Google hat Gemini 4 Carbon am 10.11.2026 für zahlende Entwickler und Unternehmen freigegeben. Die Modell-ID lautet gemini-4-carbon. Das Modell ist ein Textmodell auf Basis von Gemini 4 Argon und nimmt Text, Bilder, Audio und Video als Eingabe entgegen. Am selben Tag bezeichnete Google es im offiziellen Blog und auf den offiziellen Accounts als das derzeit stärkste Gemini-Modell, speziell für Langzeitaufgaben und mehrstufiges Schlussfolgern entwickelt. Auch das Gemini-API-Changelog führt es am selben Tag als allgemein verfügbar (GA).
Dies ist keine Nacherzählung einer „Rundum-Überlegenheits“-Ankündigung. Dieser Artikel teilt die Informationen in drei Ebenen auf: Aussagen, die Google selbst macht, die Ergebnistabelle der Modellkarte (Stand Oktober 2026) und das, was bislang unbekannt ist. Sowohl die Benchmarks, bei denen das Modell verliert, als auch die, bei denen es gewinnt, werden hier genannt.
Kernnutzen: Nach der Lektüre kennen Sie 6 Leistungsgrenzen von Gemini 4 Carbon und wissen, welche Aufgaben Sie ihm anvertrauen sollten und welche bei Argon oder anderen Modellen besser aufgehoben sind.
Gemini 4 Carbon: Die wichtigsten Infos im Überblick
Gemini 4 Carbon taucht nicht erst jetzt zum ersten Mal auf. Am 28.10.2026 hat Google den Beitrag „Introducing Gemini 4 Carbon“ veröffentlicht. Damals stand das Modell nur einem Teil der Verteidiger im Bereich Cybersicherheit zur Verfügung und wurde über das Fairwind Program schrittweise geöffnet. Erst am 10. November wurde es für alle zahlenden Entwickler freigegeben.
| Info | Details | Quellenebene |
|---|---|---|
| Erste Veröffentlichung | 28.10.2026, zunächst für ausgewählte Verteidiger im Bereich Cybersicherheit, schrittweise Öffnung über das Fairwind Program | Offizielle Ankündigung |
| Öffentliche Freigabe | 10.11.2026, für zahlende Entwickler, Unternehmen, Wissenschaftler und Abonnenten von Google AI Ultra | Offizieller Blog |
| API-Status | gemini-4-carbon ist seit 10.11.2026 GA; auf derselben Seite ist gemini-4-argon mit GA am 05.11.2026 vermerkt |
Gemini API Changelog |
| Zugang für Entwickler | Gemini API in Google AI Studio und Android Studio, Gemini for business | Offizieller Google-Beitrag |
| Zugang für Abonnenten | Gemini App, AI Mode in der Suche, Antigravity, Google AI Studio (Ultra-Abo) | Offizieller Google-Beitrag |
| Kostenlose und niedrigere Abostufen | Offiziell gibt es dafür noch kein Datum; The Verge schreibt, es sei unklar, ob und wann sie folgen | Unbekannt |
Der offizielle Google-Beitrag wurde am 10.11.2026 um 16:05 UTC veröffentlicht. Das entspricht 00:05 Uhr am 11. November in Pekinger Zeit, weshalb viele Entwickler die Nachricht erst am Morgen des 11. gesehen haben. Außerdem wurde das ursprünglich für Argon gedachte Wissenschaftlerprogramm (10.000 Plätze, sechs Monate Antigravity-Nutzung) auf Carbon ausgeweitet. Bewerbungen sind weiterhin möglich und werden wöchentlich fortlaufend geprüft, wobei Berechtigung, Kapazität und Auswahlkriterien eine Rolle spielen.
