Gemini 4 Carbon, Hydrogen oder Argon: Welches Modell passt zu Ihrer Aufgabe?

Für einen neuen alltäglichen Coding- oder Agenten-Workflow sollten Sie zunächst Hydrogen evaluieren. Carbon kommt infrage, wenn ein schwieriges Denkproblem trotz korrekter Konfiguration und ausreichender Informationen ungelöst bleibt. Behalten Sie Argon, wenn Ihre bisherige Evaluation bereits zeigt, dass es die Anforderungen erfüllt. Ein funktionierendes System muss nicht allein wegen eines neueren Modellnamens migriert werden.

Diese Auswahlregel beruht auf den Google-Spezifikationen, die wir am 13. November 2026 geprüft haben. Sie ist kein Leistungsbenchmark der drei Modelle: Für diesen Artikel wurden sie nicht mit einem gemeinsamen Testdatensatz ausgeführt. Die Aufgabenbeschreibungen und Kostenrechnungen helfen bei einer eigenen Evaluation; sie sind keine gemessenen Modellergebnisse.

Hydrogen erschien nach Carbon. Die frühere Wahl zwischen dem stärksten und dem günstigeren Modell hat damit einen weiteren Kandidaten. Google positioniert Hydrogen für effiziente Ausführung, Argon für anspruchsvolle Arbeit mit geringerem Denkaufwand als Carbon und Carbon für Probleme, die von gründlicherer Prüfung profitieren. Das liefert Ausgangspunkte. Entscheidend sind ein abgenommenes Ergebnis, die Laufzeit und die gesamte Rechnung. Quellen sind Googles englische Leitfäden zu Hydrogen, Argon und Carbon.

Welche Unterschiede die Entscheidung beeinflussen

Die vorgeschlagenen Einsatzgebiete sind redaktionelle Empfehlungen. Sie bedeuten weder, dass Argon grundsätzlich besser als Hydrogen ist, noch dass Carbon jede schwierige Aufgabe gewinnt. Name, Größe und Erscheinungsdatum ergeben keine allgemeingültige Rangfolge.

Aufgenommen am 13. November 2026. Die offizielle Ankündigung belegt den Veröffentlichungskontext, nicht eine Ofox-Integration oder einen Modelltest. Englische Originalankündigung.

Gemeinsame Funktionen rechtfertigen Carbon nicht automatisch

Alle drei Modelle verarbeiten multimodale Eingaben und erzeugen Text. Ihre Spezifikationen nennen unter anderem Funktionsaufrufe, strukturierte Ausgaben und Computer Use. Ein Bild oder Video als Eingabe zu akzeptieren bedeutet nicht, Bilder oder Videos erzeugen zu können. Soll das Ergebnis ein Bild, ein Video oder gesprochene Sprache sein, wählen Sie das passende Generierungsmodell. Eine höhere Denkstufe schaltet diese Ausgabearten nicht frei.

Ein größeres Modell ergänzt auch keine fehlende Ausführungsumgebung. Ein Werkzeugaufruf schlägt eine Aktion vor; Ihre Anwendung muss sie ausführen, das Ergebnis zurückgeben, Fehler behandeln und Berechtigungen durchsetzen. Bei UI-Automatisierung sind Modellaktionen und der Client, der Screenshots aufnimmt und klickt, getrennte Komponenten. Unser englischer Artikel über den Computer-Use-Controller erklärt diese Aufgabenverteilung.

Gleichen Sie den konkreten Zugangsweg mit den englischen Spezifikationen für Hydrogen, Argon und Carbon ab. Eine Funktion in Googles nativer API ist nicht automatisch in jedem Drittanbieter-Gateway und jedem SDK verfügbar.

Eine Million Kontext-Token ist nicht eine Million Eingabe plus eine Million Ausgabe

Eingabe, Denken und Ausgabe teilen sich das Fenster von 1.048.576 Token. Eine umfangreiche Eingabe lässt weniger Platz für Schlussfolgerungen und Antwort. Das übliche Budget eines synchronen Requests entspricht außerdem nicht der maximalen Fähigkeit zur Langtextgenerierung.

Google dokumentiert standardmäßig 65.536 Token für Denken und Ausgabe. Längere Generierung benötigt einen geeigneten Fortsetzungsmechanismus oder Hintergrundausführung. Die Grenzen eines einzelnen HTTP-Antwortschritts und das Fortsetzungsverhalten von SDKs unterscheiden sich. Erwarten Sie deshalb nicht von jedem nicht gestreamten Request 65K sichtbare Wörter oder Token. Lesen Sie vor einer Ausgabe in Buchlänge den englischen Long-Decode-Leitfaden.

