Google ha presentado Gemini 4 Carbon, su modelo de IA más potente hasta hoy, cuatro semanas después de Argon. Lo anuncia Koray Kavukcuoglu, vicepresidente sénior de Google DeepMind y arquitecto jefe de IA de Google, en el blog oficial este 28 de octubre. Encabeza el índice de inteligencia de Artificial Analysis con 59 puntos, pero de momento solo lo pueden usar unos pocos expertos en ciberseguridad.
Puntos clave
- Qué es. El nuevo modelo frontera de Google, por encima de Gemini 4 Argon. Google lo describe como su modelo más fuerte en ciberseguridad y en tareas largas de programación.
- Quién lo puede usar. Desde esta semana, un grupo reducido de defensores de ciberseguridad. Después, más socios de confianza del programa Fairwind. Para desarrolladores, empresas y usuarios no hay fecha: "lo antes posible".
- Precio. El mismo de lanzamiento que Argon: 2 dólares por millón de tokens de entrada y 10 por millón de salida, con la entrada en caché un 95% más barata. Al acabar el periodo introductorio, 4 y 20 dólares.
- Resultados. Número 1 en la versión 5.0 del Artificial Analysis Intelligence Index (59 puntos), 88,2% en SEC-bench Pro, 54,8% en ExploitGym y 71,0% en CWE-bench.
¿Puedo usar Gemini 4 Carbon ya?
No, salvo que trabajes en ciberdefensa y Google te haya metido en su primer grupo de acceso. Hoy no está en la app de Gemini, ni en la API, ni en Gemini para empresas.
Google repite el guion de Argon. Lo presentó el 30 de septiembre solo para ciberdefensores y lo abrió a todo el mundo el 13 de octubre, trece días después. Con Carbon no ha dado calendario. Dice que sigue recogiendo opiniones y ajustando las protecciones antes de llevarlo a sus productos, y que participa en el proceso voluntario del Gobierno de Estados Unidos que revisa los modelos antes de publicarlos.
Si pagas Google AI Pro o AI Ultra, lo que tienes hoy es Argon. Carbon llegará a desarrolladores, empresas y usuarios a través de los productos de Google cuando la compañía lo abra.
Por qué empieza por la ciberseguridad
Carbon es muy bueno encontrando agujeros de seguridad. Google mide las tres fases del trabajo de un defensor, y en las tres dice tener el mejor resultado publicado (medido sin las protecciones activadas):
1. Encontrar fallos. 88,2% en SEC-bench Pro, una prueba que pide localizar vulnerabilidades reales en software real. 2. Comprobar si se pueden explotar. 54,8% en ExploitGym. Sirve para decidir qué agujero tapar primero, porque no todos se pueden aprovechar. 3. Parchearlos en el origen. 71,0% en CWE-bench, de Collinear: pasar del fallo encontrado a una corrección de código que funciona.
Dentro de Google los números también son grandes. En sus pruebas internas, Carbon dobla la tasa de éxito de Argon al generar código seguro. El equipo de Chrome dice que sus parches salieron más de 10 veces mejores que los de "un gran modelo frontera de otro laboratorio", sin decir cuál. Y Wiz, la plataforma de seguridad en la nube de Google, lo ve en cabeza en sus pruebas de intrusión web.
Un modelo que encuentra un agujero para taparlo también lo encuentra para entrar. Por eso el orden de entrada: primero los que defienden, después el resto. Y los modelos de ciberseguridad ya son negocio: Palo Alto vende Mythos y GPT-5.6-Cyber como servicio para atacar tu propia empresa antes de que lo haga otro.
Qué cambia en programación y tareas largas
Google lo ha pensado para trabajos de ingeniería que duran mucho. Cuenta que sus equipos lo han tenido funcionando durante días, saliendo de callejones sin salida, hasta dar con la causa de fallos sutiles en bases de código grandes y en sistemas de bajo nivel, y parchearlos.
También mejora en desarrollo web completo: sube 89 puntos de Elo en WebDev Arena y se queda cuarto, con 1.769. O sea, en hacer webs el modelo más potente de Google todavía tiene a tres por delante.
Google dice además que ha mejorado en tareas científicas y en entender imágenes y vídeo, aunque para eso no da cifras en el anuncio.
Menos trampas y menos inventos
Lo que más me interesa del anuncio es la parte de comportamiento, porque es lo que se nota cuando lo usas cada día. Google da cinco cifras:
- Trampas en las pruebas. En Terminal-Bench 4.0, los intentos de hacer trampa bajan al 0,4% y las trampas que salen bien, al 0,0%. Hacer trampa aquí es, por ejemplo, retocar el test para que dé verde sin arreglar el código.
- Alertas graves. Con sus propios equipos programando en real, las alertas de desalineación de gravedad alta caen casi un 80%. Desalineación: que el modelo haga algo distinto de lo que le pediste.
- Afirmaciones sin respaldo. Más o menos la mitad que Argon. Cuando le falta una prueba, lo pone por escrito en el entregable, o para y te deja la lista de lo que falta.
- Pasarse o quedarse corto. Un 26% menos de veces hace más de lo que le pediste, y un 29% menos se queda corto.
- Inyección de instrucciones. 0,0% de ataques con éxito en el benchmark de Gray Swan, frente al 0,7% de Argon. La inyección son órdenes escondidas en una web o un documento que el modelo lee mientras trabaja.
Google añade que, ante una petición ambigua, Carbon busca las fuentes y te enseña las contradicciones antes de ponerse a hacer cosas. Todo esto son pruebas de Google sobre su propio modelo. Hasta que salga, nadie de fuera lo puede comprobar.
Por qué importa
Para una empresa española que ya usa Gemini, Claude o ChatGPT, hoy no cambia nada en el día a día, porque Carbon no se puede usar. Lo que sí cambia es el ritmo. Google ha sacado dos modelos frontera en cuatro semanas, y cada uno deja atrás al anterior en las pruebas.
Creo que lo práctico es esto: no ates un proceso a un modelo concreto. Si tienes una automatización que llama a la API de Gemini, deja el nombre del modelo en la configuración, así cambiarlo es una línea. Y antes de cambiar, pasa tus propios casos. Diez ejemplos reales de tu trabajo te dicen más que cualquier benchmark.
Lo segundo es el precio. Si Carbon sale a 2 y 10 dólares como Argon, tendrás el mejor modelo de Google al mismo coste que el anterior mientras dure la tarifa de lanzamiento. Ojo a la letra pequeña: con Argon esa tarifa acaba el 30 de noviembre y luego se dobla. Con Carbon, Google no ha dicho cuánto durará.
Y lo tercero, para quien tenga tienda online o software propio: los modelos que encuentran agujeros ya existen, y van a llegar a más manos. Si nadie ha revisado la seguridad de tu web o de tu ERP en el último año, ahora es buen momento.
Fuente original: Google DeepMind
Relacionado
