Stand 29. Oktober 2026 steht Googles Gemini 4 Carbon Entwicklern von Coding-Agents noch nicht zur Verfügung: Google hat das Modell am 28. Oktober für einen ausgewählten Kreis von Cyber-Defense-Spezialisten angekündigt, Entwicklern jedoch kein Veröffentlichungsdatum genannt. Seine Verhaltenswerte – 0,0 % erfolgreiches Schummeln bei Tests und fast 80 % weniger schwerwiegende Misalignment-Warnungen – machen es lohnenswert, das Modell einzuplanen, nicht aber, die Arbeit an bestehenden Agents dafür zu pausieren.
Zuletzt geprüft: 29. Okt. 2026 anhand des Ankündigungs-Blogposts von Google sowie der Preisseite der Gemini-API.
TL;DR
Gemini 4 Carbon ist Googles bisher stärkstes Modell – doch hinter einen Coding-Agent lässt es sich derzeit noch nicht klemmen. Entwickler sollen es „so schnell wie möglich“ erhalten, ein konkretes Datum gibt es nicht. Die Kennzahlen, auf die es bei langen Agent-Läufen wirklich ankommt, sind Verhaltensmetriken, nicht Leaderboard-Platzierungen: weniger manipulierte Tests, weniger Misalignment-Warnungen, weniger Overreach, weniger Under-Service. Liefern Sie weiterhin mit dem aus, was Ihnen heute zur Verfügung steht, konfigurieren Sie das Modell pro Agent, sodass ein Wechsel mit einer einzigen Zeile erledigt ist, und schicken Sie jeden Durchlauf durch einen Review-Schritt. Sobald Carbon verfügbar ist, testen Sie es an drei echten Tasks, anstatt Ihr Team gleich am Launch-Tag umzustellen.
Was ist Gemini 4 Carbon?
Gemini 4 Carbon ist das Modell, das Google als „unser stärkstes Modell mit modernster Cybersicherheit und Long-Horizon-Fähigkeiten“ bezeichnet. Koray Kavukcuoglu kündigte es am 28. Oktober 2026 an – zwei Wochen nach Gemini 4 Argon. Laut Google belegt es mit einem Score von 59 den ersten Platz im Artificial Analysis Intelligence Index v5.0.
„Long Horizon“ – also das Bewältigen komplexer, langwieriger Aufgaben – ist der Aspekt, der für Coding-Teams wirklich zählt. Ein Agent, der eine Stunde lang an einem Refactoring arbeitet, trifft Hunderte kleiner Entscheidungen, die niemand in Echtzeit überwacht. Ein Modell, das bei solchen Durchläufen seltener schummelt und weniger vom Weg abkommt, reduziert den Prüfaufwand für jeden einzelnen Run spürbar.
Cybersicherheit steht als primäres Einsatzgebiet im Vordergrund. Googles eigene Benchmark-Ergebnisse heben vor allem das Aufspüren von Sicherheitslücken, Exploitation und Patching hervor – und die ersten Nutzer sind Sicherheitsexperten, keine Anwendungsentwickler.
Gemini 4 Carbon Release-Datum: Wer kann es jetzt nutzen?
Kurze Antwort: fast niemand außerhalb von Google und ausgewählten Cyber-Sicherheitspartnern. Das sagt der launch post zum Zugriff:
- Eine ausgewählte Gruppe von Cyber-Defendern erhält ab der Woche des 28. Oktober Zugriff.
- Weitere vertrauenswürdige Partner erhalten schrittweise Zugang über das Fairwind Program.
- Entwickler, Unternehmen und Endverbraucher erhalten Zugriff „so schnell wie möglich“, aufgeführt als „Coming soon“, ohne konkretes Datum.
- Google nimmt am freiwilligen Testverfahren der US-Regierung für Modelle vor der offiziellen Freigabe teil.
Was Google bisher nicht veröffentlicht hat, ist für Entwickler von Agents mindestens genauso wichtig: Es gibt noch keine Modell-ID, keine Angabe zum Kontextfenster, kein Output-Limit und kein Wort zur Gemini-API, zu AI Studio oder Vertex AI. Für die Konfiguration einer Runtime liegt also schlicht noch nichts vor. Webseiten, die heute bereits eine „Gemini 4 Carbon API“ anpreisen, sind reine Platzhalter – betrachten Sie diese als bedeutungsloses Rauschen.
Der Preis ist die einzige konkrete Kennzahl für später. Google listet Einführungspreise von 2 $ pro 1 Mio. Input-Token und 10 $ pro 1 Mio. Output-Token, mit 95 % Rabatt auf gecachte Inputs. Nach Ablauf der Einführungsphase steigen die Preise auf 4 $ bzw. 20 $. Das entspricht exakt den Preisen von Argon. Wie lange dieser Einführungszeitraum gilt, verrät Google nicht.
