Gemini 4 Carbon: el modelo de ciberseguridad de Google

Qué anunció Google DeepMind con Gemini 4 Carbon

Google DeepMind presentó Gemini 4 Carbon, su modelo frontera más capaz hasta la fecha, con dos ejes: ciberseguridad de estado del arte y tareas de largo horizonte. La compañía afirma que Carbon ocupa el primer puesto del índice de inteligencia de Artificial Analysis en su versión 5.0, con 59 puntos.

El detalle que más importa a un equipo pequeño está en la letra chica: Carbon se lanzará al mismo precio introductorio que Gemini 4 Argon —US$2 por millón de tokens de entrada y US$10 por millón de tokens de salida, con los tokens de entrada en caché a 95% de descuento—. Según los precios que recopiló Mashable, eso queda por debajo de Claude Opus 5.5 de Anthropic (US$4 y US$20 por millón) y muy por debajo de GPT-6 Astra de OpenAI (US$10 y US$50).

Carbon no llega solo. Se apoya en Gemini 4 Argon, el modelo que Google anunció el 30 de septiembre de 2026 y que, según Mashable, ya se liberó a los suscriptores de Google AI Pro y Ultra después de una primera fase limitada a defensores cibernéticos dentro del programa Fairwind. CryptoBriefing reportó que el testing interno de Carbon comenzó a principios de octubre de 2026 en la plataforma Jetski de Google, comparando su desempeño en código contra Claude Opus 5.5.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

El contexto de fondo: The Verge recordó que Google no lanzaba un modelo insignia desde la serie Gemini 3, en noviembre de 2025, y que Koray Kavukcuoglu asumió el liderazgo de DeepMind tras la salida de Demis Hassabis en agosto. Carbon es la segunda pieza de esa respuesta.

Los números de Gemini 4 Carbon: ¿qué tan bueno es?

Los benchmarks que publica la propia Google, evaluados sin guardrails, son estos:

SEC-bench Pro: 88,2% en detección autónoma de vulnerabilidades reales.
ExploitGym: 54,8% en explotación, la prueba que usan los equipos de defensa para decidir qué parchear primero.
CWE-bench: 71,0% en generación de parches que atacan la causa raíz del fallo.
WebDev Arena: 1.769 puntos, un salto de +89 elo que lo deja en el puesto #4.
Terminal-Bench 4.0: 0,0% de trampas exitosas, con los intentos de hacer trampa bajando a 0,4%.
Gray Swan IPI: 0,0% de éxito en ataques de inyección indirecta de prompts, contra el 0,7% que registraba Argon.

Para dimensionar el 59 del índice de Artificial Analysis: Mashable reportó que Argon empató con GPT-6 Astra en 53 puntos en ese mismo índice, unos cinco puntos por debajo de Claude Opus 5.5. Carbon no solo supera a su antecesor, también mueve a Google por delante del pelotón en la medición agregada.

Hay mejoras internas que no aparecen en los benchmarks públicos. Según Business Insider, la familia Gemini 4 ayudó a los ingenieros de Google a aumentar la producción de código generado por IA en un 35%. En el caso puntual de Carbon, la compañía dice que el equipo de Chrome observó un desempeño más de 10 veces mejor que el de un modelo frontera de otro laboratorio al generar parches de alta calidad, y que Wiz, su plataforma de seguridad en la nube, ve a Carbon liderando los benchmarks de pruebas de penetración web.

¿Por qué el foco está en ciberseguridad y no en el chat?

La apuesta de Google es que el valor de un modelo frontera ya no se mide por lo bien que conversa, sino por cuánto aguanta trabajando solo. Carbon está diseñado para flujos agénticos sostenidos: internamente, los equipos de Google lo vieron correr durante días, atravesando callejones sin salida, para diagnosticar y parchear bugs sutiles en bases de código grandes y sistemas de bajo nivel.

Eso explica por qué los benchmarks elegidos son de defensa y no de conversación. El ciclo completo que Google quiere cubrir es detectar la vulnerabilidad, validar si es explotable y arreglar la causa raíz. Los tres números que reporta —88,2%, 54,8% y 71,0%— corresponden exactamente a esas tres etapas.

En seguridad y alineación, la compañía reporta avances medibles: en entornos de código en vivo con sus equipos internos, las alertas de desalineación de alta severidad cayeron casi 80%; las afirmaciones sin respaldo se redujeron aproximadamente 2x frente a Argon; y el modelo bajó el exceso de alcance en 26% y la falta de servicio en 29%. Traducido a la práctica: menos respuestas inventadas y menos acciones fuera de alcance cuando le pides algo ambiguo.

¿Cuándo estará disponible Gemini 4 Carbon?

Google está siendo deliberadamente lento. Desde esta semana, Carbon se libera a un subconjunto de defensores cibernéticos y luego se irá abriendo a más socios de confianza a través del programa Fairwind. La compañía dice que seguirá recogiendo feedback y ajustando guardrails antes de llevarlo a desarrolladores, empresas y consumidores. También participa del proceso voluntario del gobierno de Estados Unidos para testear modelos antes de su lanzamiento.

Ese gating importa. CryptoBriefing señaló que el feedback temprano de acceso anticipado elogió la generación de escenas 3D de Carbon, pero marcó una debilidad clara: la velocidad de salida. Si tu producto depende de latencia baja, ese es el punto a vigilar antes de planificar cualquier migración.

Qué significa esto para tu startup

1. Si vendes seguridad, el acceso temprano pasa por Fairwind. El rollout de Carbon replica el de Argon: primero defensores cibernéticos, después socios de confianza, y solo al final el público. Si tu startup hace AppSec, pentesting o respuesta a incidentes, mover ficha ahora vale más que esperar la disponibilidad general, porque el feedback de esa cohorte es el que define los guardrails del producto final.

2. Recalcula tu costo por tarea, no por token. Mashable calculó que Argon costaba unos US$1,99 por tarea del índice de Artificial Analysis con el precio introductorio, alrededor del 60% del costo de GPT-6 Astra, y que esa cifra subiría a US$3,98 cuando termine el descuento. Con Carbon al mismo precio de entrada, la lógica se mantiene: el precio introductorio es una ventana, no una tarifa permanente. Si tu unit economics depende de ese número, modela ambos escenarios desde el día uno.

3. Prioriza benchmarks de parcheo y de trampas sobre los de chat. Un agente que "resuelve" el ticket haciendo trampa te cuesta más caro que uno que se detiene y pregunta. El 0,0% de trampas exitosas en Terminal-Bench 4.0 y la caída de alertas de desalineación son señales más relevantes para producción que cualquier puntaje de razonamiento general.

4. No migres producción por un anuncio. Carbon todavía no tiene fecha de disponibilidad general ni confirmación de canal de API abierto para todos. La decisión correcta hoy es preparar la evaluación interna —tus propios casos de uso, tus propios datos— y no reescribir tu stack.

Conclusión

Gemini 4 Carbon confirma que la carrera de los modelos frontera se está mudando del chat hacia el trabajo largo y autónomo, y que la ciberseguridad es el primer campo de batalla donde eso se mide con números duros. Para Google, es la oportunidad de recuperar terreno después de un año sin modelo insignia; para un founder, es una señal de hacia dónde van los precios, las capacidades y los requisitos de seguridad de las herramientas que va a usar los próximos doce meses.

La lectura práctica es simple: los modelos que escriben y arreglan código de forma autónoma ya son parte de la infraestructura de cualquier startup técnica. Elegir cuál usar dejó de ser una decisión de producto y pasó a ser una decisión de riesgo.