Gemini 4 Carbon ist verfügbar: Wann sich das stärkste Modell lohnt und wann Argon reicht

Seit dem 10. November 2026 ist Gemini 4 Carbon allgemein verfügbar. Google nennt es sein bisher stärkstes Modell, gebaut für lange, mehrstufige Aufgaben in Softwareentwicklung, Wissensarbeit, Forschung und IT-Sicherheit. Für Betriebe im Mittelstand stellt sich eine nüchterne Frage: Lohnt sich das stärkste Modell für Eure Abläufe, oder reicht Gemini 4 Argon? Google selbst gibt dazu eine ziemlich klare Antwort, und die ist für die meisten Anwendungen nicht „immer das Beste nehmen“.

Quellen für diesen Beitrag sind der Google-Blogbeitrag vom 10. November 2026, die Entwicklerseite „What's new in Gemini 4 Carbon“ und die Release Notes der Gemini API (Eintrag vom 10. November 2026). Benchmarks und Fallbeispiele von Google übernehmen wir nicht als Versprechen für Eure Abläufe. Entscheidend ist, was Ihr selbst messt.

Was Carbon ist und wo es verfügbar ist

Carbon war Ende Oktober zunächst nur für ausgewählte Sicherheitsteams freigegeben. Was das für den Update-Alltag bedeutet, haben wir in KI findet Sicherheitslücken beschrieben. Seit dem 10. November ist das Modell breit verfügbar:

• Für Entwickler: über die Gemini API im kostenpflichtigen Tarif und in Google AI Studio. Im kostenlosen Tarif gibt es Carbon nicht.
• Für Unternehmen: über Gemini for business, per API oder Modellauswahl.
• Für Endnutzer: in der Gemini-App und im KI-Modus der Suche, allerdings nur mit einem Google-AI-Ultra-Abo.

Die Modell-ID lautet gemini-4-carbon. Wie Argon hat Carbon ein gemeinsames Kontextfenster von rund einer Million Tokens für Eingabe, Denken und Ausgabe und drei Denkstufen: low, medium und high.

Carbon oder Argon: die Faustregel von Google

Laut Google ist Argon weiterhin die richtige Wahl für die Mehrheit der Aufgaben in Softwareentwicklung und Wissensarbeit. Carbon ist für Aufgaben gedacht, die an die Grenzen der Denkfähigkeit gehen. Der Kernunterschied liegt nicht im Preis pro Token, sondern darin, wie viel das Modell nachdenkt. Carbon verbraucht pro Durchgang mehr Denk-Tokens, um gründlicher zu prüfen. Das bedeutet mehr Tokens und längere Antwortzeiten.

Übersetzt in typische Aufgaben im Betrieb:

• Argon oder ein kleineres Modell: Mails einordnen, Angebote aus Vorlagen vorbereiten, Belege auslesen, Texte zusammenfassen, Fragen zu Dokumenten beantworten, Chat-Assistenten im Kundenservice. Hier zählen schnelle Antworten und niedrige Kosten pro Vorgang.
• Carbon als Kandidat: umfangreiche Auswertungen über viele dichte Dokumente mit Tabellen und Zeichnungen, komplexe Fehlersuche in eigener Software, Prüfung von Code auf Sicherheitsprobleme, aufwendige Analysen, bei denen ein Fehler teuer wäre und Wartezeit keine Rolle spielt.

Google beschreibt außerdem ein Muster, das auch für eigene Agenten interessant ist: Carbon übernimmt die Rollen, die das tiefste Nachdenken erfordern, etwa Planung, Koordination oder Prüfung, während schnellere, leichtere Modelle die vielen Einzelschritte erledigen. Das passt zu dem, was wir in KI-Kosten im Griff zu Routing und Modellwahl beschrieben haben.

Was es kostet, und warum der 1. Dezember wichtig ist

Bis einschließlich 30. November 2026 gilt ein Einführungspreis von 2 US-Dollar pro Million Eingabe-Tokens und 10 US-Dollar pro Million Ausgabe-Tokens. Ab dem 1. Dezember 2026 verdoppelt sich das auf 4 und 20 US-Dollar. Wichtig: Denk-Tokens zählen als Ausgabe-Tokens. Weil Carbon mehr nachdenkt als Argon, kostet derselbe Vorgang auch bei gleichem Preis pro Token in der Regel mehr. Gecachte Eingaben über das implizite Caching werden laut Google um 95 Prozent günstiger berechnet.

Wer Carbon testen will, sollte das also bewusst tun: Ein Testlauf im November ist günstiger, aber die Kostenschätzung für den Dauerbetrieb muss mit den Preisen ab Dezember gerechnet werden. Aktuelle Preise stehen immer auf der Preisseite der Gemini API, wir nennen hier nur den Stand vom 10. November.

