, die die Grenzen eines Modells austesten: mehrstufiges Programmieren und Debuggen sowie offene wissenschaftliche Forschung.

Der Haken steckt im Verbrauch. Beide Modelle kosten pro Token gleich viel, doch Carbon denkt tiefer nach und fährt längere Prüfschleifen. Es braucht dafür mehr Tokens. The Decoder rechnet deshalb damit, dass die Gesamtrechnung bei Carbon trotz identischem Tokenpreis höher ausfällt.

Unser Eindruck: Argon sollte der Standard bleiben, Carbon der Eskalationsschritt für Probleme, an denen das günstigere Modell scheitert. Wer alles pauschal auf Carbon umstellt, zahlt für Denkleistung, die er oft nicht braucht.

Google nennt außerdem Bestwerte auf CursorBench 4.0, Perplexitys WANDR und Zapiers AutomationBench, bei weniger als der Hälfte der Kosten pro Aufgabe des nächstbesten Modells. Im neuen Multimodal Knowledge Agent Benchmark (MKA), der Dokumente mit Diagrammen, Plänen und Tabellen prüft, landet Carbon auf Platz 2, knapp hinter Fable 5.2. Der MKA entstand gemeinsam mit Artificial Analysis. Bedenke, dass Hersteller gern die Benchmarks hervorheben, bei denen sie gut aussehen. Das merkt auch The Verge an.

Was steckt hinter dem Swarm-Modus?

Ein Agent ist ein Modell, das Aufgaben in mehreren Schritten selbstständig erledigt, Werkzeuge nutzt und sein Ergebnis prüft. Ein Swarm ist eine Gruppe davon. In Antigravity weist du Carbon die Rollen zu, die viel Denkarbeit erfordern: Architektur, Koordination, Kontrolle. Schnellere, leichtere Modelle arbeiten parallel in getrennten Arbeitsumgebungen. Dazu kommen “adversarial verifiers”, also Prüf-Agenten, die jede Änderung gezielt anzugreifen versuchen. Den Fortschritt verfolgst du live.

Google zeigt das an Beispielen. Aus sieben öffentlichen Bauplan-PDFs und einem Prompt entstand in zehn nächtlichen Durchläufen eine interaktive 3D-Rekonstruktion eines Google-Bürogebäudes. Auch ein Browserspiel und ein spielbares historisches Fortepiano gehören zu den Demos. Das sind Vorführprojekte, keine Alltagsaufgaben.

Die Skepsis ist laut The Decoder berechtigt. OpenAI und Anthropic klangen zuletzt vorsichtig, auch Forschende sehen den Nutzen kritisch. Der Hauptvorteil sei Tempo durch Parallelisierung, und die sei komplex. Mehr Agenten heißen mehr Tokens, mehr Abstimmung und mehr Stellen, an denen etwas schiefgehen kann.

Aus meiner Praxis: Ich arbeite wöchentlich mit Claude Code und Codex und delegiere viel an Agenten. Meine Rolle bleibt dabei: bewerten, steuern, entscheiden. Bei einem Swarm würde ich deshalb zuerst fragen, wer das Gesamtergebnis prüft, denn mehr Agenten nehmen mir die Validierung nicht ab.

Wer Agenten in Entwicklungsumgebungen laufen lässt, sollte außerdem Zugangsdaten sauber trennen. Wie das geht, erklären wir in Claude Code Secrets auf GitHub: So schützt du deine API-Keys.

Wie schlägt sich Carbon im Preisvergleich zu Fable 5.2?

Der Einführungspreis liegt bei 2 US-Dollar pro Million Eingabe-Tokens und 10 US-Dollar pro Million Ausgabe-Tokens. Laut The Verge ist das etwa ein Fünftel des Preises von OpenAIs GPT-6 Astra und ein Viertel von Fable 5.2. Ende November verdoppelt sich der Preis auf 4 und 20 US-Dollar. Selbst dann bleibt Carbon pro Token günstiger als die Konkurrenz.

Entscheidend sind die Kosten pro gelöster Aufgabe. Dazu liefert The Decoder Zahlen aus dem Test von Artificial Analysis, gerechnet zum regulären Preis:

Fable 5.2 auf High liegt im Gesamtindex mit 62 Punkten zwei Punkte vor Carbon (60). Dafür kostet es pro Aufgabe etwas mehr. Auf Max wird es mehr als dreimal so teuer wie Carbon. Interessant: GPT-6 Astra Max war in diesem Test pro Aufgabe günstiger als Carbon, trotz höherer Tokenpreise.