Die drei Ebenen, auf denen man Gemini-4-Carbon-Daten lesen sollte
Zu Gemini 4 Carbon kursieren viele Zahlen, die aus unterschiedlichen Quellen stammen und unterschiedlich erhoben wurden. Im weiteren Verlauf wird jede Angabe einer der drei Ebenen zugeordnet, damit Werte mit unterschiedlicher Messgrundlage nicht in einer Tabelle verglichen werden.
| Ebene | Inhalt | Wie man sie nutzt |
|---|---|---|
| Offizielle Eigenangaben | Rankings, interne Benchmarks und Sicherheitszahlen aus der Ankündigung vom 28. Oktober und dem Freigabebeitrag vom 10. November | Als Anhaltspunkt brauchbar, aber Google legt die Messgrundlage fest und extern lässt sich nicht alles nachvollziehen |
| Ergebnistabelle der Modellkarte | Stand Oktober 2026: Carbon im Vergleich mit Argon, GPT-6 Astra, Claude Opus 5.5 und Claude Fable 5.1 | Innerhalb einer Tabelle ist die Messgrundlage einheitlich, deshalb stützen sich die Vergleiche in diesem Artikel nur darauf |
| Unbekannt | Startzeitpunkt für die kostenlose Stufe, langfristige unabhängige Tests von Dritten, aktuelle Indizes auf Drittseiten | Hier ziehen wir keine Schlüsse, sondern beschreiben nur den aktuellen Stand |
Ein Beispiel: Beim Abruf am 11.11.2026 zeigte die Seite von Artificial Analysis im Kopfbereich einen Intelligence Index von 60. Im Diagrammbereich derselben Seite steht allerdings häufig „No publicly available API“. Das widerspricht der Tatsache, dass die API seit dem 10. November offen ist. Deshalb übernehmen wir die 60 nicht, sondern verwenden durchgehend den in der Modellkarte zitierten Wert von 59 aus AA Index v5.0, Stand Oktober 2026.
Was ist Gemini 4 Carbon für ein Modell?
Laut Google eignet sich Argon weiterhin für die meisten Aufgaben in der Softwareentwicklung und Wissensarbeit. Carbon ist für Aufgaben reserviert, die wirklich an die Grenzen der Intelligenz stoßen, etwa komplexes mehrstufiges Programmieren und Debugging oder offene wissenschaftliche Forschung. Es verbraucht mehr Thinking-Tokens als Argon, erkundet Hypothesen gründlicher und lässt Verifikationsschleifen länger laufen.
| Spezifikation | Gemini 4 Carbon | Erläuterung |
|---|---|---|
| Basis | Basiert auf Gemini 4 Argon | Beim Umstieg von Argon genügt es, den Modellnamen auszutauschen |
| Eingabemodalitäten | Text, Bild, Audio, Video | Multimodales Verständnis |
| Ausgabemodalitäten | Nur Text | Weder Bilder noch Videos können erzeugt werden |
| Kontextfenster | 1M Token, gemeinsam für Eingabe, Denkprozess und Ausgabe | Bei älteren Modellen waren „Denken + Antwort“ auf 64K begrenzt |
| Standard-Ausgabelimit (synchron) | 65.536 Tokens | Für längere Ausgaben muss in der Interactions API background=True gesetzt werden |
| Wissensstand | März 2026 (laut Modellkarte) | In manchen Bereichen möglicherweise früher |
Die drei Stufen von thinking_level bei Gemini 4 Carbon
thinking_level hat nur drei Stufen, der Standard ist medium. Der Entwicklerleitfaden empfiehlt folgende Aufteilung:
low: leichte Aufgaben wie Klassifikation, Routing und gezielte Extraktion.medium: die Standardstufe, die einen Kompromiss aus Geschwindigkeit, Kosten und Treffsicherheit beim ersten Versuch bietet.high: Ursachenanalyse über mehrere Dateien hinweg, Sicherheitspatches, formale Mathematik und Architekturentwurf in der frühen Projektphase.
Wenn Sie mehr als 65.536 Tokens Ausgabe benötigen, setzen Sie in der Interactions API background=True und erhöhen max_output_tokens auf über 65536. Planen Sie außerdem genügend Spielraum für den Denkprozess ein, sonst kann die Antwort abgeschnitten werden.
Hinweise zur Migration von Argon auf Gemini 4 Carbon
Beim Wechsel von gemini-4-argon auf gemini-4-carbon müssen Sie nur den Modellnamen ändern. thinking_level und das 1M-Kontextfenster bleiben gleich. Der Entwicklerleitfaden nennt ein paar typische Stolperfallen bei der Migration:
- thinking_budget ist veraltet und löst beim Übergeben eine Warnung aus.