Bei einem beleggestützten Bericht sollten Sie zuerst irrelevante Eingaben entfernen und das gewünschte Ergebnis festlegen. Carbon löst keinen Request, für dessen Antwort kein nutzbares Budget mehr übrig ist.

Nach der abzunehmenden Arbeit entscheiden

Eine Funktion implementieren oder eine interaktive Web-App bauen

Evaluieren Sie in einem neuen Ablauf zunächst Hydrogen. Eine gute Aufgabenbeschreibung begrenzt die Änderung und enthält ein ausführbares Repository, klare Tests und eine Definition von „fertig“. So lässt sich unterscheiden, ob wirklich eine Funktion geliefert wurde oder nur überzeugend wirkender Code.

Ein Beispiel ist eine CSV-Uploadmaske, die Spaltenüberschriften prüft, ungültige Zeilen anzeigt und eine korrigierte Datei exportiert. Für die Abnahme muss das Projekt starten, ein fehlerhaftes Testbeispiel korrekt ablehnen, beim Export die erwarteten Spalten erhalten und auf einem schmalen Bildschirm bedienbar sein. Ein Screenshot reicht nicht: Eine schöne Oberfläche mit funktionslosem Exportknopf besteht den Test nicht.

Behalten Sie Argon, wenn dieser Ablauf bereits funktioniert und kein gemessener Migrationsvorteil besteht. Carbon wird interessant, wenn eine schwierige Abhängigkeit oder ein Entwurfskonflikt die Ursache ist. Ein fehlendes Paket, ein nicht verfügbarer Browser oder ein falscher Testbefehl verlangt zunächst eine Korrektur der Umgebung.

Ein wiederkehrender Fehler über mehrere Komponenten hinweg

Carbon ist ein sinnvoller Kandidat, wenn mehrere Erklärungen gleichzeitig geprüft werden müssen: eine sporadische Race Condition bei Wiederholungen, widersprüchlicher Zustand zwischen Diensten oder ein Patch, der einen Fall repariert und einen anderen beschädigt. Die dokumentierte Ausrichtung auf gründliche Verifikation passt dazu. Belege benötigt das Modell trotzdem.

Geben Sie einen fehlschlagenden Test, ein minimales Reproduktionsbeispiel und relevante Logs mit. Schließen Sie sachfremde Umbauten aus. Verlangen Sie eine Erklärung des Fehlers, einen gezielten Patch und einen Regressionstest, der ohne diesen Patch scheitert. Ist der Fehler nicht reproduzierbar, kann ein enger gefasstes Diagnoseexperiment das richtige Zwischenergebnis sein, statt einer selbstsicheren Behauptung, alles sei behoben.

Übergeben Sie beim Modellwechsel die aktuelle Hypothese und die gescheiterten Prüfungen. „Streng dich mehr an“ reicht nicht. Hat im ersten Versuch die relevante Datei gefehlt, ist deren Bereitstellung möglicherweise wichtiger als das Modell.

PDFs, Tabellen und widersprüchliche Quellen vergleichen

Sind Material und Ausgabeschema klar, beginnen Sie mit Hydrogen: Rechnungssummen extrahieren, zwei Datenblätter vergleichen oder eine Belegtabelle erstellen. Evaluieren Sie Carbon, wenn Widersprüche, unklare Definitionen oder dokumentübergreifende Schlussfolgerungen die Hauptschwierigkeit bilden. Ein bewährter Argon-Ablauf bleibt ebenfalls eine gültige Wahl.

Definieren Sie die Abnahme für jede Aussage. Zahlen brauchen Dateinamen und Seiten- oder Zellverweise. Fehlende Informationen müssen als fehlend gekennzeichnet bleiben. Rechnen Sie Summen außerhalb der Textantwort nach. Zeigen Sie widersprüchliche Werte getrennt, statt sie unbemerkt zu mitteln.

Diese Aufgabenbeschreibung lässt sich für denselben Dokumententest über mehrere Modelle verwenden:

Vergleiche die beigefügten Spezifikationen der Lieferanten.
Erstelle eine Tabelle mit Anforderung, Lieferantenwert, Einheit,
Quelldatei, Seiten- oder Zellverweis und ungelöstem Widerspruch.

Ergänze fehlende Werte nicht aus allgemeinem Wissen.
Halte widersprüchliche Definitionen getrennt.
Liste nach der Tabelle die minimal notwendigen Rückfragen auf.
Erfolg bedeutet: Jeder angegebene Wert ist in den gelieferten Dateien belegt.

