Google DeepMind presentó Gemini 4 Carbon, que describe como su modelo más potente hasta la fecha. Diseñado para la codificación agentica a largo plazo y para la defensa en ciberseguridad, lidera el Artificial Analysis Intelligence Index v5.0, con una puntuación de 59. Sin embargo, el acceso sigue siendo restringido: el modelo está inicialmente abierto a un grupo de defensores cibernéticos verificados, y no a la API pública.
Según Google, Gemini 4 Carbon es el segundo modelo de la familia Gemini 4, después de Gemini 4 Argon. El grupo lo destina a tareas de ingeniería complejas y de larga duración. Sus equipos internos indican haber visto a Carbon trabajar durante varios días en una sola tarea, especialmente para identificar el origen de errores sutiles en grandes bases de código y en sistemas de bajo nivel, y luego corregirlos. Google también señala haber afinado el modelo para el desarrollo web completo y la comprensión multimodal. En WebDev Arena, gana 89 puntos Elo y alcanza la cuarta posición con 1769 puntos.
Resultados publicados en diecisiete pruebas de referencia
En su artículo de lanzamiento, Google publica una tabla con diecisiete indicadores, según la cual Gemini 4 Carbon se sitúa en primer lugar en quince de ellos, frente a Gemini 4 Argon, GPT-6 Astra, Claude Opus 5.5 y Claude Fable 5.1. El modelo fue evaluado con el ajuste de razonamiento más alto. Las puntuaciones de los competidores son, en su mayoría, declaradas por cada editor.
En codificación agentica, Carbon obtiene un 65,2 % en Terminal-Bench 4.0 (AA), frente al 59,6 % de Claude Opus 5.5. En FrontierSWE, en cambio, es GPT-6 Astra quien supera al modelo, con un 65,5 % frente al 61,2 %. El modelo alcanza un 77,4 % en Agents’ Last Exam v1.1. En GraphWalks, prueba que abarca contextos de 256 000 a 1 millón de tokens (unidades de texto procesadas por el modelo), muestra un 96,2 %, frente al 71,8 % de GPT-6 Astra.
La parte de ciberseguridad ocupa un lugar central. Google presenta el modelo como capaz de cubrir todo el ciclo de defensa: encontrar una vulnerabilidad, validarla y luego corregirla. Las evaluaciones se realizaron sin salvaguardas. Carbon obtiene un 88,2 % en SEC-bench Pro, frente al 85,4 % de GPT-6 Astra, un 54,8 % en ExploitGym, frente al 42,4 % de GPT-6 Astra y el 34,5 % de Opus 5.5, y un 71,0 % en el CWE-bench de Collinear, frente al 68,0 % de Argon y GPT-6 Astra. Google precisa que calculó él mismo las puntuaciones de SEC-bench Pro y ExploitGym, con su propio entorno de evaluación, Antigravity. Según la empresa, el equipo de Chrome consideró que las correcciones producidas por Carbon eran más de diez veces mejores que las de un modelo de otro laboratorio, y Wiz indica que el modelo lidera sus pruebas de intrusión web.
Google también destaca mejoras en la seguridad del comportamiento del modelo. La tasa de éxito en intentos de trampa en Terminal-Bench 4.0 cae a 0,0 %, y las alertas de desalineación de alta gravedad habrían disminuido aproximadamente un 80 % en los entornos internos de codificación. En la prueba Indirect Prompt Injection de Gray Swan, la tasa de ataque exitoso pasa del 0,7 % de Argon al 0,0 %. Google subraya que estas cifras provienen de sus propias mediciones y que aún no hay replicación independiente disponible.
Acceso progresivo, precios de introducción
Google participa en el proceso voluntario de pruebas previas a la publicación establecido por el gobierno estadounidense. En un primer momento, solo un subconjunto de defensores cibernéticos tiene acceso. Otros socios de confianza seguirán en el marco del programa Fairwind, que prioriza a gobiernos, operadores de infraestructuras críticas y grandes plataformas tecnológicas. Los desarrolladores, empresas y particulares deberán esperar, sin fecha anunciada. Google indica que será «tan pronto como sea posible».
La tarifa es la misma que la de Argon en fase de introducción: 2 dólares por millón de tokens de entrada y 10 dólares por millón en salida. Tras este período, los precios subirán a 4 y 20 dólares. Las entradas almacenadas en caché disfrutan de una reducción del 95 %.