- Eigene Werte für temperature, top_p und top_k werden ignoriert und lösen ebenfalls eine Warnung aus.
- Erstellen oder übergeben Sie kein explizites cached_content mehr. Implizites Caching ist standardmäßig aktiv, und für gecachte Eingaben gibt es 95 % Rabatt.
- Schwierige Eingabeaufforderungen können mehrere Minuten laufen. Setzen Sie den Client-Timeout daher auf mindestens 15 bis 20 Minuten oder nutzen Sie stattdessen background=True.
Gemini 4 Carbon über APIYI aufrufen
Stand 11.11.2026 ist gemini-4-carbon in der APIYI-Preisschnittstelle gelistet. Wie gemini-4-argon läuft es über die beiden Gruppen default und svip. Unterstützt werden der native Gemini-Endpunkt und der OpenAI-kompatible Chat-Endpunkt. Das Wichtigste für den Modellaufruf:
- Modell-ID:
gemini-4-carbon - OpenAI-kompatible base_url:
https://api.apiyi.com/v1, der Anfragepfad lautet/v1/chat/completions - Nativer Gemini-Endpunkt:
/v1beta - Gruppen:
default,svip(Multiplikator jeweils 1)
Die aktuellen APIYI-Preise liegen bei 2 US-Dollar für Eingabe, 10 US-Dollar für Ausgabe und 0,10 US-Dollar für Cache-Lesen pro 1M Tokens (Stand 11.11.2026), also genauso wie bei Argon. Beachten Sie: Die 2 / 10 auf der Google-Website sind ein Aktionspreis, der nur bis 30.11.2026 gilt. Ab dem 1. Dezember liegt der weltweite Standardpreis bei 4 US-Dollar für Eingabe und 20 US-Dollar für Ausgabe. Die Übersichtstabelle in der APIYI-Dokumentation stammt vom 10.11.2026, 15:40 Uhr (UTC+8) und damit noch aus der Zeit vor dem öffentlichen Start. Sollten Sie diese Zeile beim Öffnen noch nicht sehen, gelten die Konsole und die Preisschnittstelle api.apiyi.com/api/pricing. Modelle und Preise richten sich nach der Modellliste der Plattform.
🚀 Tipp für den schnellen Einstieg: Wenn Ihr Projekt bereits das OpenAI-SDK nutzt, setzen Sie einfach die base_url auf
https://api.apiyi.com/v1und ändern den Modellnamen ingemini-4-carbon. Mit demselben Schlüssel können Sie dann Argon und Carbon direkt vergleichen. Alle verfügbaren Modelle finden Sie in der Modellliste auf apiyi.com.
Gemini 4 Carbon Modellkarte: Ergebnisse (Stand Oktober 2026)
Die folgende Tabelle stammt aus der Ergebnistabelle der Modellkarte. Die Ergebnisse gelten für den Stand Oktober 2026 und sind offiziell veröffentlichte Vergleichsdaten, keine Testergebnisse von APIYI. Die drei Cybersicherheits-Benchmarks zeigen die Leistung im Rahmen des Fairwind Program und sind separat gekennzeichnet. Bei Terminal-Bench 4.0 ist der Wert für Argon in der Modellkarte fehlerhaft gedruckt und kein plausibler Prozentwert, deshalb wird er in diesem Artikel nicht zitiert.
