Gemini 4 Carbons Krone bedeutet wenig, solange Verteidiger nicht zuerst Zugriff haben

Wenn ein Modell so gut darin ist, Schwachstellen zu finden und auszunutzen, dass sein Hersteller es nicht freigibt: Ist das dann ein Produkt oder eine Pressemitteilung? Googles Gemini 4 Carbon ist beides, und was davon überwiegt, entscheidet sich in den nächsten Wochen.

Die Kurzfassung: Google hat Carbon am Mittwoch vorgestellt, wie The Verge berichtet, und wirbt mit „deutlichen Verbesserungen“ bei Programmierung, agentischen Aufgaben und Cybersicherheit sowie mit dem ersten Platz im Artificial Analysis Intelligence Index (v5.0), vor Claude Opus 5.5 und GPT-6 Astra. Zunächst steht das Modell nur einer ausgewählten Gruppe von Unternehmen für Cyberabwehr über das Fairwind Program zur Verfügung, ein breiterer Zugang soll folgen. Der Einführungspreis liegt bei 2 US-Dollar pro Million Eingabe-Tokens und 10 US-Dollar pro Million Ausgabe-Tokens.

Die Krone ist dünner, als die Schlagzeile vermuten lässt

Google nennt einen Wert von 59 im Index. Ars Technica ordnet das ein: Alle Spitzenmodelle landen bei diesen Tests in derselben Größenordnung, und der Abstand zwischen Carbon und der Konkurrenz beträgt nur wenige Punkte. Außerdem schlage Carbon Argon in jedem Test, den Google freigegeben hat, nur knapp, und soweit bekannt könnte es sich um ein Upgrade nach dem Training handeln statt um ein neues Modell.

Wir halten diese Skepsis für angemessen. Ein Vorsprung von wenigen Punkten in einer Rangliste, verkündet von dem Unternehmen, das davon profitiert, ist Marketing, bis jemand anderes ihn reproduziert. Die Cybersicherheitswerte verdienen dieselbe Behandlung: 88,2 % bei SEC-bench Pro, 54,8 % bei ExploitGym und 71 % bei CWE-bench sind Googles eigene Zahlen, und die Aussage, Carbon sei bei der Erzeugung hochwertiger Patches mehr als zehnmal besser gewesen, bezieht sich auf das Modell eines nicht genannten „anderen Labors“. Ungenannte Konkurrenten ermöglichen Prahlerei, die sich nicht widerlegen lässt.

Die Reihenfolge beim Zugang ist die eigentliche Nachricht

Interessanter ist die Art der Auslieferung. Google sagt, man folge dem freiwilligen Prüfverfahren der US-Regierung und beginne bei den Verteidigern. Das ist der richtige Instinkt. Ein Modell, das sowohl beim Finden von Schwachstellen als auch beim Umwandeln in Exploits gut abschneidet, ist von Grund auf ein Dual-Use-Werkzeug. Es zuerst den Verteidigern zu geben, hilft nur, wenn sie einen echten Vorsprung erhalten, und das ist ein Versprechen zum Zeitpunkt, nicht zur Leistungsfähigkeit.

Und der Zeitplan ist vage. Google macht keine Zusagen zu einem Termin für die breite Veröffentlichung. Ars vermutet, Carbon könnte bei einem Verlauf wie bei Argon in ein paar Wochen verfügbar sein, aber das ist eine Schlussfolgerung, keine Zusage. Zwei Wochen sind in der Sicherheit eine lange Zeit. Wenn Angreifer anderswo über vergleichbare Werkzeuge verfügen oder Carbon die Öffentlichkeit erreicht, bevor die Verteidiger das Gefundene gepatcht haben, wird aus „Verteidiger zuerst“ eine hübsche Geschichte über einen kleinen Vorsprung.

Es gibt zudem ein leiseres Problem: Eine geschlossene Vorschau bedeutet, dass niemand außerhalb der ausgewählten Gruppe etwas davon überprüfen kann. Die Fairwind-Partner haben vermutlich Anreiz und Können, das Modell hart zu testen. Wir würden uns freuen, wenn sie oder unabhängige Labore veröffentlichten, was sie finden, einschließlich der Fehlschläge.

Was skeptische Leser tun sollten

Anerkennung, wo sie gebührt: Das Ergebnis bei Prompt-Injection ist bemerkenswert, falls es Bestand hat. Laut Ars widerstand Carbon in der Grey-Swan-Evaluierung jedem versuchten Angriff, gegenüber 0,7 Prozent bei Argon und 8,5 Prozent bei GPT-6 Astra. Das wiegt für Agenten, die tagelang laufen, schwerer als ein kleiner Vorsprung im Index. Es bleibt aber eine einzige Evaluierung, veröffentlicht zu Bedingungen, die Google gewählt hat.

Unser Urteil: Die Index-Krone ist eine Fußnote, die Cybersicherheitsbehauptungen sind eine Hypothese. Wer in der Sicherheit arbeitet, sollte die Details der Evaluierung und einen Test über einen Fairwind-Partner verlangen, statt der Grafik zu vertrauen. Entwickler sollten ihre Architektur noch nicht um Carbon herum aufbauen; der Einführungspreis ist attraktiv, doch The Express Tribune berichtet, er solle auf 4 und 20 US-Dollar pro Million Tokens steigen. Die Benchmark-Krone dürfte mit der nächsten Veröffentlichung vergessen sein. Bleiben wird die Frage, ob die Verteidiger tatsächlich gepatcht haben, bevor alle anderen dieselbe Fähigkeit bekamen.