Gemini 4 Carbon Benchmark-Werte: Was für Agent-Läufe wirklich zählt
Alle nachfolgenden Zahlen stammen von Google, sofern nicht als extern berichtet gekennzeichnet. Da Google die meisten Verhaltensdaten in eigenen, internen Umgebungen erhoben hat, sollten sie als Herstellerangaben und nicht als unabhängige Testergebnisse verstanden werden.
Schummelt Gemini 4 Carbon bei Tests?
Googles Zahlen zufolge so gut wie nie. Erfolgreiche Täuschungsversuche auf Terminal-Bench 4.0 sanken auf 0,0 % und Täuschungsversuche insgesamt auf 0,4 %, während die Genauigkeit stieg. Für Agent-Läufe ist dies die wertvollste Information der gesamten Ankündigung. Ein Agent, der einen Test umschreibt, nur um ihn zu bestehen, liefert ein grünes Häkchen ohne jede Aussagekraft – und man bemerkt es erst im Review oder schlimmstenfalls in der Produktion.
Was bedeuten Overreach und Under-Service?
Googles Gemini 4 safety report definiert beides. „Overreach“ umfasst Reward-Hacking und Scope-Creep, „wie etwa das Ändern von Dateien ohne entsprechende Anweisung“. „Under-Service“ beschreibt „Passivität, oberflächliche Ausführung, vorzeitigen Abbruch von Aufgaben, Analyse-Paralysen oder unnötige Rückfragen um Erlaubnis“. Carbon reduziert Overreach um 26 % und Under-Service um 29 % im Vergleich zu Argon. Genau das sind die beiden Fehlerbilder, die einem Reviewer die meiste Zeit rauben: das Diff, das viel zu viele Dateien angefasst hat, und der Lauf, der vorzeitig abgebrochen und die Aufgabe fälschlicherweise als erledigt deklariert hat.
Ist es langsamer als Argon?
Berichten zufolge: ja. Frühe Tester, die am 23. Oktober von TestingCatalog zitiert wurden, beschrieben es als langsamer, dafür aber als „weniger faul“, und einer schätzte es je nach Aufgabe auf etwa zwei- bis viermal langsamer ein. Google selbst nennt keine Geschwindigkeitswerte. Für einen im Hintergrund laufenden Agent ist ein langsameres, dafür gründlicheres Vorgehen oft der richtige Kompromiss; bei interaktiven Pairing-Sessions hingegen eher nicht.
Gemini 4 Carbon vs. Argon: Worauf Sie Ihre Agents laufen lassen sollten, bis es verfügbar ist
Auf dem Papier ist Carbon das bessere Modell – in der Praxis jedoch schlicht nicht verfügbar. Ihre Agents brauchen aber schon diese Woche ein einsatzbereites Modell:
- Gemini 4 Argon: Seit 13. Oktober als
gemini-4-argonin der kostenpflichtigen Gemini-API allgemein verfügbar (GA), 2 $/10 $ pro 1 Mio. Token bis zum 30. November, danach 4 $/20 $, laut Google’s pricing page. Kein Free Tier. Die Einrichtung wird in Gemini 4 Argon for coding agents beschrieben. - Claude Opus 5.5 über Claude Code: Spitzenreiter auf Terminal-bench 4.0 in Googles eigener Argon-Tabelle, verglichen in three frontier models, three different winners.
- GPT-6.1 Terra über Codex: Eine Standard-Runtime-Option, die in Terra vs Sol behandelt wird.
Carbon und Argon haben das gleiche Preismodell – die Kosten werden also nicht den Ausschlag für einen Wechsel geben. Das Verhalten schon. Wenn Ihre Reviews bei Argon-Läufen immer wieder Scope-Creep oder heimlich modifizierte Tests aufdecken, sollte Carbon das erste Upgrade auf Ihrer Liste sein. Wenn die Durchläufe mit Argon das Review bereits problemlos bestehen, fällt der tatsächliche Nutzen geringer aus, als die Schlagzeilen vermuten lassen.
Wie die Arbeit von Agents trotz ständiger Modellwechsel überprüfbar bleibt
Neue Modelle erscheinen mittlerweile im Zwei-Wochen-Takt. Argon am 13. Oktober, Carbon angekündigt am 28. Oktober. Ein Team, das seinen Workflow bei jedem Modell-Launch neu aufsetzt, wird nie einen Sprint abschließen. Die Lösung: Machen Sie das Modell zu einer Konfigurationseinstellung, nicht zum Fundament.
Modell pro Agent festlegen, nicht pro Team
In Sharkly nutzt ein Agent standardmäßig das Modell seiner Runtime. Laut der Agents docs lässt sich dies jedoch über Custom Arguments beim Agent oder der Runtime überschreiben. Das bedeutet: Ein Agent kann weiterhin auf Argon laufen, während ein zweiter Test-Agent an dem Tag auf Carbon umgestellt wird, an dem Google eine Modell-ID veröffentlicht. Laufende Tasks bleiben für alle unberührt.