| Benchmark | Carbon | Argon | GPT-6 Astra | Opus 5.5 | Fable 5.1 |
|---|---|---|---|---|---|
| AA Index v5.0 | 59 | 50 | 57 | 58 | 49 |
| Vals Index v2.2 | 70.4% | 69.2% | 65.0% | 70.2% | — |
| SWE-sweep | 9.6% | 4.3% | 9.5% | 3.6% | 2.9% |
| FrontierSWE 2 | 61.2% | 55.0% | 65.5% | 62.3% | 56.3% |
| Terminal-Bench 4.0 (AA) | 65.2% | nicht zitiert | 59.1% | 59.6% | 52.0% |
| Agents‘ Last Exam v1.1 | 77.4% | 69.0% | 73.1% | 71.6% | — |
| OSWorld-2.1 Offline-Teilmenge | 81.5% | 74.7% | 80.9% | 87.2% | 76.8% |
| AutomationBench (Zapier) | 53.9% | 51.3% | 41.4% | 42.5% | 31.4% |
| GraphWalks 256k–1M BFS (F1) | 96.2% | 84.2% | 71.8% | 66.8% | 65.0% |
| RiemannBench | 80.0% | 76.0% | 72.0% | 69.6% | 65.6% |
| Terminal-Bench-Science 0.1 | 64.8% | 52.9% | 63.3% | 59.0% | 43.3% |
| CWE-bench (Fairwind) | 71.0% | 68.0% | 68.0% | 67.0% | 58.0% |
| ExploitGym (Fairwind) | 54.8% | 42.0% | 42.4% | 34.5% | — |
| SEC-bench Pro (Fairwind) | 88.2% | 83.4% | 85.4% | — | — |
Aus der Tabelle lässt sich ein klares Muster ablesen: Bei der Retrieval-Leistung über lange Kontexte (GraphWalks), beim wissenschaftlichen Schlussfolgern (RiemannBench, Terminal-Bench-Science) und bei langfristigen Agent-Aufgaben (Agents‘ Last Exam, Terminal-Bench 4.0) setzt sich Carbon am deutlichsten ab. Bei der Computerbedienung und beim Software-Engineering auf öffentlichen Repositories liegt es dagegen nicht vorn.
Einige Abstände sind außerdem sehr klein. Auf dem Vals Index steht Carbon mit 70.4% gegen 70.2% von Opus 5.5, bei SWE-sweep Carbon mit 9.6% gegen 9.5% von Astra. Das lässt sich als Gleichstand werten und sollte nicht als klarer Vorsprung gelesen werden.
📊 Diagrammhinweis: Die obigen Daten stammen aus der Google-Modellkarte (Stand Oktober 2026). Wenn Sie den Abstand an Ihren eigenen Aufgaben überprüfen möchten, können Sie über APIYI (apiyi.com) mit demselben Schlüssel sowohl
gemini-4-carbonals auchgemini-4-argonaufrufen und die Ergebnisse direkt vergleichen.
Die 6 Fähigkeitsgrenzen von Gemini 4 Carbon
Zuerst fasst eine Tabelle die 6 Grenzen zusammen, danach gehen wir sie einzeln durch.
| Nr. | Fähigkeitsgrenze | Fazit in einem Satz | Quellenebene |
|---|---|---|---|
| 1 | Langfristige, mehrstufige Entwicklungsaufgaben | Stärker, verbraucht aber mehr Denk-Token | Modellkarte + Herstellerangaben |
| 2 | Alltägliche Feature-Entwicklung | Offiziell wird weiterhin Argon empfohlen | Offizielle Position |
| 3 | Computerbedienung | Opus 5.5 mit 87,2 % vor Carbon mit 81,5 % | Modellkarte |
| 4 | Entwicklung in öffentlichen Repositories | Bei FrontierSWE 2 liegt Astra mit 65,5 % vor Carbon mit 61,2 % | Modellkarte |
| 5 | Cybersicherheit | Die hohen Werte stammen aus dem Fairwind-Pfad und lassen sich nicht einfach durch einen anderen Modellnamen erreichen | Modellkarte + Ankündigung |
| 6 | Ausgabe und Verfügbarkeit | Nur Text; für die kostenlose Stufe gibt es noch keinen Starttermin | Offizielle Dokumentation + unbekannt |
Grenze 1: Gemini 4 Carbon ist stärker bei langen, mehrstufigen Engineering-Aufgaben, verbraucht aber mehr Denk-Tokens
Laut Modellkarte liegt Carbon bei Terminal-Bench 4.0 (65,2 %), Agents‘ Last Exam (77,4 %) und GraphWalks, dem Retrieval über lange Kontexte (96,2 %), jeweils auf Platz eins der Tabelle. Auch bei Vending-Bench 2, der simulierten Geschäftsführung, hat Carbon mit 16.484 US-Dollar den höchsten Kontostand. Diese Aufgaben haben gemeinsam, dass sie viele Schritte umfassen und immer wieder überprüft werden müssen. Genau das meint Google mit „Verifikationsschleifen länger laufen lassen“.
