Una ventaja estrecha en un índice independiente
Google presentó Gemini 4 Carbon el 28 de octubre, dos semanas después de Gemini 4 Argon, y lo describió como su modelo más potente, con las mayores mejoras en ciberseguridad, programación y tareas agénticas de largo recorrido. El evaluador independiente Artificial Analysis le dio 59 puntos en su Intelligence Index v5, por delante de Claude Opus 5.5 con 58 y de GPT-6 Astra con 57, y nueve puntos por encima de los 50 de Argon.
Esa ventaja de un punto no está repartida de forma uniforme. Artificial Analysis sitúa a Carbon como el mejor en cuatro de las nueve evaluaciones del índice —HLE-Diamond, Terminal-Bench-Science, AA-Omniscience y AutomationBench-AA— y lo deja segundo en su Coding Agent Index, donde Carbon ejecutado en la CLI Antigravity de Google obtiene 59 frente a los 62 de Claude Code con Claude Opus 5.5. Según el mismo evaluador, una ejecución de Carbon cuesta 7,76 dólares por tarea, frente a 10,04 de Opus 5.5 y 6,25 de GPT-6 Astra.
El contraste más claro está en AA-Omniscience v1.1, la prueba de conocimiento y honestidad del índice. La precisión de Carbon subió al 58% desde el 48% de Argon, y su tasa de alucinación subió con ella, del 4% al 11%. Artificial Analysis sigue registrando esa cifra como la segunda más baja que mide, solo por detrás de Argon, y muy por debajo del 50% que atribuye a Claude Opus 5.5 y a GPT-6 Astra con razonamiento máximo.
Las cifras de ciberseguridad son de Google
Los resultados con los que Google abre su anuncio son propios. En su publicación, firmada por Koray Kavukcuoglu, Google atribuye a Carbon un 88,2% en SEC-bench Pro para encontrar vulnerabilidades, un 54,8% en ExploitGym para explotarlas y un 71,0% en CWE-bench para corregir sus causas, frente al 83,4%, el 42,0% y el 68,0% de Argon. Google afirma que el trabajo sobre vulnerabilidades se hizo sin barreras de seguridad, que internamente Carbon más que duplica la tasa de éxito de Argon en código seguro y que los ingenieros de Chrome midieron una calidad de parches más de diez veces superior a la del modelo de frontera de otro laboratorio, al que no nombra. Ninguna de esas tres afirmaciones tiene todavía una verificación independiente.
Google también comunica avances en sus propias evaluaciones de seguridad: las afirmaciones sin respaldo se redujeron aproximadamente a la mitad respecto a Argon, las alertas de desalineación grave en sus entornos internos de programación cayeron casi un 80% y, en la prueba de inyección indirecta de instrucciones de Gray Swan, la tasa de éxito del ataque es del 0,0%, frente al 0,7% de Argon. En Terminal-Bench 4.0, Google afirma que las trampas logradas bajaron al 0,0% y los intentos al 0,4%.
Casi nadie puede usarlo
La disponibilidad es la mayor ruptura con un lanzamiento de frontera habitual. Google dice que el acceso empieza esta semana con un grupo de defensores de ciberseguridad y se amplía a socios de confianza mediante su programa Fairwind, y que desarrolladores, empresas y consumidores lo recibirán más tarde, “lo antes posible”, sin fecha concreta. Artificial Analysis registra el modelo como carente de API pública. Argon, en cambio, está disponible de forma general desde el 13 de octubre.
Los precios se publican igualmente. Carbon cuesta 2 dólares por millón de tokens de entrada y 10 por millón de salida durante un periodo introductorio, las tarifas con las que se lanzó Argon, y sube después a 4 y 20 dólares, con un descuento del 95% en la entrada en caché. La ventana de contexto es de un millón de tokens.
Qué vigilar
Google dice que participa con Carbon en el proceso voluntario de pruebas previas al lanzamiento del gobierno de Estados Unidos. Las próximas fechas concretas son el fin del periodo de precios introductorios —el de Argon llega al 30 de noviembre— y el momento en que el acceso de Fairwind se amplíe lo suficiente para que alguien ajeno a la lista de Google pueda intentar reproducir las cifras de ciberseguridad sobre las que se apoya este lanzamiento.
