Model icon
gemini-4-carbon
Model:
Nutzen Sie die Gemini 4 Carbon API für $1.60 Input / $8.00 Output pro 1M Tokens, 20 % unter Google. 1M Kontext, 64K Output, OpenAI- & Gemini-Format.
Chat

Dieser Playground dient nur zu Demonstrationszwecken. Die Daten sind nur im aktuellen Fenster gültig und werden beim Aktualisieren gelöscht.

Nachricht eingeben...

Configuration
1.0
1.0
Preisdetails

Bezahlung nach Nutzung. Kein Abo, keine versteckten Gebühren.

1 Credit = $0.005
ModellEingabe /1M TokensCache-Lesen /1M TokensAusgabe /1M Tokens
Gemini 4 Carbon
100K Eingabe- + 20K Ausgabe-Tokens: $0.320
$1.60/1M Tokens
320 Credits/1M Tokens
$2.00/1M Tokens20 % sparen
$0.080/1M Tokens
16 Credits/1M Tokens
$8.00/1M Tokens
1600 Credits/1M Tokens
$10.00/1M Tokens20 % sparen
Abrechnung: Eingabe- und Ausgabe-Tokens werden getrennt abgerechnet, pro 1M Tokens.

Die Abrechnung richtet sich nach der finalen Ausgabe.

GEMINI 4 CARBON · JETZT AUF POYO VERFÜGBAR

Googles stärkstes Gemini-4-Reasoning-Modell für langfristiges agentisches Programmieren, anspruchsvolle Wissensarbeit, wissenschaftliches Reasoning und Cyberabwehr

Gemini 4 Carbon API: Googles stärkstes Reasoning-Modell, 20 % unter dem offiziellen Preis

Gemini 4 Carbon ist laut Google das stärkste Reasoning-Modell des Unternehmens, entwickelt für komplexe Softwareentwicklung, multimodale Wissensarbeit, wissenschaftliches Reasoning und Cybersicherheitsabwehr. Laut der Model Card von Google DeepMind basiert Carbon auf Gemini 4 Argon und zielt auf Spitzenleistung in langfristigen agentischen Workflows. Google kündigte das Modell am 28. Oktober 2026 an und öffnete es am 10. November 2026 für Entwickler im kostenpflichtigen Tarif der Gemini API.

Kernfunktionen der Gemini 4 Carbon API

Basierend auf Googles offizieller Benchmark-Tabelle und den Launch-Beiträgen: Gemini 4 Carbon im Vergleich mit Gemini 4 Argon und anderen Frontier-Modellen in Programmierung, Wissensarbeit, langem Kontext, Wissenschaft und Cyberabwehr.

01

Langfristiges agentisches Programmieren

Google hat Gemini 4 Carbon für ausdauernde agentische Workflows entwickelt, etwa Ursachenanalyse und Behebung von Bugs, Multi-Agent-Programmierung und Migrationen. In Googles Benchmark-Tabelle erreicht Carbon 65,2 % auf Terminal-Bench 4.0 (AA) gegenüber 57,1 % für Argon sowie 9,6 % auf SWE-sweep gegenüber 4,3 %. Laut Google belegt es außerdem Platz 1 auf CursorBench 4.0.

  • 65,2 % auf Terminal-Bench 4.0 (AA) vs. 57,1 % für Argon
  • 9,6 % auf SWE-sweep vs. 4,3 % für Argon
  • 61,2 % auf FrontierSWE 2 vs. 55,0 % für Argon
Offizielles Google-Artwork zu Gemini 4 Carbon, Googles stärkstem Gemini-4-Reasoning-Modell

02

Vor Argon in Googles gesamter Benchmark-Tabelle

Gemini 4 Carbon ist das leistungsfähigere Modell; Argon ist das tokeneffizientere Schwestermodell zum gleichen Preis. Carbon erreicht 59 Punkte im Artificial Analysis Intelligence Index v5.0 (Argon: 50), 53,9 % auf Zapiers AutomationBench (51,3 %), 77,4 % auf Agents' Last Exam v1.1 (69,0 %) und 96,2 % auf GraphWalks 256K bis 1M beim Long-Context-Recall (84,2 %).

