Google presentó el 28 de octubre Gemini 4 Carbon, su nuevo modelo de frontera, apenas dos semanas después de lanzar Gemini 4 Argon. La empresa lo describe como su modelo más fuerte, con capacidades de ciberseguridad y de tareas largas que, según sus propias cifras, están al nivel más alto que se ha medido. El detalle que más le importa a quien programa: todavía no lo puedes usar. Google lo está soltando primero a un grupo de defensores de ciberseguridad y no dio fecha para desarrolladores, empresas ni consumidores.
Qué anunció Google
El anuncio lo firma Koray Kavukcuoglu, vicepresidente sénior de Google DeepMind y arquitecto en jefe de IA de Google. Estos son los puntos principales:
- Número 1 en el Artificial Analysis Intelligence Index v5.0, con 59 puntos.
- Ciberseguridad: 88.2% en SEC-bench Pro (encontrar vulnerabilidades), 54.8% en ExploitGym (comprobar si se pueden explotar) y 71.0% en CWE-bench de Collinear (parcharlas desde la causa raíz). Google aclara que estas pruebas se hicieron sin las salvaguardas activadas.
- Tareas largas: según Google, sus equipos han visto a Carbon trabajar durante días seguidos en problemas de varios pasos, como encontrar y corregir bugs sutiles en bases de código grandes y sistemas de bajo nivel.
- Desarrollo web: sube 89 puntos Elo y queda en el cuarto lugar de WebDev Arena, con 1768.
- Código seguro: en pruebas internas, Carbon duplica la tasa de éxito de Argon al generar código seguro. Google también cita al equipo de Chrome, que reportó que Carbon fue más de 10 veces mejor que "el modelo grande de frontera de otro laboratorio" al generar parches de calidad. No dice cuál.
Cuánto va a costar
Carbon saldrá con el mismo precio introductorio que Argon: 2 dólares por millón de tokens de entrada y 10 por millón de salida, con 95% de descuento en tokens de entrada en caché. Cuando termine el periodo introductorio, el precio sube a 4 y 20 dólares. Google no dice cuándo termina ese periodo, y Artificial Analysis confirma que no hay fecha de fin.
Según Artificial Analysis, el modelo tiene una ventana de contexto de un millón de tokens, acepta texto, imagen, video y voz como entrada y solo responde en texto.
Quién puede usarlo y cuándo
Aquí está la letra chiquita. Google dice que Carbon está en el proceso voluntario de pruebas previas al lanzamiento del gobierno de Estados Unidos. Desde esta semana lo abre a "un subconjunto de defensores cibernéticos" y después irá sumando socios de confianza a través de su Programa Fairwind. La disponibilidad general llegará "lo antes posible", después de recoger retroalimentación y ajustar las salvaguardas.
Fairwind es el programa de DeepMind que da acceso anticipado a modelos avanzados a defensores prioritarios, como gobiernos, proveedores de salud y telecomunicaciones. La página dice que hoy trabaja con más de 650 socios en todo el mundo y que revisa a cada solicitante. Si tu organización no califica, Google sugiere usar CodeMender, su herramienta para encontrar y parchar vulnerabilidades, con los modelos públicos.
Lo que dice la medición independiente
Artificial Analysis publicó su propia evaluación el mismo día, y vale la pena leerla porque matiza el anuncio. Confirma el primer lugar del índice general con 59 puntos y que Carbon saca la mejor calificación en 4 de las 9 pruebas del índice: HLE-Diamond, Terminal-Bench-Science, AA-Omniscience y AutomationBench-AA. También aclara que no lidera en programación ni en trabajo de conocimiento.
| Métrica (Artificial Analysis) | Gemini 4 Carbon | Referencia |
|---|---|---|
| Coding Agent Index | 59 (con Antigravity CLI) | Claude Opus 5.5 en Claude Code: 62 |
| FrontierCode v1.1 | 51% (2.º lugar) | Claude Opus 5.5: 56% |
| Terminal-Bench 4.0 | 64% (2.º lugar) | — |
| AA-Briefcase (Elo) | 1609 | Argon: 1483 · Kimi K3.1 Pro: 1678 |
| Costo por tarea del índice | 7.76 dólares | Opus 5.5: 10.04 · GPT-6 Astra: 6.25 |
| Tasa de alucinación | 11% | Argon: 4% · Opus 5.5 y GPT-6 Astra: 50% |
En programación con agentes, Artificial Analysis lo pone solo detrás de Claude Opus 5.5, y subraya que es una mejora notable porque Google se había quedado atrás en ese terreno. En costo, con el precio estándar, cada tarea del índice sale unos 23% más barata que con Opus 5.5 y usa 29% menos tokens de salida (123,000 contra 173,000), aunque sigue siendo más cara que GPT-6 Astra.
Hay un dato que conviene no perder de vista: la tasa de alucinación sube de 4% en Argon a 11% en Carbon. Sigue siendo la segunda más baja de todos los modelos que mide Artificial Analysis, pero es casi el triple que la de su antecesor.
Lo que Google dice sobre seguridad del modelo
Además de atacar vulnerabilidades ajenas, Google presume que Carbon se porta mejor. Estas cifras salen de sus pruebas internas y nadie externo las ha verificado todavía:
- En Terminal-Bench 4.0, las trampas exitosas bajaron a 0.0% y los intentos de hacer trampa, a 0.4%.
- En entornos de programación reales con sus equipos, las alertas de desalineación grave bajaron casi 80%.
- Las afirmaciones sin sustento se reducen aproximadamente a la mitad frente a Argon.
- Se excede 26% menos en lo que le piden y deja 29% menos tareas a medias.
- En el benchmark de inyección indirecta de prompts de Gray Swan, la tasa de ataques exitosos pasó de 0.7% con Argon a 0.0%.
Mi lectura
Lo más interesante no es el primer lugar del índice, que en este ritmo dura semanas. Es la forma del lanzamiento. Google sacó un modelo cuyo argumento principal es que encuentra y explota vulnerabilidades mejor que nadie, y por eso mismo no lo suelta al público. Las cifras de ciberseguridad se midieron sin salvaguardas, o sea, es exactamente el tipo de capacidad que no quieres en manos de cualquiera. Hipertextual relaciona el lanzamiento con la ola reciente de ataques hechos por agentes autónomos contra empresas y gobiernos, aunque Google no lo menciona en su anuncio.
Para quien desarrolla, en la práctica cambian tres cosas. Primero, todavía no hay nada que integrar: si tu stack depende de Gemini, sigues con Argon. Segundo, el precio ya está anunciado y es el mismo de Argon, así que cambiar de uno a otro no debería mover tu presupuesto, aunque conviene prepararse para el salto a 4 y 20 dólares cuando acabe el periodo introductorio. Tercero, si te dedicas a la seguridad en una organización grande, Fairwind es la única puerta de entrada por ahora.
Y una advertencia sana: casi todas las cifras de ciberseguridad y alineación salen de Google. La única medición independiente disponible hoy, la de Artificial Analysis, confirma el liderazgo general, pero también muestra que en programación pura el trono sigue teniendo otro dueño. Hasta que haya acceso abierto y pruebas de terceros, Carbon es una promesa muy bien documentada y no una herramienta que puedas usar.
Fuentes
- Gemini 4 Carbon: our next frontier model (Google)
- Anuncio en el blog de Google DeepMind
- Programa Fairwind (Google DeepMind)
- Gemini 4 Carbon is the new #1 on the Artificial Analysis Intelligence Index v5 (Artificial Analysis)
- Google lanza Gemini 4 Carbon, una IA que puede detectar fallos antes que los hackers (Hipertextual)