Den Preis dafür nennt Google ebenfalls offiziell: Carbon verbraucht mehr Thinking-Tokens als Argon. Die Modellkarte führt „höhere Denkstufen verbrauchen mehr Tokens“ außerdem als bekannte Einschränkung auf. Der Einstiegspreis ist bei beiden gleich, die Gesamtrechnung pro Aufgabe kann bei Carbon aber höher ausfallen. Bei komplexen Eingabeaufforderungen muss man unter Umständen auch einige Minuten auf die Antwort warten.
Grenze 2: Für die alltägliche Feature-Entwicklung empfiehlt Google weiterhin Gemini 4 Argon
Google formuliert das ziemlich direkt: Für die meisten Aufgaben in Softwareentwicklung und Wissensarbeit sollte man weiter Argon verwenden, weil es weniger Tokens verbraucht und schneller reagiert. Carbon ist nur für die härtesten Fälle gedacht: mehrstufiges Engineering, Architektur und Audits, formale Mathematik und wissenschaftliche Entdeckungen, hochpräzise Finanz- oder Rechtsanalysen sowie Schwachstellenforschung.
Auch die Modellkarte stützt diese Aufteilung. Im Vals Index kommt Carbon auf 70,4 % gegenüber 69,2 % bei Argon, der Abstand ist also klein. Dasselbe Prinzip steckt hinter /swarm in der Antigravity-Vorschau: Google empfiehlt, Carbon für die Rollen mit dem tiefsten Reasoning einzusetzen, etwa Architektur, Koordination und Audits. Die parallel umgesetzten Teilaufgaben übernehmen dann gemini-4-argon oder gemini-3.8-flash.
Grenze drei: Computerbedienung – hier liegt Opus 5.5 laut Modellkarte vorn
Die Teilmenge OSWorld-2.1 Offline ist der Benchmark in der Modellkarte, der Desktop- und Computerbedienung misst. Hier kommt Claude Opus 5.5 auf 87,2 %, vor Carbon mit 81,5 % und Astra mit 80,9 %. Wenn Ihr Hauptanwendungsfall darin besteht, dass das Modell Desktop-Anwendungen bedient, auf Oberflächen klickt und Abläufe über mehrere Programme hinweg erledigt, ist Carbon in dieser Disziplin nicht die Nummer eins.
Dazu kommt: Carbon läuft über die native Gemini-Schnittstelle oder die OpenAI-kompatible Chat-Schnittstelle, nicht über das Anthropic-messages-Protokoll. Wer seine Workflows bereits eng an Claude Code oder das messages-Protokoll gebunden hat, sollte die Migrationskosten also gleich mit einrechnen.
Grenze vier: Öffentliches Repository FrontierSWE 2 – GPT-6 Astra liegt vorn
Bei FrontierSWE 2 erreicht GPT-6 Astra 65,5 % und ist damit der Spitzenreiter der Tabelle. Opus 5.5 folgt mit 62,3 % auf Platz zwei, Carbon mit 61,2 % auf Platz drei. Die Aussage „Carbon liegt im Software Engineering insgesamt klar vor Astra“ stimmt also nicht.
Wichtig ist hier eine Unterscheidung: Im offenen Entwurf vom 10. November wird erwähnt, Carbon belege bei CursorBench 4.0 den ersten Platz. Das sind Selbstangaben des Herstellers, bei denen sich sowohl die Prüfer als auch die Bewertungsmaßstäbe von der Modellkarte unterscheiden. Man sollte sie deshalb nicht mit der obigen Tabelle in einen Topf werfen. Bei SWE-sweep liegen Carbon mit 9,6 % und Astra mit 9,5 % praktisch gleichauf, der Abstand liegt innerhalb der Messungenauigkeit.
Grenze fünf: Die starken Cybersicherheits-Werte kommen über den Fairwind-Pfad
Bei CWE-bench, ExploitGym und SEC-bench Pro liegt Carbon laut Modellkarte jeweils auf Platz eins. Die Modellkarte weist aber ausdrücklich darauf hin, dass diese Ergebnisse unter dem Fairwind-Program-Pfad erzielt wurden. In der Veröffentlichung vom 28. Oktober steht außerdem, dass die Cybersicherheits-Benchmarks ohne Schutzmechanismen ausgewertet wurden (evaluated without guardrails).