  • 59 vs. 50 im AA Intelligence Index v5.0
  • 96,2 % vs. 84,2 % auf GraphWalks mit langem Kontext (256K bis 1M)
  • 80,0 % vs. 76,0 % auf RiemannBench und 81,5 % vs. 74,7 % auf OSWorld-2.1
Googles offizielle Benchmark-Tabelle mit Gemini 4 Carbon im Vergleich zu Gemini 4 Argon, GPT-6 Astra, Claude Opus 5.5 und Claude Fable 5.1

03

Schwachstellen finden: 88,2 % auf SEC-bench Pro

Google meldet Spitzenergebnisse bei Erkennung, Validierung und Behebung von Schwachstellen. Auf SEC-bench Pro, das das Auffinden von Schwachstellen misst, erreicht Gemini 4 Carbon 88,2 % gegenüber 83,4 % für Argon. Google weist darauf hin, dass einige Cybersicherheitsfunktionen über das Fairwind-Programm auf verifizierte Verteidiger beschränkt sind.

  • 88,2 % auf SEC-bench Pro vs. 83,4 % für Argon
  • Entwickelt für defensive Sicherheitsteams
  • Einige Cyberfunktionen nur über Googles Fairwind-Programm zugänglich
Offizielles Google-Diagramm der SEC-bench-Pro-Werte zum Auffinden von Schwachstellen mit Gemini 4 Carbon bei 88,2 %

04

Schwachstellen patchen: 71,0 % auf CWE-bench

Bei der Behebung erreicht Gemini 4 Carbon 71,0 % auf CWE-bench und liegt damit vor Argon und GPT-6 Astra mit je 68,0 %. Laut Google erzielt es beim Generieren von sicherem Code zudem eine mehr als 2-fache Steigerung der Erfolgsquote gegenüber Argon.

  • 71,0 % auf CWE-bench vs. 68,0 % für Argon
  • Laut Google mehr als 2-fache Steigerung bei der Generierung von sicherem Code vs. Argon
  • Entwürfe für Patches zur Prüfung durch das Sicherheitsteam
Offizielles Google-Diagramm der CWE-bench-Werte beim Patchen mit Gemini 4 Carbon bei 71,0 %

05

Ausnutzbarkeit validieren: 54,8 % auf ExploitGym

Verteidiger müssen wissen, welche Befunde real sind. Gemini 4 Carbon setzt mit 54,8 % auf ExploitGym einen neuen Bestwert, gegenüber 42,0 % für Argon, und hilft Verteidigern so zu bestätigen, welche Befunde ausnutzbar sind, und Korrekturen zu priorisieren.

  • 54,8 % auf ExploitGym vs. 42,0 % für Argon
  • Neuer Bestwert laut Google
  • Erfolgsquote von Prompt Injection auf Gray Swan IPI auf 0,0 % gesenkt (Argon: 0,7 %)
Offizielles Google-Diagramm der ExploitGym-Werte mit Gemini 4 Carbon bei 54,8 %

Weitere Funktionen von Gemini 4 Carbon

01

Wissensarbeit mit umfangreichen Dokumenten

Carbon führt Zapiers AutomationBench mit 53,9 % an (Argon: 51,3 %) und den Vals Index v2.2 mit 70,4 %. Laut Google belegt es Platz 1 auf AutomationBench und Perplexitys WANDR, bei mehr als 2-mal geringeren Kosten pro Aufgabe als das nächstbeste externe Modell.

02

Wissenschaftliches und mathematisches Reasoning

Carbon erreicht 80,0 % auf RiemannBench und 64,8 % auf Terminal-Bench-Science 0.1 (AA) und liegt damit laut derselben Model Card vor Argon mit 76,0 % bzw. 52,9 %.

03

1M Kontext und multimodaler Input

Senden Sie bis zu 1M Tokens an Text, Bildern, Audio, Video und PDFs in einer einzigen Anfrage. Carbon erreicht 96,2 % auf GraphWalks (256K bis 1M, BFS F1), verglichen mit 84,2 % für Argon.

04

Ehrlichere, robustere Agenten

Laut Google bestand Carbon 92 % der Aufgaben in seinem Ehrlichkeits-Benchmark gegenüber 70 % für Argon und senkte die Erfolgsquote indirekter Prompt Injection auf Gray Swan IPI auf 0,0 %, von 0,7 % bei Argon.

Was können Sie mit Gemini 4 Carbon entwickeln?

01

Komplexes Debugging und Code-Migrationen

Lassen Sie Carbon einen Bug über ein großes Repository hinweg nachverfolgen, eine Korrektur vorschlagen und diese in ausgedehnten Schleifen verifizieren, oder koordinieren Sie Multi-Agent-Refactorings und Migrationen.

02

Autonome Geschäftsprozesse

Führen Sie End-to-End-Automatisierungen über APIs, Dokumente und Tabellen hinweg aus, genau die Art von Arbeit, die AutomationBench misst.

