Gemini 4 Carbon führt einen KI-Benchmark an, andere Ranglisten widersprechen

Google holt die Schlagzeile

Gemini 4 Carbon ist vergangene Woche erschienen und liegt in vier der neun Tests der Suite Artificial Analysis Intelligence Index V5 vorn. Eine Aufgabe kostet 7,76 Dollar, bei Claude Fable 5.1 sind es 12,99 Dollar. Auf GPT-6 Astra hat das Modell zwei Punkte Vorsprung. Tom's Hardware deutet das Ergebnis als Comeback für Google. Das Unternehmen hatte das Jahr über mit unregelmäßigen Veröffentlichungen zu kämpfen.

Benchmark-Ergebnisse bestimmen mit, welche Modelle Unternehmen und Behörden testen und was sie pro Aufgabe zahlen. Artificial Analysis, Semi Analysis GDPx, CloudOpsBench und Schwachstellentests zeigen jeweils andere Spitzenreiter. Keine einzelne Punktzahl entscheidet eine Beschaffung. Wie sich diese Ergebnisse in den Produktivbetrieb übertragen, ist weiterhin offen.

Bei AA-Omniscience v1.1, das Halluzinationen und die Wiedergabe von Informationen erfasst, erreichte Gemini 4 Carbon 54 von möglichen Werten zwischen -100 und +100. Das ist das beste Ergebnis im Vergleich. Von durchgängiger Zuverlässigkeit ist es weit entfernt, wie Tom's Hardware anmerkt. Laut Tom's Hardware gelingt dem Modell das zu geringeren Kosten pro Aufgabe als anderen hoch platzierten Modellen, Claude Opus 5.5 eingeschlossen.

Ein zweiter Benchmark nennt einen anderen Sieger

OfficeChai meldete am 2. November, dass Claude Opus 5.5 den GDPx-Benchmark von Semi Analysis anführt, mit Gemini 4 Carbon auf Platz zwei. Verschiedene Ranglisten messen verschiedene Arbeit, deshalb können beide Ergebnisse bestehen. Für Käufer hängt der Titel davon ab, welche Liste zitiert wird.

The Hacker News berichtete über Schwachstellen-Benchmarks. Gemini 4 Carbon führte die Tests zum Finden, Ausnutzen und Schließen von Sicherheitslücken an.

Die Rangliste von CloudOpsBench setzt Claude Fable 5.1 mit einer Lösungsquote von 60,6 Prozent auf Platz eins. Es folgen GPT-6 Astra mit 58,9 Prozent, Gemini 4 Argon, nicht Carbon, mit 57,5 Prozent und Grok 4.7 (high) auf cursor-cli mit 56,5 Prozent auf Platz vier. Claude Opus 5.5 liegt mit 47,8 Prozent auf terminus-2 auf Platz sieben.

Die Wahl des Testaufbaus zählt ebenso viel wie das Modell. Claude Fable 5.1 fällt auf terminus-2 auf 43,8 Prozent. Claude Opus 5.5 kommt auf claude-code auf 46,7 Prozent.

Dieselbe Rangliste bepreist die Arbeit. Der Spitzeneintrag lief 38,6 Stunden für 404,30 Dollar, Gemini 4 Argon kam auf 34,2 Stunden und 100,50 Dollar.

Aufgabenspezifische Werte teilen das Feld

Tom's Hardware berichtet, dass Gemini 4 Carbon beim Programmieren nicht an Claude Code mit Claude Opus 5.5 heranreicht. Bei Wissensarbeit liegt es hinter Grok 4.7, Muse Wonder und Kimi K3.1 Pro. Die Kosten pro Aufgabe sind etwas niedriger als bei Gemini 3.8 Flash (high). Etwa sechsmal teurer ist es als GPT 6.1 Sol (max).

Der Vergleich mit offenen Gewichten fällt härter aus. Gemini 4 Carbon kostet pro Aufgabe rund 13-mal so viel wie DeepSeek V4.1 Flash, das im Intelligence Index 32 Punkte erreicht.

Arena.ai führt Gemini 4 Carbon in seinem Pareto-Frontier-Diagramm am teuren Ende des Spektrums. Bei niedrigeren Preisen übernehmen GLM 5.3-Flash und DeepSeek V4 Pro. CloudOpsBench zeigt dieselbe Lücke weiter unten in seiner Tabelle: Qwen3.8-Max mit 33,7 Prozent, DeepSeek V4.1 Flash mit 21,8 Prozent und Kimi K3.1 Pro mit 19,1 Prozent.

Vorerst, so schreibt Tom's Hardware, könnte Gemini 4 Carbon an den meisten hohen Preispunkten das beste Modell sein. Das kann sich schnell ändern.

Was Käufer weiterhin nicht prüfen können

Google bietet Zugang zu Gemini 4 Carbon zuerst für Cyber-Verteidiger über sein Fairwind-Programm an. Eine breitere Verfügbarkeit soll später folgen. Einen Termin hat das Unternehmen nicht genannt.

Googles Ankündigung hob die Zusammenarbeit mit der US-Regierung hervor. Sie nannte Modellprüfung und Tests vor der Veröffentlichung.

Ein Spitzenplatz in einem einzelnen Index ist eine Behauptung, keine gesicherte Tatsache. Das gilt, bis unabhängige Tests mit echten Arbeitslasten vorliegen.

Tom's Hardware merkt an, dass sich die Ranglisten der KI-Modelle im Jahr 2026 regelmäßig ändern.