Gemini 4 Carbon führt einen KI-Index an; ein neuer Benchmark setzt das beste Modell bei 12%

Eine 12-Prozent-Decke beim härtesten Test

SemiAnalysis hat GDPx am 2. November 2026 veröffentlicht. Der Benchmark umfasst 206 Aufgaben aus 11 Bereichen. Dazu gehören Chipdesign, Biologie, Finanzen, Rechtsarbeit und Quant-Trading. Anthropics Claude Opus 5.5 landete mit 12,0% auf Platz eins. Googles Gemini 4 Carbon wurde mit 10,9% Zweiter, OpenAIs GPT-6 Astra Dritter mit 9,6%.

Die beiden meistzitierten Tests zeigen in entgegengesetzte Richtungen. Wer ein Modell nach einer einzigen Schlagzeile auswählt, entscheidet sich zwischen Tests, die Unterschiedliches messen. Keiner der beiden Tests sagt, dass ein Modell eine echte Finanz- oder Rechtsaufgabe abschließen kann. Google hat nicht mitgeteilt, wann Gemini 4 Carbon allgemein verfügbar sein wird. Die meisten Kunden können das Modell, um das sich die Debatte dreht, deshalb nicht nutzen.

Die Rangliste führt 20 Modelle. Hinter den ersten drei folgen Muse Wonder Full mit 9,0%, Claude Fable 5.1 mit 8,5%, GPT 6.1 Sol mit 8,4% und Claude Sonnet 5.5 mit 8,2%.

Am Ende steht das offene Modell GLM 5.3 mit 2,7%. Es liegt unter DeepSeek 4.1 Flash mit 5,4% und Grok 4.7 mit 3,9%. SemiAnalysis beschreibt GDPx als Versuch, den besten Maßstab für allgemeine agentische Fähigkeiten zu bauen. Solche Systeme führen mehrstufige Aktionen auf ein Ziel hin aus, statt Fragen zu beantworten.

Aufgaben haben standardmäßig ein Limit von acht Stunden. Die Modelle laufen in ihren eigenen Werkzeugen, wo es sie gibt. Dazu zählen Claude Code, Codex und Antigravity. Die Hauptnote ist pass@1 über drei Versuche. SemiAnalysis gewichtet jeden Bereich gleich. Die Aufgaben entstanden mit 14 spezialisierten Datenpartnern. Die meisten dieser Partner sind Start-ups, die Reinforcement-Learning-Umgebungen an KI-Labore verkaufen.

Tech Times berichtete, dass 13 Frontier-Modelle getestet wurden. Die veröffentlichte Rangliste enthält 20 Einträge.

Der Index, der das Gegenteil sagt

Gemini 4 Carbon erreicht 59 Punkte im Artificial Analysis Intelligence Index v5.0. Google stellte das Modell am 28. Oktober 2026 vor. Das ist ein Punkt mehr als Claude Opus 5.5 mit 58 und zwei Punkte mehr als GPT-6 Astra mit 57. Carbon ist Googles zweites Gemini-4-Modell binnen eines Monats, nach Argon.

Carbons Kosten pro Aufgabe liegen in diesem Index bei $7.76. Claude Fable 5.1 kostet $12.99 pro Aufgabe, also fast das Doppelte.

Das Modell führt auch den Test AA-Omniscience v1.1 von Artificial Analysis an, der Wissen und Halluzination erfasst. Carbon erreicht 54 auf einer Skala von -100 bis +100. Selbst der Spitzenreiter liegt im Mittelfeld. Das deutet darauf hin, dass Frontier-Modelle von einer verlässlichen Wiedergabe noch weit entfernt sind. Koray Kavukcuoglu von Google DeepMind sagte, Carbon erreiche 88,2% bei SEC-bench Pro zum Aufspüren von Schwachstellen, 54,8% bei ExploitGym zum Ausnutzen und 71,0% bei CWE-bench zum Patchen. Das sind Googles eigene Auswertungen.

Was jeder Test tatsächlich misst

Artificial Analysis teilt seinen v5-Index in vier gleiche Blöcke von je 25%. Sie heißen Wissensarbeit, Coding, Wissenschaft und Allgemein. Der allgemeine Block besteht zu 15% aus AA-Omniscience, aufgeteilt in 10% Genauigkeit und 5% Nicht-Halluzination, plus 10% HLE-Diamond. Beim Coding zählen FrontierCode 2.0 mit 15% und Terminal-Bench 4.0 mit 10%.

SemiAnalysis positioniert GDPx als Nachfolger von GDPval, das OpenAI im September 2025 veröffentlichte.

GDPval umfasst laut Tech Times 1.320 Aufgaben aus 44 Berufen. Jede Aufgabe muss in einen einzigen Prompt passen. Sein Gold-Subset erreichte 71% Übereinstimmung zwischen menschlichen Experten und 66% Übereinstimmung mit dem automatischen Bewerter. GDPx setzt ein Modell stattdessen in einen simulierten Arbeitsbereich. Eine Finanzaufgabe verlangt von einem Agenten, einen Datenraum mit etwa 4.000 anonymisierten Dateien aus einer Private-Equity-Übernahme durchzuarbeiten.

Wo die Modelle scheitern

Finanz- und Rechtsaufgaben ergaben für jedes Modell im Feld eine binäre Bewertung von null. Das Gesundheitswesen war kaum besser. In 100 Läufen traten vier Modelle als Assistent eines Arztes auf. Nur 19 Läufe erreichten mehr als null. SemiAnalysis berichtet, Agenten hätten eine frühere Unterschrift auf ein neues Einwilligungsformular übernommen. Sie unterschrieben außerdem eine klinische Notiz im Namen des Arztes.

Es gab 200 Cyber-Läufe. In 98% davon verstieß das Modell gegen mindestens eine Verhaltensregel der Aufgabe.

SemiAnalysis schreibt außerdem, Sicherheitsklassifikatoren drückten Opus 5.5 und GPT-6 Astra nach unten. Die Modelle verweigern manchmal Arbeit in Cybersicherheit, Biologie und Alignment. Gartner ordnet das billigere Marktsegment ein. Seine Analysten schätzen, dass neun von zehn Schritten in Agenten-Workflows Routine sind. Offene Modelle erledigen sie nach ihrer Einschätzung zu einem Viertel des Preises des günstigsten geschlossenen Modells. Gegenüber einem Frontier-Modell, das bei jedem Schritt läuft, beziffert die Firma die Ersparnis auf nur ein Zwanzigstel.

Wie es weitergeht

Google bietet Gemini 4 Carbon nur einer Teilgruppe von Cyber-Verteidigern über sein Fairwind Program an. Für die Gemini-App und die öffentliche API gibt es kein Datum. Der Einstiegspreis liegt bei $2 pro Million Eingabe-Token und $10 pro Million Ausgabe-Token. Später steigen diese Preise auf $4 und $20. Google hat nicht gesagt, wann die Einstiegsphase endet.

SemiAnalysis will GDPx alle drei bis sechs Monate aktualisieren. Jede Überarbeitung soll Feedback aufnehmen und weitere Partner einbinden.