Das heißt: Wer im kostenpflichtigen API-Zugang einfach den Modellnamen auf gemini-4-carbon umstellt, bekommt damit noch nicht dieselben spezialisierten Cybersicherheitsfähigkeiten. Die auf Verteidigung ausgerichteten Spezialfähigkeiten setzen eine Fairwind-Bewerbung voraus und stehen nur verifizierten Verteidigern offen. Auch Gemini 4 Carbon Cyber Permissive, das auf der offiziellen Preisseite separat aufgeführt ist, fällt nicht unter den Aktionspreis von 2 US-Dollar.
Auf der Sicherheitsseite gibt es noch ein paar offizielle, selbst berichtete Zahlen, die sich als Orientierung eignen. Bei den 375 Agentic-Honesty-Tests liegt die Bestehensquote bei 92 % (Argon: 70 %). Fehlen Versuchsdaten, lehnt das Modell in 98 % der Fälle ab, etwas zu erfinden. Die Angriffserfolgsrate beim Gray Swan IPI wird mit 0 % angegeben. Google räumt allerdings ein, dass anspruchsvollere automatisierte Red-Teaming-Tests das Modell bei einem Teil der Verteilungen weiterhin zu Grenzüberschreitungen bringen können und die Robustheit gegenüber Prompt Injection weiter verbessert werden muss.
Grenze sechs: Nur Text als Ausgabe, kein Termin für die kostenlose Stufe
Carbon versteht Text, Bilder, Audio und Video, gibt aber ausschließlich Text aus. Es ist weder ein Bilderzeugungs- noch ein Videogenerierungsmodell. Für Workflows, die Bild- oder Videoerzeugung brauchen, muss man ein anderes Modell wählen.
Zur Verfügbarkeit: Der Zugang für Endnutzer und Antigravity ist derzeit Google AI Ultra vorbehalten, die API ist kostenpflichtig. Wann kostenlose Nutzer und Abonnenten niedrigerer Stufen Carbon nutzen können, hat Google diesmal nicht terminiert. Die Modellkarte nennt außerdem weitere Einschränkungen: die bei Basismodellen üblichen Halluzinationen, eine noch auszubauende Widerstandsfähigkeit gegen Jailbreaks sowie gelegentliche Verlangsamungen oder Timeouts.
Gemini 4 Carbon: Auswirkungen im Überblick
Was Gemini 4 Carbon für Entwickler bedeutet
- Klarere Modellstufen: Argon ist das tägliche Arbeitspferd, Carbon kommt nur bei den schwierigsten Schritten zum Einsatz. Mit Routing oder einer Orchestrierung im Stil von /swarm lässt sich der Token-Verbrauch im Griff behalten.
- Geringer Migrationsaufwand: Meist reicht es, den Modellnamen auszutauschen. Parameter wie thinking_budget und temperature sollten Sie aber entfernen und ein explizites cached_content anpassen.
- Timeouts anpassen: Ein Client-Timeout von 15 bis 20 Minuten oder background=True wirkt sich auf bestehende Gateways und Retry-Logik aus.
- Preisfenster mit Ablaufdatum: Der Aktionspreis von 2 / 10 auf der offiziellen Website gilt nur bis zum 30. November. Für langfristige Kostenabschätzungen sollten Sie den Standardpreis ab Dezember zugrunde legen.
💡 Empfehlung zur Modellwahl: Auch bei „schwierigen Aufgaben“ gibt es Unterschiede. Retrieval über lange Kontexte und wissenschaftliches Schlussfolgern liegen Carbon eher, Computerbedienung eher Opus 5.5 und Engineering auf öffentlichen Repositories eher Astra. Am besten lassen Sie zuerst auf APIYI (apiyi.com) einen Durchlauf mit denselben Geschäftsbeispielen laufen und legen erst danach Ihre Routing-Regeln fest.
Was Gemini 4 Carbon für die Branche bedeutet
- „Stärkstes Modell“ wird differenzierter definiert: Laut Modellkarte liegt kein Anbieter in allen Disziplinen vorn. Eine Arbeitsteilung nach Aufgabentyp dürfte zur Regel werden.
