Zwei Releases in zwei Wochen, und Google ist wieder vorne

Am 28. Oktober erschien Gemini 4 Carbon, und noch am selben Tag stand Google wieder ganz oben: im Artificial Analysis Intelligence Index und in der Text-Rangliste von Arena. Gemini 4 Argon war da gerade einmal zwei Wochen alt.

Zum Start durfte nur eine kleine Gruppe von Cyber-Verteidigern ran. Alle anderen sahen die Ergebnisse, aber nicht das Modell. Am 10. November hat Google die API für alle zahlenden Entwickler geöffnet, ohne den Preis anzufassen: wie bei Argon $2 Input und $10 Output pro Million Token.

Gleicher Preis, stärkeres Modell – also einfach umsteigen? Da bremst Google selbst. In der Ankündigung steht klar: Für den Großteil der Softwareentwicklung und Wissensarbeit bleibt Argon die bessere Wahl. Carbon ist für die harten Fälle gedacht und verbraucht deutlich mehr Token als Argon, um Lösungswege zu erkunden, nachzudenken und das Ergebnis zu prüfen.

Kurz gesagt: Carbon ist für schwierige Probleme da, kein Upgrade, das Argon ablöst. Modulübergreifende Refactorings, Bugs ohne erkennbare Ursache und lange Agent-Läufe gehören zu Carbon. Alltägliche Änderungen und Tests bleiben bei Argon. Pro Token ist Carbon günstig, aber es denkt lange und schreibt viel, eine Aufgabe kostet am Ende also einiges – und ab 1. Dezember verdoppelt sich der Token-Preis. Auf CodingPass ist Carbon in Go, Plus und Pro enthalten.

14 von 17 Benchmarks auf Platz eins

Wenn du programmierst, sind drei Zeilen interessant.

• Agentisches Programmieren im Terminal. 65,2 % auf Terminal-Bench 4.0: 5,6 Punkte vor Opus 5.5 und rund 8 vor Argon. Nirgends ist der Abstand zu Argon größer.

• Langer Kontext. 96,2 % auf GraphWalks (256k bis 1M). Argon kommt auf 84,2 %, Opus 5.5 nur auf 66,8 %. Wer sich durch ein großes Repository arbeitet und Zusammenhänge über viele Dateien sucht, merkt hier kaum Aussetzer.

• Cybersicherheit. Schwachstellen finden, ausnutzen, beheben: dreimal Platz eins. Damit wollte Google am meisten Eindruck machen. Gemessen wurde allerdings ohne Schutzmechanismen, und die vollen Cyber-Fähigkeiten gibt es nur auf Antrag über das Fairwind-Programm.

Ein Alleskönner ist Carbon aber nicht. Auf FrontierSWE 2, wo echte Repositories repariert werden, liegen GPT-6 Astra (65,5 %) und Opus 5.5 (62,3 %) beide vor seinen 61,2 %. Bei der Computer-Nutzung auf OSWorld führt Opus 5.5 mit fast 6 Punkten. Und auf RiemannBench verliert Carbon sogar gegen Googles eigenes Argon.

Platz eins hielt auch nur zwei Wochen. Am 10. November kam Claude Fable 5.2, im Artificial Analysis Intelligence Index steht jetzt Fable 5.2 bei 65 und Carbon bei 60.

Deutlich besser, deutlich langsamer

Näher am Alltag als jeder Benchmark ist die Agent-Rangliste von Arena. Sie zählt, ob das Problem in echten Agent-Sessions echter Nutzer am Ende gelöst wurde.

Carbon landet auf Platz zwei, nur hinter Opus 5.5 Max. Argon steht auf Platz sieben. Einen Punkt hebt Arena eigens hervor: Wenn du mitten in der Aufgabe die Anforderungen änderst oder widersprichst, hört das Modell zu und schwenkt um? Darin ist Carbon die Nummer eins.

Peter Gostev, der bei Arena die Modellbewertung leitet, hat Carbon schon vor dem Release ausprobiert. Sein Urteil: Es fühlt sich viel besser an als Argon, diesmal meint Google es ernst.

Den Haken erwähnen alle: Carbon ist langsam. Der Test-Account Lumina hat mit Carbon auf Arena 3D-Szenen gebaut und fand es klar stärker als Argon, aber extrem langsam – je nach Aufgabe 2- bis 4-mal so langsam.

Gleicher Token-Preis, höhere Rechnung

Carbon und Argon kosten pro Token gleich viel. Der Unterschied liegt allein in der Menge.

Für den kompletten Intelligence Index hat Carbon 205 Millionen Output-Token erzeugt. Der Median vergleichbarer Modelle liegt bei 72,8 Millionen, das ist etwa das 2,8-Fache. Eine Aufgabe dauerte im Schnitt 25,6 Minuten, der Median liegt bei 12,6.

Auch Googles Preisseite macht kein Geheimnis daraus: Bei derselben Aufgabe braucht Argon pro Runde weniger Token und antwortet schneller. Mehr Token heißt mehr Kosten und mehr Warten. Arena rechnet vor, dass Carbon pro Aufgabe 72 % günstiger ist als Opus 5.5 Max. Das stimmt, der Vergleich läuft aber gegen die teuerste Einstellung überhaupt, nicht gegen Argon.

Ab 1. Dezember doppelt so teuer

$2 / $10 ist ein Einführungspreis. Googles Preisseite sagt es deutlich: Ab 1. Dezember kosten Carbon und Argon $4 Input und $20 Output pro Million Token, Cache-Lesezugriffe steigen von $0.10 auf $0.20.

Die $7.76 pro Aufgabe bei Artificial Analysis sind schon zum neuen Preis gerechnet.

Auf CodingPass: erst mal medium

Auf CodingPass hat Carbon drei Reasoning-Stufen, low, medium und high. Ganz ausschalten lässt sich das Denken nicht:

• Schickst du reasoning_effort (Chat Completions), reasoning.effort (Responses) oder output_config.effort (Messages) mit, läuft es auf der gewählten Stufe.
• Schickst du nichts mit, läuft es auf high.
• Verlangst du kein Denken (none oder thinking auf disabled), läuft es auf low, der niedrigsten Stufe.

Fang mit medium an. Carbons Stärke ist, an einem harten Problem dranzubleiben, aber die meisten Anfragen brauchen das lange Nachdenken auf high nicht. Hängt es fest, schalte hoch.

curl https://codingpass.ai/v1/chat/completions \  -H "Authorization: Bearer $CODINGPASS_API_KEY" \  -H "Content-Type: application/json" \  -d '{    "model": "gemini-4-carbon",    "reasoning_effort": "medium",    "messages": [{"role": "user", "content": "Find the root cause of the flaky test in tests/sync.test.ts"}]  }'

In OpenCode, Cline und anderen OpenAI-kompatiblen Tools trägst du gemini-4-carbon in die Modellliste ein, fertig.

Wann du zu Carbon wechselst

1. Im Alltag bleibt Argon. Das sagt Google selbst, und die Token-Rechnung sagt dasselbe. Argon ist schnell, mit demselben Kontingent schaffst du mehr.

2. Carbon, wenn du feststeckst. Änderungen über mehrere Module, ein Bug, dem du seit Stunden hinterherjagst, eine Aufgabe, die ein Agent lange am Stück abarbeiten muss: Da lohnen sich die Wartezeit und das zusätzliche Kontingent.

3. Große Brocken noch im November. CodingPass rechnet zu offiziellen API-Preisen ab. Wenn sich der Token-Preis am 1. Dezember verdoppelt, reicht dasselbe Kontingent nur noch für halb so viele Token.

Häufige Fragen