Gemini 4 Carbon schlägt Claude Opus 5.5 um einen Punkt und führt neuen Halluzinationsindex an

Google hat Gemini 4 Carbon vorgestellt, sein neuestes Frontier-Modell, das mit 59 Punkten die Führung im Intelligence Index V5 von Artificial Analysis übernimmt. Diese Leistung setzt das System einen Punkt vor Anthropics Claude Opus 5.5 und zwei Punkte über OpenAIs GPT-6 Astra, in einem hart umkämpften Rennen um die Spitze des Rankings der kognitiven Fähigkeiten.

Die Markteinführung stellt eine strategische Erholung für Google dar, das ein Jahr mit unregelmäßigen Veröffentlichungen im Segment der Foundation-Modelle hinter sich hatte. Das Unternehmen versucht, seine Position in einem Markt zu festigen, in dem die Führung häufig wechselt und in dem Kosteneffizienz ebenso entscheidend geworden ist wie rohe Intelligenz.

Wirtschaftliche Effizienz als Differenzierungsmerkmal

Neben der Spitzenpunktzahl zeichnet sich Gemini 4 Carbon durch seine Betriebskosten aus. Das Modell weist Kosten von 7,76 US-Dollar pro Aufgabe im Intelligence Index auf, etwas weniger als Gemini 3.8 Flash und deutlich günstiger als direkte Konkurrenten. Claude Opus 5.5 und Sonnet 5.5, beide in maximaler Konfiguration mit Fallback, kosten mehrere Dollar mehr pro Aufgabe, während Claude Fable 5.1 12,99 US-Dollar erreicht — fast das Doppelte des neuen Google-Modells.

Diese Kombination aus hoher Leistung und reduzierten Kosten positioniert Gemini 4 Carbon an der sogenannten Pareto-Front, einem Konzept, das Entwickler verfolgen, wenn sie das bestmögliche Gleichgewicht zwischen Intelligenz und Preis suchen. Für Unternehmen, die Modelle im großen Maßstab betreiben, kann der Unterschied von einigen Dollar pro Aufgabe erhebliche Einsparungen bei großflächigen Bereitstellungen bedeuten.

Halluzinationen unter der Lupe

Das neue Modell übernimmt auch die Führung im Test AA-Omniscience v1.1, der die Tendenz von Systemen bewertet, Informationen zu erfinden, sowie ihre Fähigkeit, Wissen präzise abzurufen. Gemini 4 Carbon zeigt die niedrigste Halluzinationsrate unter den bewerteten Frontier-Modellen, ein Unterscheidungsmerkmal, das entscheidend werden könnte, da Regierungen und Institutionen bestrebt sind, Sicherheit und Zuverlässigkeit beim Einsatz künstlicher Intelligenz zu maximieren.

Die Zahlen offenbaren jedoch eine für die Branche noch immer besorgniserregende Realität. Selbst der Spitzenreiter erreichte nur 54 auf der Skala von -100 bis +100, was darauf hindeutet, dass die fortschrittlichsten Systeme von 2026 noch weit von einer konsistenten Zuverlässigkeit bei der Informationsbeschaffung entfernt sind. Die Metrik zeigt, dass trotz Fortschritten die Tendenz zur Halluzination eine strukturelle Herausforderung für die gesamte Branche bleibt.

Wettbewerbskontext

Die Führung von Gemini 4 Carbon, obwohl knapp, signalisiert eine Neupositionierung Googles in einer Landschaft, in der Anthropic und OpenAI sich an der Spitze abwechselten. Der Unterschied von nur einem Punkt im Intelligence Index zeigt, dass die Frontier-Modelle ein Niveau technischer Parität erreicht haben, bei dem Faktoren wie Kosten, Latenz und Zuverlässigkeit nun die Wahl der Unternehmen bestimmen.

Der Test AA-Omniscience v1.1 führt durch die Messung sowohl von Faktenwissen als auch von Fehleranfälligkeit eine qualitative Dimension in das Benchmark-Rennen ein. Für regulierte Sektoren wie Gesundheitswesen, Finanzen und Recht kann die Fähigkeit eines Modells, die Grenzen seines eigenen Wissens zu erkennen, wertvoller sein als zusätzliche Punkte in Indizes für allgemeine Intelligenz.

Die im Test verwendete Skala von -100 bis +100 spiegelt ein Spektrum wider, das von vollständig halluzinierten Antworten bis zu präzisen und überprüfbaren Abrufen reicht. Die Tatsache, dass kein Modell 54 Punkte übertroffen hat, legt nahe, dass die Branche noch grundlegende Fragen der Kalibrierung und epistemischen Ehrlichkeit lösen muss, bevor kritische Bereitstellungen im großen Maßstab gefördert werden.