- Sicherheitsfähigkeiten werden gestaffelt freigegeben: Die Cybersicherheits-Spezialfunktionen sind gezielt über Fairwind zugänglich, und Benchmarks ohne Schutzmechanismen werden separat ausgewiesen. Dieses Vorgehen könnten weitere Anbieter übernehmen.
- Denk-Token werden zur wichtigsten Kostengröße: Bei gleichem Preis, aber unterschiedlicher Denktiefe fallen die Rechnungen sehr verschieden aus. Das dürfte Teams dazu bringen, thinking_level genauer zu steuern.
Häufige Fragen (FAQ)
Q1: Was ist Gemini 4 Carbon?
Gemini 4 Carbon ist ein Modell von Google mit Textausgabe, das auf Gemini 4 Argon aufbaut. Die Modell-ID lautet `gemini-4-carbon`, und seit dem 10.11.2026 steht es zahlenden Entwicklern und Unternehmen offen. Es verarbeitet Text, Bilder, Audio und Video als Eingabe. Das Kontextfenster von 1M Token teilen sich Eingabe, Denkprozess und Ausgabe.
Q2: Gemini 4 Carbon oder Gemini 4 Argon – was wählen?
Beide Modelle haben dieselben thinking_level-Stufen, dasselbe 1M-Kontextfenster und denselben Einstiegspreis. Offiziell wird für die tägliche Entwicklung Argon empfohlen, weil es weniger Token verbraucht und schneller reagiert. Carbon ist für die schwierigsten Aufgaben gedacht, etwa mehrstufiges Engineering, Architektur-Audits oder wissenschaftliches Schlussfolgern. Dafür braucht es mehr Denk-Token.
Q3: Lassen sich die Werte aus der Modellkarte direkt auf die API-Leistung übertragen?
Größtenteils dienen sie als gute Orientierung, aber es gibt zwei Einschränkungen. Erstens stammen die Ergebnisse vom Stand Oktober 2026. Zweitens beruhen die drei Cybersecurity-Werte auf dem Fairwind-Pfad und auf Tests ohne Schutzmechanismen. Sie sind deshalb nicht als Standardwerte für alltägliches Programmieren über die kostenpflichtige API zu verstehen. Rankings wie CursorBench in der Ankündigung sind Eigenangaben von Google und nutzen eine andere Messmethode als die Modellkarte.
Q4: Wie rufe ich Gemini 4 Carbon schnell per API auf?
So gehen Sie in drei Schritten vor:
1. Registrieren Sie sich bei APIYI (apiyi.com) und holen Sie sich Ihren API-Schlüssel. Neue Nutzer erhalten ein kostenloses Testkontingent.
2. Setzen Sie in der OpenAI-SDK die `base_url` auf `https://api.apiyi.com/v1` und tragen Sie als Modellnamen `gemini-4-carbon` ein.
3. Stellen Sie thinking_level passend zur Schwierigkeit der Aufgabe ein. Bei schweren Aufgaben sollten Sie auch das Client-Timeout verlängern.
Mit demselben Schlüssel können Sie auch `gemini-4-argon` aufrufen und so beide Modelle direkt vergleichen.
Q5: Welche bekannten Einschränkungen hat Gemini 4 Carbon?
Laut Modellkarte gibt es folgende Einschränkungen: Das Modell halluziniert weiterhin, die Resistenz gegen Jailbreaks wird noch verbessert, es kommt gelegentlich zu Verlangsamungen oder Timeouts, und auf hohen Denkstufen ist der Token-Verbrauch höher. Außerdem gibt das Modell nur Text aus, und es ist unklar, wann ein kostenloses Kontingent verfügbar wird. Bei der Computernutzung und bei FrontierSWE 2 liegt es laut Modellkarte ebenfalls nicht auf dem ersten Platz.
Gemini 4 Carbon: Die wichtigsten Punkte auf einen Blick
- Einordnung: Das stärkste Gemini-Textmodell auf Basis von Argon, allgemein verfügbar (GA) seit dem 10.11.2026.
- Stärken: Laut Modellkarte liegt es bei langfristigen Agent-Aufgaben, Retrieval im langen Kontext und wissenschaftlichem Schlussfolgern vorn.