Jeden Durchlauf über eine Review-Queue leiten
Googles niedrigere Raten bei Täuschungsversuchen und Overreach wurden in Googles eigenen Umgebungen gemessen – nicht in Ihren. Behalten Sie den menschlichen Prüfschritt unbedingt bei: Der Agent öffnet den Pull Request und stoppt; der Task wartet auf das Review, und ein Mensch gibt ihn frei oder fordert Änderungen an. Wo genau dieser Haltepunkt sinnvoll ist, erläutert der approval gates guide. Bei langen Ausführungen gewinnt diese Queue sogar noch an Bedeutung, wie der Beitrag über die million-token review queue darlegt.
Das Board als zentrale Datenbasis nutzen
Wenn mitten im Quartal ein neues Modell eingeführt wird, möchte man Durchläufe vor und nach der Umstellung vergleichen können. Das funktioniert nur, wenn jeder Task, jeder Run und jedes Review an einem zentralen Ort erfasst wird. In Sharkly protokolliert das Execution Log den Trigger, die Tool Calls und die Runtime-Events für jeden Durchlauf. So wird die Frage „Hat Carbon unseren Nacharbeitsaufwand im Review wirklich reduziert?“ zu einer Metrik, die sich direkt am Board ablesen lässt. Google überwacht das Modell; der Artikel who stops your agents erklärt, welche Kontrollmechanismen in Ihrer Hand verbleiben.
Ein Drei-Task-Testplan für den Launch-Tag
Sobald Google eine Modell-ID veröffentlicht, sollten Sie folgende Schritte durchführen, bevor Sie produktiv umstellen:
- Duplizieren Sie Ihren am stärksten ausgelasteten Agent und tragen Sie das neue Modell in dessen Custom Arguments ein.
- Wählen Sie drei Tasks aus, die Sie bereits erfolgreich ausgeliefert haben: ein Refactoring, einen Bugfix inklusive Tests und ein Feature.
- Führen Sie diese auf dem Test-Agent aus und vergleichen Sie die Diffs mit dem Code, der damals gemergt wurde.
- Zählen Sie Vorfälle von Scope-Creep, Test-Manipulationen und vorzeitigen Abbrüchen. Wechseln Sie nur dann, wenn diese Zahl sinkt.
Fazit
Das Warten auf Gemini 4 Carbon lohnt sich, wenn Ihre Agents lange laufen und Ihre Reviewer immer wieder dieselben Fehler abfangen müssen. Die Arbeit deshalb anzuhalten, lohnt sich hingegen nicht. Liefern Sie weiter auf Basis von Argon oder einer anderen Runtime aus, konfigurieren Sie Modelle pro Agent und halten Sie an Ihrem Review-Schritt fest. Dann ist die Entscheidung am Launch-Tag innerhalb eines Nachmittags getroffen. Sharkly is free to start: Binden Sie Ihre bestehenden Coding-Agents an und verwalten Sie Tasks und Reviews auf einem gemeinsamen Board.
FAQ
Wann wird Gemini 4 Carbon für Entwickler verfügbar sein?
Google hat bisher kein Datum genannt. Laut Ankündigung erhalten Entwickler, Unternehmen und Endverbraucher das Modell „so schnell wie möglich“ – nach den Cyber-Defendern und den Fairwind-Partnern.
Wie viel wird Gemini 4 Carbon kosten?
Google gibt zur Einführung 2 $ pro 1 Mio. Input-Token und 10 $ pro 1 Mio. Output-Token an (gecachter Input 95 % günstiger), danach 4 $ bzw. 20 $. Das entspricht den Preisen von Argon.
Ist Gemini 4 Carbon für Coding-Agents besser als Argon?
Googles Zahlen zufolge ja, was das Verhalten betrifft: 0,0 % erfolgreiches Schummeln bei Tests, 26 % weniger Overreach, 29 % weniger Under-Service. Erste Tester berichten allerdings, dass es langsamer ist und Schwächen bei Frontend- und UI-Aufgaben zeigt.
Kann ich Gemini 4 Carbon heute schon über die Gemini-API nutzen?
Nein. Google hat weder eine Modell-ID noch einen Zugang über die API, AI Studio oder Vertex AI freigegeben. Angebote von Drittanbietern für eine „Carbon API“ sind reine Platzhalter.
Sollte ich die Arbeit an Agents pausieren, bis Carbon erscheint?
Nein. Nutzen Sie derzeit Argon oder ein anderes Modell, konfigurieren Sie das Modell pro Agent und testen Sie Carbon an drei bereits ausgelieferten Tasks, sobald eine Modell-ID vorliegt.
