GDPx-Benchmark: Gemini 4 Carbon erreicht 10,9 Prozent für 16,29 Dollar

Das Analysehaus SemiAnalysis hat seinen neuen GDPx-Benchmark für KI-Agenten veröffentlicht. Im Gesamtergebnis sichert sich das Modell Claude Opus 5.5 von Anthropic mit einer Lösungsquote von 12,0 Prozent die Spitzenposition. Knapp dahinter folgt Gemini 4 Carbon von Google mit 10,9 Prozent.

Obwohl das Google-Modell mit einem Rückstand von 1,1 Prozentpunkten auf Rang zwei landet, hebt der Testbericht vor allem das Verhältnis von Leistung zu Rechenkosten hervor: Gemini 4 Carbon arbeitet im Vergleich zum Testsieger deutlich preiswerter.

Umfassender Test über elf Fachdomänen

Der GDPx-Benchmark umfasst 206 komplexe agentische Aufgaben aus elf Anwendungsbereichen, darunter Chip-Design, Cybersicherheit, Biologie, Finanzen, Recht, Quantenhandel, Software-Engineering sowie KI-Alignment. Der Testaufbau entstand in Zusammenarbeit mit 14 Datenpartnern. Für jede Aufgabe gilt eine Standardlaufzeit von acht Stunden; bewertet wird nach der Kennzahl pass@1 über drei Versuche, wobei alle Domänen gleich gewichtet werden.

Hinter Claude Opus 5.5 und Gemini 4 Carbon folgt GPT-6 Astra mit 9,6 Prozent auf dem dritten Platz. Die weiteren Ränge belegen Muse Wonder mit 6,8 Prozent, DeepSeek 4.1 Flash mit 5,4 Prozent, GPT-6 Luna mit 5,1 Prozent, Grok 4.7 mit 3,9 Prozent sowie GLM-5.3 mit 2,7 Prozent. Googles Schwestermodell Gemini 4 Argon erreichte am 2. November 2026 mit 7,3 Prozent den achten Platz.

Wer sich mit der Integration solch leistungsstarker KI-Systeme befasst, muss auch die rechtlichen Rahmenbedingungen der EU im Blick behalten. Dieser kostenlose Umsetzungsleitfaden bietet einen kompakten Überblick über alle Anforderungen, Pflichten und Fristen der neuen KI-Verordnung. EU AI Act in 5 Schritten verstehen

Kostenunterschiede und domänenspezifische Stärken

Gemäß den Auswertungen vom 2. November 2026 verursacht Gemini 4 Carbon pro Aufgabe Kosten von 16,29 US-Dollar. Damit arbeitet das Modell für weniger als ein Drittel der Ausgaben von Claude Opus 5.5, dessen Kosten bei 51,41 US-Dollar pro Aufgabe liegen. Für GPT-6 Astra fallen 53,99 US-Dollar an.

Als teuerstes Modell erwies sich Claude Fable 5.1 mit 67,16 US-Dollar bei einer Lösungsquote von lediglich 8,5 Prozent. Gemini 4 Carbon erreicht rund 91 Prozent des Ergebnisses von Opus 5.5, ist jedoch etwa 3,2-mal günstiger. Dylan Patel von SemiAnalysis formulierte dazu eine offizielle Abbitte an Google und lobte die Umsetzung des Carbon-Modells ausdrücklich.

Fachlich führt Gemini 4 Carbon in den Domänen Biologie und Software-Engineering. Im Bereich Cybersicherheit liegt Muse Wonder von Meta an der Spitze, gefolgt von Gemini 4 Carbon und Gemini 4 Argon.

Einen spürbaren Einfluss auf die Gesamtrangliste hatten Sicherheitsmechanismen: Die Filter von Claude Opus 5.5 und GPT-6 Astra drückten deren Resultate in den Bereichen Cybersicherheit, Biologie und Alignment.

Die rasante Entwicklung von KI-Modellen stellt Unternehmen nicht nur vor technologische, sondern auch vor neue sicherheitsrelevante Herausforderungen. Dieser kostenlose Report klärt darüber auf, welche konkreten rechtlichen Pflichten und Cyberrisiken Unternehmer jetzt kennen müssen. Kostenlosen Cyber-Security-Report herunterladen

Werden diese drei Felder aus der Auswertung gestrichen, verändert sich das Bild am 2. November 2026 deutlich: GPT-6 Astra schiebt sich um rund 0,1 Punkte vor Claude Opus 5.5, während Gemini 4 Carbon von Rang zwei auf Rang fünf zurückfällt.

Hohe Fehlerquoten in komplexen Disziplinen

Der Benchmark offenbart überdies branchenweite Defizite. In den Bereichen Finanzen und Recht erzielten bei einer rein binären Bewertung fast alle Systeme null Punkte, weshalb Teilpunkte ausgewertet werden mussten.

Im Quantenhandel schnitten am 2. November 2026 70 von 111 Durchläufen schlechter ab als die definierte Referenzstrategie. Im Gesundheitswesen erreichten nur 19 von 100 Testläufen ein Ergebnis über null. Im Testfeld Alignment verletzten 196 von 200 Durchläufen mindestens eine Verhaltensregel, 173 Durchläufe verstießen gegen schwerwiegende Vorgaben.

SemiAnalysis hat das Testverfahren eigenständig entworfen sowie ausgewertet; eine unabhängige Validierung steht noch aus. Künftig soll der Benchmark alle drei bis sechs Monate aktualisiert werden. Google hatte Gemini 4 Carbon am 28. Oktober 2026 angekündigt und das Modell zunächst Sicherheitskräften über das Fairwind-Programm zur Verfügung gestellt, während der breite Marktstart bald ohne festes Datum folgen soll.