- Preis: Der Einstiegspreis entspricht dem von Argon, doch Carbon verbraucht mehr Denk-Token, sodass jede einzelne Aufgabe teurer wird.
- Schwächen: Bei OSWorld liegt es hinter Opus 5.5, bei FrontierSWE 2 hinter Astra.
- Sicherheitswerte: Die hohen Cybersecurity-Werte stammen aus dem Fairwind-Pfad und sind keine Standardfähigkeit der API.
- Umfang: Das Modell gibt nur Text aus. Für eine kostenlose Stufe gibt es noch keinen Starttermin.
- Einstieg: APIYI hat
gemini-4-carbonbereits im Angebot. Mit demselben Schlüssel können Sie Carbon direkt mit Argon vergleichen.
Fazit
Die Leistungsgrenzen von Gemini 4 Carbon lassen sich auf drei Punkte verdichten:
- Wofür Sie es einsetzen sollten: Langfristige, mehrstufige Engineering-Aufgaben, Retrieval im langen Kontext, wissenschaftliches Schlussfolgern sowie Architektur und Audits. In diesen Bereichen liegen die Werte auf der Modellkarte deutlich vorn.
- Wofür Sie es nicht brauchen: Für die alltägliche Feature-Entwicklung bleiben Sie am besten bei Argon. Bei der Computerbedienung und beim Engineering in öffentlichen Repositories liegen laut Modellkarte Opus 5.5 beziehungsweise Astra vorn.
- Worauf Sie beim Kleingedruckten achten sollten: Die Cybersecurity-Werte gehören zum Fairwind-Pfad, das Ranking im offenen Entwurf beruht auf Selbstangaben des Herstellers, und zur kostenlosen Stufe gibt es weiterhin keine Informationen.
Am sichersten gehen Sie vor, wenn Sie Ihre Aufgaben zunächst nach Typ in Gruppen einteilen und mit eigenen Beispielen prüfen, ob sich Carbons Vorsprung gegenüber den zusätzlichen Denk-Token lohnt. Über APIYI (apiyi.com) können Sie Carbon und Argon unter derselben Schnittstelle nebeneinander testen und erst danach Ihre Routing-Regeln festlegen.
📚 Referenzen
- Gemini 4 Carbon – Freigabe-Ankündigung: Offizieller Google-Blog, 10.11.2026
- Link:
blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available -
Hinweis: Umfang der Freigabe und die offiziellen, selbst berichteten Benchmarks aus der Ankündigung
-
Introducing Gemini 4 Carbon: Erstveröffentlichung vom 28.10.2026
- Link:
blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon -
Hinweis: Hintergrund zum Fairwind-Launch und Methodik der Cybersicherheits-Evaluierung
-
Gemini 4 Carbon Model Card: Ergebnisse mit Stand Oktober 2026
- Link:
deepmind.google/models/model-cards/gemini-4-carbon -
Hinweis: Datenquelle für die Vergleichstabelle in diesem Artikel sowie bekannte Einschränkungen
-
Gemini 4 Carbon Developer Guide: Google AI Studio
- Link:
aistudio.google.com/learn/gemini-4-carbon-developer-guide -
Hinweis: thinking_level, 1M-Kontextfenster und Hinweise zur Migration
-
Gemini 4 Carbon Safety Report: Google DeepMind
- Link:
storage.googleapis.com/deepmind-media/gemini/gemini_4_carbon_safety_report.pdf -
Hinweis: Daten zu Honesty, Red Teaming und Prompt Injection
-
Google Cloud Modellpreise: Offizielle Preisliste
- Link:
cloud.google.com/model-garden/pricing -
Hinweis: Aktionspreis, Standardpreis ab Dezember und Preise für Cyber Permissive
-
APIYI-Dokumentation zu Gemini 4 Argon: Hinweise zum Modellaufruf für die gleiche Modellreihe
- Link:
docs.apiyi.com/models/gemini-4-argon - Hinweis: Argon und Carbon haben dieselbe Schnittstelle, die Doku taugt daher als Migrationsreferenz
Autor: APIYI-Technikteam
Austausch: Melden Sie sich gern über die Startseite von APIYI bei uns. Weitere Informationen zum Modellaufruf finden Sie im Dokumentationszentrum unter docs.apiyi.com