Dies ist ein vorgeschlagener Testprompt. Er besagt nicht, dass ein Modell die Aufgabe bereits erledigt hat, und garantiert keine automatisch korrekte Tabelle.

Ein mehrstufiger Werkzeugablauf

Modellwahl und Workflow sollten getrennt bewertet werden. Ein typischer Ablauf lautet: Quellen lesen → Fakten extrahieren → Werkzeug aufrufen → Ergebnis prüfen → Datei speichern. Hydrogen ist ein praktischer erster Kandidat für die Ausführungsschleife; Carbon lässt sich für schwierige Planung oder Prüfung evaluieren.

Teilen Sie Aufgaben nur an klaren Grenzen auf. Ein Planungsmodell liefert Spezifikation und Abnahmekriterien, ein Ausführungsmodell setzt begrenzte Änderungen um, eine Prüfinstanz untersucht die erzeugten Dateien. Mehr Agenten bedeuten zusätzliche Übergabe-Token, doppelte Kontexte und Koordinationsfehler. Parallelität ist deshalb nicht grundsätzlich billiger.

Reichen Sie inkompatible Gesprächsverläufe nicht unverändert zwischen Modellen oder Anbietern weiter. Bewahren Sie den Arbeitsstand in einer expliziten Datei auf und beachten Sie das Zielformat für Werkzeugaufrufe und Ergebnisse. Scheitert ein Request nach einem Werkzeugschritt, prüfen Sie zuerst die Verarbeitung von Gemini Thought Signatures im englischen Leitfaden, bevor Sie schwaches Schlussfolgern vermuten.

Gesamtkosten einer Aufgabe statt nur Tokenpreise vergleichen

Die folgenden Angaben sind Standard-Tarife der kostenpflichtigen Google Gemini API in US-Dollar pro Million Token, geprüft am 13. November 2026. Es sind keine Ofox-Preise, Abonnementpreise oder Angebote für Batch, Flex oder Priority. Die Ausgaberate umfasst Denk-Token. Sämtliche Preise und Daten stammen von der englischen Google-Preisseite.

In der geprüften Quelle ist für Hydrogen keine entsprechende Erhöhung zum 1. Dezember angekündigt. Daraus folgt keine Garantie dauerhaft unveränderter Preise.

Gleiche Raten für Carbon und Argon bedeuten nicht gleiche Kosten pro Aufgabe. Denkaufwand, wiederholte Eingaben über mehrere Schritte, Fehlversuche, Prüfung und Werkzeuggebühren verändern die Summe. Googles API verwendet für diese Modelle implizites Caching. Ein alter Request für explizites Caching ist kein unverändert übertragbarer Spartipp.

Für einen einfachen ungecachten Fall gilt:

Modellkosten = ungecachte Eingabe-Token / 1.000.000 × Eingaberate
             + abrechenbare Ausgabe-Token / 1.000.000 × Ausgaberate

Aufgabenkosten = Summe der Modellkosten aller Versuche
               + anfallende Werkzeug-, Ausführungs- und weitere Dienstkosten

Zählen Sie Denk-Token nicht doppelt, wenn das ausgewählte Usage-Feld sie bereits enthält. Prüfen Sie die Abrechnungsdefinitionen der tatsächlich aufgerufenen API. Erfasste Cache-Eingaben gehören mit der jeweiligen Rate in einen eigenen Term.

Kontrolliertes Beispiel mit gleicher Nutzung

Angenommen, eine abgeschlossene Aufgabe verbraucht 100.000 ungecachte Eingabe-Token und 10.000 abrechenbare Ausgabe-Token einschließlich Denken, ohne kostenpflichtige Werkzeuge. Das sind synthetische Mengen, keine gemessene Arbeitslast.

• Hydrogen: 0,1 × 1,50 $ + 0,01 × 7,50 $ = 0,225 $.
• Argon oder Carbon bis 30. November: 0,1 × 2 $ + 0,01 × 10 $ = 0,30 $.
• Argon oder Carbon ab 1. Dezember: 0,1 × 4 $ + 0,01 × 20 $ = 0,60 $.

Das isoliert den Preis. Es sagt nichts darüber aus, welches Modell Erfolg hat oder wie viele Token tatsächlich benötigt werden.

Zweites Beispiel mit mehr Denken und Wiederholungen

Die Eingabe bleibt bei 100.000 Token, aber ein Carbon-Versuch verbraucht nun angenommene 30.000 abrechenbare Ausgabe-Token. Dieser synthetische Versuch kostet 0,50 $ zum Einführungstarif oder 1,00 $ zu den angekündigten Dezemberraten.

