Ein KI-Agent, der einen Fehler in einem großen Repository sucht, muss oft Dateien durchsuchen, Hypothesen prüfen, Tests ausführen und seinen Ansatz korrigieren. Solche Aufgaben verlangen mehr als eine gute Antwort auf einen einzelnen Prompt. Google hat Gemini 4 Carbon am 10. November für zahlende Entwickler und Unternehmen geöffnet. Zuvor war das Modell ausgewählten Teams für Cyberabwehr über das Fairwind-Programm zugänglich. Carbon soll vor allem bei langen, mehrstufigen Arbeitsabläufen helfen; das bereits verfügbare Gemini 4 Argon bleibt laut Google die sparsamere Wahl für viele alltägliche Entwicklungsaufgaben.
Was Carbon technisch anders macht
Die Modellkarte beschreibt Carbon als Modell, das auf Gemini 4 Argon aufbaut. Google veröffentlicht dort keine genaue Aufschlüsselung seiner Architektur oder Trainingsänderungen. Der für Entwickler sichtbare Unterschied liegt vor allem darin, wie viel Rechenarbeit Carbon für komplexe Aufgaben aufwendet: Es verwendet nach Angaben des Unternehmens mehr Denk-Token, um Alternativen zu prüfen und längere Schleifen aus Implementierung und Verifikation durchzuführen. Über den API-Parameter thinking_level lässt sich dieser Aufwand auf low, medium oder high einstellen; medium ist die Voreinstellung. Eine höhere Stufe kann die Antwort verbessern, erhöht aber unter Umständen Laufzeit und Tokenverbrauch. Für Routineaufgaben ist deshalb nicht automatisch das leistungsstärkere Modell die wirtschaftlichere Wahl. Google erläutert diese Abstufung im Entwicklerleitfaden.
Carbon nimmt Text, Bilder, Audio, Video und PDF-Dateien entgegen und gibt Text aus. Die aktuelle API-Dokumentation nennt gemini-4-carbon als stabile Modellkennung. Eingabe, Denkprozess und Ausgabe teilen sich ein Kontextfenster von 1.048.576 Token. Das bedeutet nicht, dass die API standardmäßig eine Million Token ausgibt: Für synchrone Anfragen liegt die voreingestellte Ausgabegrenze bei 65.536 Token. Wer längere Ausgaben benötigt, muss Long Decode gezielt nutzen; außerdem verringert eine lange Eingabe den verfügbaren Platz für Denken und Ausgabe. Das ist etwa dann wichtig, wenn ein Agent sehr viele Quelldateien liest und anschließend noch umfangreiche Änderungen samt Tests formulieren soll.
Die Dokumentation führt unter anderem Function Calling, Codeausführung, Computer Use und strukturierte Ausgaben als unterstützte Funktionen auf. Bild- und Audiogenerierung sowie die Live API gehören dagegen nicht zu diesem Modell. Die multimodalen Eingaben machen Carbon interessant, wenn ein Arbeitsauftrag neben Code auch Pläne, Diagramme oder Aufzeichnungen enthält. Ob daraus ein brauchbares Ergebnis entsteht, hängt weiterhin von den Werkzeugen, Berechtigungen und Prüfungen des gesamten Agentensystems ab.
Was die Messungen tatsächlich zeigen
Google veröffentlicht in der Modellkarte Vergleichswerte, die Carbon bei mehreren Coding-, Langkontext- und Sicherheitsaufgaben vor Argon sehen. Solche Zahlen gelten für die jeweiligen Testaufbauten. Bei den Cybersecurity-Ergebnissen vermerkt Google ausdrücklich, dass sie für den Zugang über Fairwind gemessen wurden; sie beschreiben nicht ohne Weiteres das Verhalten eines gewöhnlichen API-Kontos.
Ein ergänzender Blick auf Artificial Analysis‘ Multimodal-Knowledge-Agent-Test ist aufschlussreich: Carbon erreicht dort in der Einstellung „High“ 54 Prozent beim gewichteten Erfüllungsgrad der schwierigeren Anforderungen. Claude Fable 5.2 liegt auf derselben öffentlich angezeigten Auswertung bei 57 Prozent. Für den Test bearbeiten Agenten 200 Aufgaben mit visuellen Arbeitsdateien und erzeugen etwa Berichte oder Tabellen. Artificial Analysis führt die Läufe unabhängig durch, verwendet aber einen von Google DeepMind entworfenen Benchmark mit privatem Datensatz und lässt die Ergebnisse durch einen weiteren KI-Agenten anhand gewichteter Kriterien bewerten. Der Wert beschreibt damit eine bestimmte Agentenumgebung und keinen allgemeinen Qualitätsabstand zwischen Modellen. Er zeigt immerhin, dass Carbon bei dokumentenlastiger Arbeit konkurrenzfähig ist, ohne jede Vergleichsaufgabe anzuführen.
Für wen sich der Einsatz lohnt
Google bietet Carbon im kostenpflichtigen Gemini-API-Tarif an; ein kostenloser API-Tarif für dieses Modell ist laut Preisdokumentation nicht vorgesehen. Bis einschließlich 30. November 2026 gelten Einführungspreise von 2 US-Dollar je Million Eingabe- und 10 US-Dollar je Million Ausgabetoken. Ab 1. Dezember nennt Google 4 beziehungsweise 20 US-Dollar. Die Preisstaffel und der Vergleich mit Argon sind für die Planung entscheidend: Beide haben vorübergehend denselben Listenpreis pro Token, doch Carbon kann für eine Aufgabe mehr Denk-Token verbrauchen. Auch diese Token werden berechnet. Ein identischer Tarif pro Million Token bedeutet also noch keinen identischen Preis pro gelöstem Auftrag.
Für Entwicklerteams bietet sich Carbon dort an, wo ein schwieriger Fehler, eine Architekturentscheidung oder eine anspruchsvolle Dokumentenanalyse den zusätzlichen Aufwand rechtfertigt. Wiederkehrende Teilaufgaben sollten sie dagegen auch mit Argon oder einem kleineren Modell testen. Sinnvoll ist ein Vergleich mit demselben Werkzeugzugang und denselben Eingaben, bei dem nicht nur die Antwortqualität, sondern auch Kosten pro abgeschlossener Aufgabe, Laufzeit und fehlgeschlagene Durchläufe erfasst werden. Bei sicherheitskritischen Änderungen muss ein Mensch die Ergebnisse weiterhin prüfen.
Fazit
Mit der breiteren Freigabe von Carbon ergänzt Google Argon um ein Modell für besonders aufwendige, mehrstufige Aufgaben. Der technische Fortschritt besteht für API-Nutzer nicht in einer neuen Schnittstelle, sondern vor allem in mehr Raum für gründliche Bearbeitung und Verifikation. Das kann sich bei schwierigen Agentenläufen auszahlen. Wer Carbon flächendeckend statt gezielt einsetzt, riskiert jedoch höhere Laufzeiten und Rechnungen, ohne dass jede Aufgabe davon profitiert.