Gemini 4 Carbon vs. Argon: Was ändert sich?
Carbon vs. Argon ist vorerst ein Vergleich veröffentlichter Leistungsdaten. Die nominell gleichen API-Einführungspreise machen daraus noch kein direkt austauschbares Produkt. Zugang, Laufzeit der Preisaktion und die Eignung für deutsche Arbeitsabläufe müssen getrennt betrachtet werden.
👁 122 Aufrufe
Update 10 November 2026: Ich habe beide mit denselben Aufgaben getestet
Carbon ist jetzt über die API zum selben Preis wie Argon verfügbar (2 / 10 USD pro Million Tokens bis 30 November, danach 4 / 20). Bei meinen Aufgaben lagen beide bei der Genauigkeit fast gleichauf: jeweils 99,5% bei 23 praxisnahen Aufgaben, jeweils 8 von 8 bei einer Sicherheitsprüfung und jeweils 7 von 7 bei einer Log-Analyse. Bei den Quellen war Carbon klar besser (0 von 16 erfunden, bei Argon waren es 2), aber deutlich langsamer: 264 s gegenüber 135 s für die 23 Aufgaben und 518 s gegenüber 64 s für eine Tabellenkalkulations-Engine (0,47 gegenüber 0,05 USD). Alle Ergebnisse: mein Test von Gemini 4 Carbon.
Gemini 4 Carbon liegt in Googles eigener Benchmarktabelle bei allen elf hier gezeigten Tests vor Gemini 4 Argon, am deutlichsten bei langen Kontexten (GraphWalks: 96,2 statt 84,2 Prozent), beim Ausnutzen von Sicherheitslücken (ExploitGym: 54,8 statt 42,0 Prozent) und bei Terminal-Aufgaben (65,2 statt 57,1 Prozent). Der angekündigte Einführungspreis ist mit 2 / 10 USD pro Million Tokens derselbe. Trotzdem bleibt Argon vorerst das Modell, mit dem Sie arbeiten: Carbon ist seit der Ankündigung am 28. Oktober 2026 nur für ausgewählte Partner freigeschaltet, ein Termin für alle anderen fehlt.
Alle Werte unten hat Google veröffentlicht und überwiegend selbst gemessen. Ein eigener Test war mangels Zugang nicht möglich.
Carbon gegen Argon in Googles Benchmarks
| Benchmark | Carbon | Argon |
|---|---|---|
| AA Intelligence Index v5.0 | 59 | 50 |
| SWE-sweep | 9,6 % | 4,3 % |
| FrontierSWE 2 | 61,2 % | 55,0 % |
| Terminal-Bench 4.0 (AA) | 65,2 % | 57,1 % |
| Agents‘ Last Exam v1.1 | 77,4 % | 69,0 % |
| OSWorld-2.1 (offline) | 81,5 % | 74,7 % |
| AutomationBench (Zapier) | 53,9 % | 51,3 % |
| GraphWalks 256k-1M (BFS F1) | 96,2 % | 84,2 % |
| CWE-bench (Lücken beheben) | 71,0 % | 68,0 % |
| ExploitGym (Lücken ausnutzen) | 54,8 % | 42,0 % |
| SEC-bench Pro (Lücken finden) | 88,2 % | 83,4 % |
Zur Methodik schreibt Google: pass@1 mit den höchsten Denkeinstellungen über die Gemini API. SWE-sweep hat Google für Carbon selbst mit mini-swe-agent berechnet, ExploitGym und SEC-bench Pro liefen in Googles Antigravity-Umgebung ohne Internet und mit abgeschalteten Schutzmechanismen, auch Agents‘ Last Exam und OSWorld beruhen auf eigenen Durchläufen. Ein bekannter Benchmarkname heißt also nicht, dass jemand die Werte unabhängig wiederholt hätte.