03

Schwachstellen finden und patchen

Durchsuchen Sie Code nach Schwachstellen, priorisieren Sie Befunde und entwerfen Sie Patches zur Behebung, die Ihr Sicherheitsteam prüft.

04

Offene wissenschaftliche Forschung

Bearbeiten Sie Probleme aus Physik, Mathematik und Lebenswissenschaften, die lange Reasoning-Ketten und sorgfältige Verifikation erfordern.

05

Multimodale Dokumenten- und Videoanalyse

Kombinieren Sie PDFs, Diagramme, Audio und Video in einer einzigen Anfrage mit 1M Tokens, um Fragen über umfangreiches Quellmaterial hinweg zu beantworten.

06

Lang laufende Agenten

Betreiben Sie Agenten, die planen, Tools aufrufen und den Kontext über viele Durchgänge hinweg behalten, mit Streaming-Antworten für reaktionsschnelle Oberflächen.

Gemini 4 Carbon vs. Gemini 4 Argon vs. GPT-6 Astra vs. Claude Opus 5.5

Werte aus Googles offizieller Benchmark-Tabelle zu Gemini 4 Carbon (Oktober 2026). Carbon und Argon kosten pro Input- und Output-Token gleich viel. Google positioniert Argon als sein effizientes Modell mit schnelleren Antworten und geringerem Tokenverbrauch pro Durchgang. Carbon nutzt mehr Tokens, um gründlich zu explorieren, tief zu schlussfolgern und ausgedehnte Verifikationsschleifen zu durchlaufen. Wählen Sie Carbon daher für die schwierigsten Aufgaben in Programmierung, Forschung und Sicherheit.

BenchmarkGemini 4 CarbonGemini 4 ArgonGPT-6 AstraClaude Opus 5.5
Artificial Analysis Intelligence Index v5.059 (#1)505758
Vals Index v2.270.4% (#1)69.2%65.0%70.2%
Terminal-Bench 4.0 (AA)65.2% (#1)57.1%59.1%59.6%
SWE-sweep9.6% (#1)4.3%9.5%3.6%
FrontierSWE 261.2%55.0%65.5%62.3%
Agents' Last Exam v1.177.4% (#1)69.0%73.1%71.6%
OSWorld-2.1 (Offline-Teilmenge)81.5%74.7%80.9%87.2%
AutomationBench (Zapier)53.9% (#1)51.3%41.4%42.5%
GraphWalks 256K bis 1M (BFS F1)96.2% (#1)84.2%71.8%66.8%
RiemannBench80.0% (#1)76.0%72.0%69.6%
CWE-bench71.0% (#1)68.0%68.0%67.0%
ExploitGym54.8% (#1)42.0%42.4%34.5%
SEC-bench Pro88.2% (#1)83.4%85.4%—

Quelle: Googles Benchmark-Tabelle im Beitrag „Gemini 4 Carbon: our next frontier model“ (blog.google, Oktober 2026) und die Model Card zu Gemini 4 Carbon; Methodik unter deepmind.google/models/evals-methodology/gemini-4-carbon. Die Cybersicherheitsergebnisse spiegeln den Zugang über Googles Fairwind-Programm wider. „—“ bedeutet, dass kein Wert veröffentlicht wurde.

So nutzen Sie die Gemini 4 Carbon API auf PoYo

1. API-Schlüssel erstellen: Melden Sie sich im PoYo-Dashboard an und erstellen Sie einen Bearer-Schlüssel. Derselbe Schlüssel funktioniert für alle PoYo-Modelle.

2. Anfrageformat wählen: Senden Sie POST https://api.poyo.ai/v1/chat/completions, um das OpenAI-SDK weiterzuverwenden, oder POST https://api.poyo.ai/v1beta/models/gemini-4-carbon:generateContent (bzw. :streamGenerateContent) für native multimodale Gemini-Payloads.

3. Modell-ID festlegen: Übergeben Sie im OpenAI-Format "model": "gemini-4-carbon". Setzen Sie "stream": true für Server-Sent Events oder lassen Sie es weg, um eine einzelne JSON-Antwort zu erhalten.

Häufig gestellte Fragen zu Gemini 4 Carbon

Was ist Gemini 4 Carbon?

Gemini 4 Carbon ist Googles stärkstes Gemini-4-Reasoning-Modell. Laut der Model Card von Google DeepMind basiert es auf Gemini 4 Argon und wurde für langfristige agentische Workflows in Wissensarbeit, Engineering, Cybersicherheit und wissenschaftlichem Reasoning entwickelt. Sein Wissensstand reicht bis März 2026.

