Google presenta Gemini 4 Carbon, su modelo nº 1 en benchmarks: lidera en ciberseguridad, pero casi nadie puede usarlo todavía

Google anunció el miércoles 28 de octubre Gemini 4 Carbon, el segundo modelo de su familia Gemini 4 en solo dos semanas, presentado como su modelo más fuerte en ciberseguridad y tareas largas. La carta de presentación es un número: 59 puntos en la versión 5.0 del Artificial Analysis Intelligence Index, el primer puesto, por delante de Claude Opus 5.5, con 58, y de GPT-6 Astra, con 57, según el evaluador independiente.

El foco está en la defensa. Carbon obtiene un 88,2% en SEC-bench Pro (encontrar vulnerabilidades), un 54,8% en ExploitGym (comprobar si se pueden explotar) y un 71,0% en CWE-bench (parchear la causa raíz): las tres etapas del ciclo completo. En sus pruebas internas, Google dice que más que duplica a Argon generando código seguro y que el equipo de Chrome lo vio rendir más de diez veces mejor que el modelo de otro laboratorio generando parches, aunque ese rival no se nombra y las pruebas externas se hicieron sin barreras.

La otra mitad del anuncio es el trabajo largo. Google dice que sus equipos han visto a Carbon trabajar días en una misma tarea, insistiendo tras los callejones sin salida hasta dar con fallos sutiles en bases de código grandes. En esos entornos reales, las alertas graves de desalineación cayeron casi un 80% y las afirmaciones sin respaldo se redujeron a la mitad frente a Argon; en WebDev Arena sube 89 puntos Elo y queda cuarto, con 1.768.

El matiz que enfría el titular es el acceso. Carbon está en el proceso voluntario de pruebas previas del Gobierno de EE. UU. y esta semana llegará solo a un subconjunto de defensores de ciberseguridad, con ampliación gradual a socios de confianza vía Fairwind. Para desarrolladores, empresas y consumidores no hay fecha. El precio no sube: 2 dólares por millón de tokens de entrada y 10 de salida en el periodo introductorio (luego 4 y 20), con un 95% de descuento en entradas cacheadas.

La lectura es de ritmo. Argon se abrió el 13 de octubre y, quince días después, ya tiene sucesor que lidera 15 de las 17 filas de benchmarks de Google, aunque Astra sigue por delante en una prueba de ingeniería y Opus en una de uso de computadora. La carrera ya no se mide en trimestres, sino en semanas, y el cuello de botella no es la capacidad: es quién puede tocar el modelo y cuándo.