Gemini 4 Carbon von Google führt die Benchmarks an, offene Modelle unterbieten die Preise der Frontier-Modelle

Gemini 4 Carbon von Google, vergangene Woche veröffentlicht, steht jetzt mit einem Wert von 59 an der Spitze des Intelligence Index V5 von Artificial Analysis. Damit liegt es einen Punkt vor Claude Opus 5.5, wie Tom's Hardware am 3. November berichtet. In derselben Testreihe kommt GPT-6 Astra von OpenAI auf 57, Muse Wonder Full von Meta auf 50.

Rohe Intelligenz ist nicht das ganze Angebot. Gemini 4 Carbon (high) kostet im Intelligence Index außerdem 7,76 US-Dollar pro Aufgabe. Das ist billiger als Gemini 3.8 Flash (high) und mehrere Dollar weniger als Claude Opus 5.5 und Sonnet 5.5. Claude Fable 5.1 (max with fallback) liegt nach denselben Benchmarks bei 12,99 US-Dollar pro Aufgabe.

Google verkauft das Modell noch nicht an alle.

Laut Tom's Hardware erhalten zuerst Cyber-Verteidiger über das Fairwind-Programm des Unternehmens Zugang. Eine breitere Verfügbarkeit ist für einen späteren Zeitpunkt zugesagt. Diese Reihenfolge ist kein Zufall. Im Mittelpunkt steht hier Zuverlässigkeit unter feindlichen Bedingungen, nicht die Neuheit für Endkunden.

Die Halluzinationswerte bleiben durchweg niedrig

Gemini 4 Carbon führt auch den Test AA-Omniscience v1.1 von Artificial Analysis an, der Halluzinationen und Faktenwiedergabe erfasst. Der Vorbehalt ist deutlich. Selbst das beste Modell erreichte 54 auf einer Skala von -100 bis +100. Das deutet darauf hin, dass Frontier-Systeme im Jahr 2026 noch weit von durchgängiger Zuverlässigkeit beim Abrufen von Informationen entfernt sind.

Diese Zahl sollte man im Kopf behalten, wenn Anbieter über agentische Einsätze sprechen. Ein Modell, das Fakten in einem von zwanzig Fällen erfindet, ist ein anderes Produkt als eines, das sie in einem von tausend Fällen erfindet. Der Benchmark zeigt, dass niemand nahe am zweiten Wert liegt. Auch die Ranglisten verschieben sich schnell. Tom's Hardware beschreibt Gemini 4 Carbon als Comeback für Google nach einem unregelmäßigen Veröffentlichungsjahr.

Die billigste brauchbare Option ist unterdessen gar kein Flaggschiff eines Frontier-Labors.

DeepSeek V4.1 Flash 1017 kostet pro Aufgabe rund 13 Mal weniger als Gemini 4 Carbon. Im selben Index kommt es laut Tom's Hardware nur auf 32.

Gartner: Offene Gewichte erledigen den Großteil der Arbeit

Diese Preislücke ist der Hintergrund eines Gartner-Dokuments, das vergangene Woche erschien und über das The Register am 3. November berichtete. Die Analysten Mark Petty und Raymond Paquet argumentieren, dass neun von zehn Schritten in Agenten-Workflows Routinearbeit sind. Offene Modelle mit Gewichten erledigen sie zum selben Ergebnis für ein Viertel des Preises des billigsten geschlossenen Modells, oder für nur ein Zwanzigstel gegenüber einem Frontier-Modell, das bei jedem Schritt läuft.

„Aktuelle offene Modelle können ausführlicher formulieren und öfter wiederholen, deshalb liegt die Ersparnis pro Aufgabe gegenüber einem Frontier-Modell eher bei fünf oder sechs Mal“, schrieben die Analysten laut The Register.

Gartners strategische Planungsannahme lautet, dass bis 2030 90 % der operativen Agenten-Workflow-Schritte in Unternehmen auf Modellen mit offenen Gewichten laufen. Die Ersparnis sei zweitrangig, argumentiert das Unternehmen zudem. „Jahre an Workflow-Historie sind ein großer Teil dessen, was ein Käufer bei einem SaaS-Unternehmen bezahlt, und jeder Routineschritt an eine Frontier-API verlagert ein Stück davon außerhalb deines Perimeters“, schrieben die Analysten. „Offene Gewichte bewahren deine Kontrolle. Die Kostenersparnis ist ein Bonus.“

The Register merkt an, dass Gartner erwartet, der Wert wandere zu den Harnesses, also der Software, die Arbeit zwischen Modellen verteilt. Frontier-Modelle werden in dieser Sicht zu Forschungs- und Entwicklungsausgaben. Offene Gewichte werden zu Betriebskosten.