Ist Gemini 4 Carbon per API verfügbar?

Ja. Google kündigte Gemini 4 Carbon am 28. Oktober 2026 an, zunächst für eine ausgewählte Gruppe von Cyberverteidigern, und stellte es am 10. November 2026 Entwicklern im kostenpflichtigen Tarif der Gemini API zur Verfügung. Auf PoYo können Sie es schon heute mit der Modell-ID gemini-4-carbon aufrufen.

Was kostet Gemini 4 Carbon?

Googles Standardpreis beträgt $2.00 pro 1M Input-Tokens, $10.00 pro 1M Output-Tokens (inklusive Thinking-Tokens) und $0.10 pro 1M gecachte Input-Tokens, ohne kostenlosen Tarif. Auf PoYo kostet es pro 1M Tokens $1.60 für Input (320 Credits), $8.00 für Output (1.600 Credits) und $0.08 für Cache-Reads (16 Credits), 20 % unter Googles Preis.

Gibt es einen kostenlosen Tarif für Gemini 4 Carbon?

Googles Preisseite führt keinen kostenlosen Tarif für Gemini 4 Carbon auf. Auf PoYo zahlen Sie nutzungsbasiert mit Credits und können das Modell vor der Integration im Web-Playground testen.

Was ist der Unterschied zwischen Gemini 4 Carbon und Gemini 4 Argon?

Beide haben denselben Preis pro Input- und Output-Token. Google beschreibt Argon als sein effizientes Gemini-4-Modell mit schnelleren Antworten und geringerem Tokenverbrauch pro Durchgang als Carbon und bezeichnet Argon weiterhin als ideale Wahl für die meisten Aufgaben in Softwareentwicklung und Wissensarbeit. Carbon nutzt mehr Tokens, um tief zu schlussfolgern und seine Arbeit zu verifizieren, und erzielt in Googles Model Card höhere Werte, zum Beispiel 65,2 % vs. 57,1 % auf Terminal-Bench 4.0 (AA) und 96,2 % vs. 84,2 % auf GraphWalks.

Wie groß sind Kontextfenster und maximaler Output von Gemini 4 Carbon?

Gemini 4 Carbon hat ein Kontextfenster von 1M Tokens und kann pro Antwort bis zu 64K Output-Tokens zurückgeben. Es akzeptiert Text-, Bild-, Audio-, Video- und PDF-Input und gibt Text aus.

Wie schneidet Gemini 4 Carbon in Benchmarks ab?

Laut der Model Card von Google DeepMind erreicht Carbon 59 Punkte im Artificial Analysis Intelligence Index v5.0 (Platz 1 unter den aufgeführten Modellen), 53,9 % auf AutomationBench, 88,2 % auf SEC-bench Pro und 80,0 % auf RiemannBench. GPT-6 Astra führt auf FrontierSWE 2 (65,5 % vs. 61,2 %) und Claude Opus 5.5 auf OSWorld-2.1 (87,2 % vs. 81,5 %).

Wie rufe ich Gemini 4 Carbon mit dem OpenAI-SDK auf?

Setzen Sie die Base-URL des OpenAI-SDK auf https://api.poyo.ai/v1, verwenden Sie Ihren PoYo API-Schlüssel und setzen Sie model auf gemini-4-carbon. Für native Gemini-Anfragen rufen Sie https://api.poyo.ai/v1beta/models/gemini-4-carbon:generateContent oder :streamGenerateContent auf. Streaming wird in beiden Formaten unterstützt.

Warum Gemini 4 Carbon über PoYo nutzen?

01

20 % niedrigere Tokenkosten

Zahlen Sie pro 1M Tokens $1.60 für Input, $8.00 für Output und $0.08 für Cache-Reads, mit flexiblen Pay-as-you-go-Credits.

02

OpenAI- und Gemini-Format

Nutzen Sie /v1/chat/completions mit bestehenden OpenAI-SDKs oder /v1beta/models/gemini-4-carbon:generateContent für native Gemini-Funktionen.

03

Zwischen Carbon und Argon wechseln

Leiten Sie die schwierigsten Aufgaben an Carbon und die alltägliche Arbeit an Argon weiter oder vergleichen Sie beide mit Claude- und GPT-Modellen, alles mit einem einzigen PoYo-Schlüssel.

04

In wenigen Minuten starten

Testen Sie gemini-4-carbon im Web-Playground und übernehmen Sie dieselbe Anfrage anschließend ohne Warteliste in die Produktion.