Technische Punkte vor dem Umstieg

Wer bereits mit Argon arbeitet, braucht laut Google keine Änderungen am Anfrageformat, nur die neue Modell-ID. Wer von Gemini 3 oder älter kommt, sollte die Migrationshinweise genau lesen. Die wichtigsten Punkte:

• Ausgabelimit prüfen: max_output_tokens begrenzt Denken und Antwort zusammen. Google empfiehlt mindestens 32.768, sonst bricht die Antwort ab, bevor sie fertig ist.
• Kein explizites Caching: Explizites Context Caching wird bei Carbon nicht unterstützt. Aufrufe dafür müssen raus, das implizite Caching ist ab 4.096 Tokens automatisch aktiv.
• Sampling-Parameter entfernen: temperature, top_p und top_k werden ignoriert.
• Zeitlimits erhöhen: Schwere Aufgaben können mehrere Minuten dauern. Google empfiehlt Hintergrundausführung oder HTTP-Timeouts von mindestens 15 Minuten. Für automatisierte Abläufe mit n8n oder Make heißt das: Timeouts und Wiederholungen bewusst einstellen.
• Denkstufe wählen: Google rät, die eigenen Testfälle mit allen drei Stufen laufen zu lassen und die niedrigste zu nehmen, die die Qualitätsanforderung erfüllt.

Wenn Ihr Ausgaben in festen Strukturen braucht, etwa für Angebote oder Belege, gilt weiter: Schema festlegen und Ergebnisse prüfen. Wie das geht, steht in Strukturierte Ausgaben mit Gemini.

So entscheidest Du in drei Schritten

1. Testfälle sammeln: Nimm 20 bis 30 echte, aber unkritische Vorgänge aus Eurem Ablauf, inklusive der schwierigen. Notiere, was als richtiges Ergebnis gilt.
2. Vergleichen: Lass dieselben Fälle mit Argon und Carbon laufen, bei Carbon mit low und medium. Miss Qualität, Antwortzeit und Tokens pro Vorgang. Wie man solche Vergleiche aufsetzt, beschreibt Evaluation und Betrieb von KI-Agenten.
3. Kosten pro Vorgang rechnen: mit den Preisen ab 1. Dezember. Nur wenn Carbon spürbar bessere Ergebnisse liefert und der Mehrpreis pro Vorgang sich lohnt, wird umgestellt. Oft ist die Antwort: Carbon nur für die schwierigsten Fälle, alles andere bleibt bei Argon oder einem kleineren Modell.

Ein Beispiel: Ein Betrieb wertet Ausschreibungsunterlagen mit vielen Anlagen aus. Für das Zusammenfassen einzelner Dokumente reicht ein schnelles Modell. Für die abschließende Prüfung, ob alle Anforderungen aus 200 Seiten in einer Übersicht berücksichtigt sind, kann Carbon den Unterschied machen. Ob das so ist, zeigt nur der eigene Test.

Datenschutz und Regeln bleiben gleich

Ein stärkeres Modell ändert nichts an den Grundregeln: geschäftliche Konten und bezahlte Tarife statt privater Zugänge, klare Regeln, welche Daten an ein KI-Modell gehen, und ein Mensch, der Ergebnisse mit Folgen freigibt. Für die API gelten die Nutzungsbedingungen der Gemini API, für Gemini for business die Bedingungen der Google Cloud Platform. Wie die Gemini API Anfragen speichert und was Ihr dazu einstellen solltet, steht in Gemini API speichert Anfragen.

Was Deschalet dabei übernimmt

Wir helfen bei der Auswahl der Modelle für Eure Abläufe, bauen Testfälle, rechnen Kosten pro Vorgang und setzen KI-Schritte mit Gemini und n8n oder Make um. Wenn Du zuerst wissen willst, wie gut Euer Betrieb auf KI vorbereitet ist, starte mit dem AI-Readiness-Check oder lade das AI-Readiness-Whitepaper herunter. Wer gerade ohnehin Modelle wechselt, findet in Gemini 2.5 wird abgekündigt eine Anleitung für den geordneten Modellwechsel.

Fazit

Gemini 4 Carbon ist ein Fortschritt für schwierige, lange Aufgaben. Für den Großteil der Abläufe im Mittelstand bleibt Argon oder ein kleineres Modell die wirtschaftlichere Wahl, das sagt auch Google selbst. Teste mit echten Fällen, rechne mit den Preisen ab Dezember und setze Carbon gezielt dort ein, wo es messbar besser ist. Wenn Du dabei Unterstützung willst, vereinbare ein kostenloses Erstgespräch.