Gemini 4 Carbon führt den V5-Index von Artificial Analysis an, doch das Rennen um Videomodelle läuft anderswo

Die neueste Zahl lautet 59. So viele Punkte erreicht Gemini 4 Carbon im Intelligence Index V5 von Artificial Analysis, laut dem Bericht von Tom's Hardware vom 3. November. Das ist ein Punkt mehr als bei Claude Opus 5.5 und zwei mehr als bei OpenAIs GPT-6 Astra. Googles Modell führt zudem den Halluzinationstest AA-Omniscience v1.1 des Unternehmens an.

Das sind Werte für Sprachmodelle. Hier geht es um KI-Videogenerierung, und dort ist das Bild dünner und seltsamer, als die Schlagzeile vermuten lässt. Die jüngsten datierten Meldungen sind ein Marktbericht, ein Produktstart und eine Reihe von Anbieterankündigungen. Die Modelle, die tatsächlich generieren, tauchen meist nur am Rande auf. Das jüngste konkrete Datum ist der 3. November. An diesem Tag veröffentlichte Precedence Research eine Marktstudie zu KI-Anime-Generatoren, und Kling3.io kündigte Kling 4.0 an, so die Kontextschlagzeilen. Weder das eine noch das andere ist ein von Fachleuten geprüfter Benchmark.

Was der Benchmark tatsächlich gemessen hat

Der Beitrag von Tom's Hardware lohnt eine genaue Lektüre, weil er den Intelligenzwert von den Kosten trennt. Gemini 4 Carbon (high) kostet 7,76 Dollar pro Aufgabe im Intelligence-Index-Test. Das ist etwas günstiger als Gemini 3.8 Flash (high) und deutlich weniger als Claude Fable 5.1 mit 12,99 Dollar pro Aufgabe. Teurer bleibt es als OpenAIs GPT 5 Astra und etwa sechsmal so teuer pro Aufgabe wie GPT 6.1 Sol (max). Gegenüber dem offenen DeepSeek V4.1 Flash liegt der Abstand bei etwa dem 13-Fachen, wobei dieses Modell 32 Punkte erreicht.

Google gewährt Cyber-Verteidigern über sein Fairwind-Programm zuerst Zugang, eine breitere Verfügbarkeit folgt später. Das Halluzinationsergebnis verdient einen Vorbehalt, den der Artikel selbst liefert: Selbst das beste Modell erreichte 54 auf einer Skala von -100 bis +100. Wer beim Erinnern führt, ist noch kein verlässlicher Erzähler.

"Even the best scored only 54 on the -100 to +100 scale, suggesting even the best frontier models in 2026 are a far cry from being consistently reliable at accurately recalling information."

Diese Einordnung zählt für jeden, der Videowerkzeuge einkauft. Käufer beurteilen generierte Clips mit dem Auge, nicht mit einer Rangliste. Die video-nahen Meldungen stützen sich auf Anbieterangaben statt auf unabhängige Tests. The Register berichtete am 3. November, dass die Gartner-Analysten Mark Petty und Raymond Paquet erwarten, offene Modelle würden bis 2030 90% der Schritte in unternehmensweiten agentischen Workflows übernehmen. Das koste ein Viertel des Preises des günstigsten geschlossenen Modells und nur ein Zwanzigstel eines Frontier-Modells, das bei jedem Schritt läuft. Die Analysten räumen ein, aktuelle offene Modelle "can be more verbose and retry more often", sodass die echte Ersparnis eher beim Fünf- bis Sechsfachen liegt.

Dieser Preisdruck ist der Hintergrund jedes Starts eines Generierungsmodells. Wandert Routinearbeit zu offenen Gewichten, verkaufen die geschlossenen Labore das teure Ende: Forschung, schwieriges Schlussfolgern und die markengebundenen Kreativwerkzeuge, die obenauf sitzen.

Das Argument der Spezialisten, und wer es vorträgt

Il Sole 24 Ore vertrat am 1. November die Position, spezialisierte Systeme hätten neben Generalisten weiterhin Platz. Als Beispiel dient Translated, das Sprachdienstleistungsunternehmen aus Rom, das im Oktober Lara 3 für professionelle Übersetzung veröffentlichte. In den eigenen Tests von Translated prüften menschliche Gutachter blind 16.800 Übersetzungen aus dem Englischen in 21 Sprachen. Die Gutachter bewerteten 82% der Lara-3-Ausgaben als ohne Bearbeitung verwendbar, gegenüber 69% bei GPT-5.6 Sol. Die Zeitung merkt an, das Unternehmen habe die Tests selbst organisiert und auf diese Inhalte beschränkt. Das ist der richtige Vorbehalt für jeden Anbieter-Benchmark.

Dieselbe Logik gilt für Video. Ein Modell, das Typografie und Layout zuverlässig beherrscht, ist für ein Brand-Team mehr wert als ein Generalist mit höherem Indexwert. Ideograms Modell 4.5 ist ein Beispiel: Es konzentriert sich auf Schrift und Layout statt auf breite Fähigkeiten.

Unter allem liegt die Stromrechnung. Die Analyse von Ember vom Oktober 2026, über die pv magazine am 3. November berichtete, ergab, dass Rechenzentren in Irland bereits etwa 19% der Spitzenlast ausmachen, mit prognostizierten 24% bis 2030. Lastverlagerung könnte die irische Spitzenlast um rund 100 MW senken, also um 1,5%. Eigenerzeugung hinter dem Zähler und Speicher könnten fast fünfmal mehr Entlastung bringen, mit möglichen Einsparungen von bis zu 2,7 GW in Texas. Ein großes Rechenzentrum braucht 200 MW bis 500 MW und lässt sich in 18 bis 24 Monaten bauen; Netzausbau dauert vier bis 10 Jahre.

Auch die physische KI bewegt sich. Tutor Intelligence gab am 2. November bekannt, 75 Millionen Dollar in einer Series-B-Finanzierung unter der Leitung von Andreessen Horowitz eingesammelt zu haben, für Roboter, die mit Daten aus der realen Welt und menschlichen Fernlehrern trainiert werden. CEO Josh Gruenstein sagte, das Unternehmen "can hardly build robots fast enough".

Nichts davon entscheidet, welches Videomodell gewinnt. Es erklärt aber, warum der Veröffentlichungsrhythmus immer schneller wird, während die unabhängige Bewertung hinterherhinkt.