Das Inferenzvolumen in China steigt

Die Nachfrage wächst unabhängig davon, welches Modell antwortet. In China überschritten die durchschnittlichen täglichen Token-Aufrufe 175 Billionen, mehr als das 1.000-Fache des Niveaus Anfang 2024. Die Zahl stammt aus einem Bericht, den das China Centre for Information Industry Development am Samstag veröffentlichte; die Einrichtung gehört zum Ministerium für Industrie und Informationstechnologie. Die South China Morning Post berichtete am 2. November, dass die in China erzeugten Inferenzdaten erstmals die Daten übertrafen, mit denen die Systeme trainiert wurden.

Token-Aufrufe messen, wie die SCMP sie definiert, die Nutzung über öffentliche Cloud-Anbieter. Sie sind ein Näherungswert für den Verbrauch, kein Qualitätsmaß. Der Bericht schlüsselt nicht auf, wie viel dieses Verkehrs auf Video, Text oder Agenten entfällt.

Die Videogenerierung ist eine Arbeitslast, die dieses Volumen treibt. Öffentliche Daten zu Modellveröffentlichungen in dieser Kategorie sind über Anbieterankündigungen in den jüngsten Schlagzeilen hinaus dünn.

Spezialisten bringen ihre Argumente vor

Il Sole 24 Ore berichtete am 1. November, dass Translated, ein Sprachdienstleister aus Rom, im Oktober Lara 3 veröffentlichte, ein Modell für professionelle Übersetzung. In Tests, die das Unternehmen selbst organisierte, prüften professionelle Übersetzer 16.800 Übersetzungen aus dem Englischen in 21 Sprachen blind. 82 % der Ausgabe von Lara 3 galten ohne Korrekturen als brauchbar, gegenüber 69 % bei GPT-5.6 Sol, dem besten Generalisten im Vergleich. Die Zeitung merkt an, dass die Tests vom Unternehmen durchgeführt wurden und auf diese Inhaltstypen beschränkt waren.

Das ist das Spezialistenargument im Kleinen: weniger Korrekturen, weniger Bearbeitungszeit. Es ist zugleich die Aussage eines Anbieters über seinen eigenen Benchmark. Deshalb zählen Stichprobengröße und Reichweite mehr als der Prozentwert in der Überschrift.

An Hardware und Training wird darunter weitergearbeitet.

RTL-Interact, ein am 30. Oktober bei arXiv eingereichtes Paper, beschreibt ein Multi-Task-Framework für das Post-Training im Chipdesign. Es erreicht 48,7 % gewichtetes Pass@1 im CVDP-Benchmark mit einem 32B-Modell und liegt damit vor seinem Lehrer DeepSeek-V3.2. Außerdem senkt es die durchschnittlichen Tool-Aufrufe um 63,8 % über eine Methode, die die Autoren Pattern-Aware Policy Optimization nennen.

Strom und Patches

Die Rechenzentren, die all diese Inferenz tragen, stoßen an eine eigene Grenze. Die Analyse von Ember vom Oktober 2026, über die pv magazine am 3. November berichtete, kommt zu dem Ergebnis, dass Rechenzentren in Irland bereits rund 19 % der Spitzenstromnachfrage ausmachen. Sie prognostiziert, dass dieser Anteil bis 2030 auf 24 % steigen könnte, bei einer Rechenzentrumsnachfrage von 1,6 GW gegenüber einer Systemspitze von 6,5 GW. Lastverlagerung könnte die irische Spitzennachfrage bis 2030 um etwa 100 MW senken, also um 1,5 %. Eigenerzeugung hinter dem Zähler und Speicher könnten fast fünfmal mehr Entlastung bringen, mit möglichen Reduktionen von bis zu 2,7 GW in Texas.

Sicherheitsteams haben ein unmittelbareres Problem.

Red Hat lieferte am 1. November Kernel aus, die CVE-2026-98432 beheben, eine Use-after-free-Schwachstelle im IPv4-TCP-Code des Linux-Kernels. Das Kernel-CVE-Team bewertet sie mit 9,8 von 10, und ein entfernter, nicht authentifizierter Angreifer kann sie erreichen, wie The Hacker News am 3. November berichtete. Red Hat hatte zunächst 5,9 vergeben und den Wert auf 9,8 angehoben. Canonical teilte am 2. November mit, dass die Ubuntu-Fixes für 22.04, 24.04 und 26.04 LTS im optionalen -proposed-Kanal liegen, ohne Veröffentlichungsdatum für das reguläre Update.

Vor diesem Hintergrund lesen sich die Zahlen von Gemini 4 Carbon weniger wie eine Ziellinie und mehr wie eine Momentaufnahme. Ein Punkt Vorsprung in einem Intelligenzindex, 7,76 US-Dollar Kosten pro Aufgabe und ein Halluzinationswert von 54 beschreiben einen Markt, in dem die Frontier teuer ist. Die Mitte ist billig, und der Großteil der Produktionsarbeit wird, wenn Gartner recht hat, die Frontier gar nicht berühren.