Beim Einführungspreis halbieren sich die Tokenkosten. Rechnerisch dürfte die Aufgabenrechnung dann ebenfalls sinken, sofern der Verbrauch gleich bleibt. Das ist unsere Schätzung, keine Messung. Mehr zu Anthropics neuem Modell findest du in unserer Einordnung zu Claude Fable 5.2 und Mythos 5.2.

Das Tempo ist bemerkenswert. The Decoder schreibt, Carbon wirke schon bei der Veröffentlichung etwas weniger frisch, weil Fable 5.2 einen Tag zuvor erschienen war. Der Markt ist wieder ein Dreikampf, wie The Verge festhält.

Wie belastbar sind die Sicherheitswerte?

Google betont Cybersicherheit als Stärke. Im Rahmen von Wizs Programm “Scan for Good” fand Carbon bei zwei großen SaaS-Anbietern in unter zwei Stunden echte Zero-Day-Lücken. Im Google-System Project Fortify stieg die Erkennungsrate auf Open-Source-Code gegenüber Argon um mehr als 25 Prozent. Die Bestwerte auf SEC-bench Pro, ExploitGym und CWE-bench v1 gelten laut Google nur für die Fairwind-Version. Konkrete Zahlen nennt Google dazu nicht.

Weitere Angaben aus dem Modellbericht:

• Im internen Ehrlichkeitstest mit 375 Aufgaben besteht Carbon 92 Prozent (Argon: 70 Prozent). Fehlende Versuchsdaten erfindet es in 98 Prozent der Fälle nicht.
• Von simulierten Angriffspfaden blockt es 99 Prozent. Die Durchbruchrate pro Versuch sank von 3,1 auf 0,8 Prozent.
• Externe Tester von Trajectory Labs fanden in 132 Stunden und über 13.000 Anfragen keinen universellen Jailbreak.
• Im Gray-Swan-Test zu Prompt Injection erreichte Carbon null Prozent Erfolgsquote.

Der letzte Wert ist kein Beweis, dass das Problem gelöst ist. The Decoder weist darauf hin, dass der Test womöglich ausgereizt ist. Für Agenten, die E-Mails, Webseiten oder Dokumente lesen, bleibt Prompt Injection ein reales Risiko. Fast alle genannten Zahlen stammen von Google oder aus Tests mit Google-Beteiligung.

Was bedeutet das für dich im DACH-Raum?

Die Quellen nennen Preise nur in US-Dollar. Euro-Preise, Mehrwertsteuer und ein konkreter Starttermin für die EU stehen nicht drin. Prüfe die Verfügbarkeit in deinem Konto, bevor du planst.

Für Unternehmen gilt: Bevor Carbon mit Kundendaten arbeitet, solltest du Auftragsverarbeitung, Datenstandort und interne Freigaberegeln klären. Das ist DSGVO-Handwerk, das für jedes Cloud-Modell gilt. Wer Modelle in eigene Produkte einbaut, sollte zudem die Pflichten des EU AI Act im Blick behalten.

Für den Mittelstand sehen wir drei praktische Schlüsse. Teste Argon und Carbon an denselben echten Aufgaben. Miss die Kosten pro erledigter Aufgabe, nicht pro Token. Und plane den Preisanstieg Ende November ein.

Aus meiner Praxis: Ich baue täglich Dashboards für die Geschäftsführung. Die KI beschleunigt das Programmieren, die Geschäftsregeln kenne ich selbst. Ein stärkeres Modell ändert daran wenig: Das Ergebnis muss jemand prüfen, der den Kontext versteht.

Was ist noch offen?

Mehrere Fragen bleiben. Wann bekommen Nutzer unterhalb von Ultra Zugriff? Wie viele Tokens verbrauchen Swarms im Alltag, und wie hoch fallen die Kosten nach dem Einführungszeitraum aus? Laut The Decoder könnte bald eine Flash-Variante von Gemini 4 folgen, die für preissensible Anwendungen interessanter wäre. Beobachte außerdem, ob unabhängige Tests Googles Sicherheitszahlen bestätigen und ob /swarm aus der Preview in den Normalbetrieb kommt.