Drei Hydrogen-Versuche mit jeweils der Nutzung des ersten Beispiels kosten 0,675 $. Unter diesen konstruierten Bedingungen ist ein erfolgreicher Carbon-Versuch im Einführungszeitraum günstiger als drei Hydrogen-Versuche, mit den Dezemberpreisen dagegen teurer. Echte Wiederholungen können Cache-Eingaben verwenden, andere Ausgabelängen haben oder aus Gründen scheitern, die nichts mit Denken zu tun haben. Das ist keine Einsparprognose.

Erfassen Sie Kosten pro abgenommener Aufgabe, einschließlich erfolgloser Versuche. Eine geringe Tokenrate ist nur zusammen mit ausreichender Erfolgsquote und akzeptabler Latenz aussagekräftig.

Vor einem Wechsel des Standards eine kleine Evaluation durchführen

Nutzen Sie die herunterladbare Evaluations-CSV für Ihre Ergebnisse. Sie enthält englische Spaltenüberschriften und leere Zeilen, keine Benchmarkwerte. Wählen Sie repräsentative Fälle Ihrer Arbeitslast, darunter mindestens einen bekannten Fehlerfall des bisherigen Ablaufs.

Protokollieren Sie Modell-ID, Anbieter, Clientversion, Denkstufe, Tokenlimits, Werkzeugkonfiguration, Laufzeit, Nutzung und Ergebnis. Für einen ersten Bedienbarkeitsvergleich können die dokumentierten Standardwerte verwendet werden. Kennzeichnen Sie ihn als Vergleich der Standardkonfigurationen: Hydrogen startet bei high, Carbon und Argon bei medium.

Ein zweiter Durchlauf kann eine gemeinsam unterstützte Stufe wie medium verwenden. Gleiche Namen bedeuten aber nicht gleichen internen Rechenaufwand. Verwenden Sie für Carbon und Argon kein xhigh; es gehört nicht zu ihren dokumentierten Stufen.

Legen Sie Erfolgskriterien vor Sichtung der Antworten fest. Bestehen alle Modelle, entscheiden Latenzbedarf und Gesamtkosten. Bei einem Fehler bestimmen Sie erst die Fehlerklasse: fehlende Belege, ungültige API-Requests, defekte Ausführungsumgebung und Denkfehler benötigen unterschiedliche Maßnahmen. Wiederholen Sie ausreichend viele Fälle, um Schwankungen zu verstehen. Eine einzelne gute Antwort begründet keine verlässliche Gesamtrangfolge.

Zugang und Integration prüfen, bevor das Modell verantwortlich gemacht wird

Google-API-Tarif, Gemini-App-Abonnement, Antigravity-Abonnement und Drittanbieter-Guthaben sind unterschiedliche Zugangsmechanismen. Ein Modell in einem Endnutzerprodukt beweist nicht, dass Ihr aktuelles API-Projekt es aufrufen kann. Auch das kostenlose Hydrogen-Kontingent bedeutet weder unbegrenzte Requests noch identische Werkzeugrechte wie im kostenpflichtigen Tarif.

Bei Zugangs- und Requestfehlern helfen der englische Argon-Zugangsleitfaden und die Diagnose von Gemini-API-Fehlern als Hintergrund. Prüfen Sie anschließend die Bedingungen des konkreten Modells. Diese Artikel beziehen sich auf bestimmte Versionen und Daten; ihre Zugangsaussagen lassen sich nicht ungeprüft auf Hydrogen oder Carbon übertragen.

Bei Ofox beginnen Sie mit Modell und Protokoll, die Ihr Konto tatsächlich anzeigt. Dieser Vergleich bestätigt nicht, dass alle drei Modelle oder alle Google-eigenen Funktionen über Ofox verfügbar sind. Für den nativen Zugangsweg nutzen Sie die Ofox-Gemini-API-Dokumentation, zur Requestprüfung den Leitfaden zur Fehlerbehandlung. Eine erfolgreiche Textantwort bestätigt noch kein Streaming, keine strukturierte Ausgabe und keinen vollständigen Werkzeugzyklus.

Für eine neue Anwendung ist der nächste Schritt eine begrenzte Hydrogen-Aufgabe mit gespeicherter Eingabe und Abnahmekriterium. Bei einer bestehenden Argon-Anwendung bleibt die funktionierende Version die Vergleichsbasis. Evaluieren Sie Carbon bei Fällen, deren Fehler tatsächlich auf schwieriges Schlussfolgern zurückzuführen ist, und behalten Sie es dort, wo das abgenommene Ergebnis den zusätzlichen Zeit- und Kostenaufwand rechtfertigt.