Wo Carbon nicht vorn liegt
Gegen Argon gewinnt Carbon in dieser Tabelle überall, gegen die Konkurrenz nicht. Bei FrontierSWE 2 führt laut derselben Tabelle GPT-6 Astra mit 65,5 Prozent, auch Claude Opus 5.5 liegt mit 62,3 Prozent knapp vor Carbon. Bei OSWorld-2.1, also der Bedienung von Desktop-Anwendungen, erreicht Opus 5.5 87,2 Prozent gegenüber 81,5 Prozent bei Carbon. Die Werte der anderen Modelle hat Google aus deren Herstellerberichten oder Ranglisten übernommen.
| Benchmark | Carbon | GPT-6 Astra | Claude Opus 5.5 |
|---|---|---|---|
| FrontierSWE 2 | 61,2 % | 65,5 % | 62,3 % |
| OSWorld-2.1 (offline) | 81,5 % | 80,9 % | 87,2 % |
Weniger Schummeln und weniger unbelegte Behauptungen
Neben der Leistung hebt Google das Verhalten hervor. Im Terminal-Bench 4.0 sei Carbon in 0,0 Prozent der Fälle erfolgreich beim Schummeln gewesen, Versuche gab es in 0,4 Prozent. Beim Programmieren mit internen Teams seien schwerwiegende Fehlverhaltens-Warnungen um fast 80 Prozent zurückgegangen, unbelegte Behauptungen etwa halb so häufig wie bei Argon. Übereifriges Handeln sank laut Google um 26 Prozent, zu wenig Hilfe um 29 Prozent. Im Prompt-Injection-Test von Gray Swan gelang kein Angriff (0,0 Prozent, Argon: 0,7 Prozent).
Dazu kommen Aussagen ohne Benchmark: Interne Teams hätten Carbon tagelang an Ursachenanalysen in großen Codebasen arbeiten lassen, beim Erzeugen sicheren Codes sei es mehr als doppelt so erfolgreich wie Argon, und das Chrome-Team habe mehr als zehnmal so viele hochwertige Patches gesehen wie bei einem nicht genannten Modell eines anderen Labors. Das sind interne Beobachtungen, keine Messung, die sich auf Ihr Repository übertragen lässt.
Wann sich der Wechsel von Argon lohnt
Solange Carbon nicht allgemein verfügbar ist, stellt sich die Frage nur für Fairwind-Partner. Für alle anderen gilt: Laufende Argon-Projekte weiterführen und bei der Öffnung mit denselben Aufgaben vergleichen. Sinnvolle Prüfkriterien sind, ob ein Fehler reproduziert wird, ob der Patch die Tests besteht und ob die Änderungen im vereinbarten Umfang bleiben, dazu die Kosten pro erledigter Aufgabe. Am meisten verspricht Carbon nach Googles Zahlen bei Sicherheitsanalysen, langen Kontexten und Agentenaufgaben über viele Schritte. Für Desktop-Automatisierung liegt nach derselben Tabelle Claude Opus 5.5 vorn.
Preislich ändert sich zunächst nichts: Beide Modelle starten bei 2 / 10 USD, beide sollen später 4 / 20 USD kosten. Für Argon endet der Einführungspreis am 30. November 2026, für Carbon hat Google kein Enddatum genannt. Wer Carbon in Deutschland wann bekommt und was die Google-AI-Abos kosten, steht im Beitrag Gemini 4 Carbon in Deutschland.
Weiterlesen: Gemini-4-Argon-Überblick | Gemini 4 Carbon
Quellen
- Google (Koray Kavukcuoglu): Introducing Gemini 4 Carbon (28. Oktober 2026)
- Google DeepMind: Gemini 4 Carbon model evaluation (PDF, Benchmarktabelle und Methodik)
- Google DeepMind: Fairwind Program
- Google: Gemini API Pricing (Gemini 4 Argon)
Geprüft am 29. Oktober 2026.
More on this from WISSNOX
ki-tools·Project Genie 3 und Genie 4: die belegten UnterschiedeAudio, Steuerung und Zugang ändern sich. Alte Angaben zu 720p, 24 fps und 60 Sekunden dürfen nicht ungeprüft auf Genie 4 übertragen werden.