Gemini 4 Carbon: Google retoma el nº1 con 59 puntos

¿Qué es Gemini 4 Carbon y qué cambió frente a Gemini 4 Argon?

Gemini 4 Carbon se ubicó primero en el Intelligence Index v5.0 de Artificial Analysis con 59 puntos, por delante de Claude Opus 5.5 (58) y GPT-6 Astra (57). Pero el dato que más importa para un founder no es el podio: Google mantiene el mismo precio por token que su flagship anterior y, por ahora, no deja que casi nadie lo use.

El anuncio llegó 15 días después de que la compañía abriera Gemini 4 Argon de forma más amplia, el 13 de octubre. El camino es calcado: Argon se presentó el 30 de septiembre con acceso inicial solo para socios de ciberseguridad aprobados dentro del programa Fairwind. Carbon repite la secuencia: primero defensores, después el resto.

La diferencia está en el énfasis. Google describe a Carbon ejecutando tareas durante días, diagnosticando bugs y desarrollando parches en bases de código extensas. En el anuncio, firmado por Koray Kavukcuoglu, SVP de Google DeepMind y arquitecto jefe de IA de la compañía, la empresa asegura que sus equipos internos vieron a Carbon "correr durante días". No hubo informe técnico, ni confirmación de una arquitectura nueva, ni conteo de parámetros.

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 →

9to5google reporta que Google atribuye la velocidad del lanzamiento a que sus investigadores y modelos "trabajan mano a mano para avanzar más rápido", y que Carbon subió 89 puntos Elo hasta el puesto 4 (1.769) en WebDev Arena.

Para dimensionarlo: según The Verge, Argon fue el primer gran lanzamiento frontera de Google desde Gemini 3, a fines de 2025, después de meses en los que la compañía quedó rezagada frente a Anthropic y OpenAI.

¿Carbon es realmente el mejor modelo? Qué dicen los benchmarks

Artificial Analysis ubica a Carbon en el primer puesto de su Intelligence Index v5.0 con 59 puntos usando razonamiento alto, por delante de Opus 5.5 (58), Astra (57) y Argon (50). Ese índice es un compuesto de nueve evaluaciones independientes, y la versión v5 usa tests privados o respuestas retenidas en el 60% de los casos, según el propio evaluador.

En la comparación publicada por Google, Carbon obtiene el mejor resultado en 15 de las 17 filas de benchmark. Las mayores mejoras frente a Argon aparecen en razonamiento prolongado, pruebas de seguridad y trabajo científico:

Benchmark	Argon	Carbon	Cambio
AA Index v5.0	50	59	+9
GraphWalks	84,2%	96,2%	+12,0
ExploitGym	42,0%	54,8%	+12,8
Terminal-Bench-Science 0.1	52,9%	64,8%	+11,9
Agents' Last Exam v1.1	69,0%	77,4%	+8,4
FrontierSWE 2	55,0%	61,2%	+6,2

El cuadro se vuelve menos uniforme cuando se mira de cerca. Carbon más que duplica el SWE-sweep de Argon (de 4,3% a 9,6%), pero apenas supera el 9,5% de Astra. En FrontierSWE 2 queda en 61,2%, por debajo de Astra (65,5%) y de Opus (62,3%). Y en computer use, Opus llega a 87,2% en el subconjunto offline de OSWorld-2.1, por encima del 81,5% de Carbon.

En Vending-Bench 2, Carbon termina con un saldo de US$16.484 frente a los US$13.718 de Argon y los US$15.515 de Astra. Andon Labs sostiene que ese resultado devuelve a Google al primer puesto después de un año.

En trabajo profesional el panorama es más matizado: Carbon alcanza 1.609 Elo en AA-Briefcase, 126 puntos más que Argon en razonamiento alto, pero por debajo de Grok 4.7 en xhigh (1.638), Muse Wonder en max (1.659) y Kimi K3.1 Pro (1.678), según el evaluador. En el Coding Agent Index obtiene 59 corriendo sobre Antigravity CLI, seis puntos sobre Argon (53), mientras Claude Code con Opus 5.5 lidera con 62.

¿Cuánto cuesta Gemini 4 Carbon y cuándo sube de precio?

Google dice que Carbon se lanzará a US$2 por millón de tokens de entrada y US$10 por millón de salida, con 95% de descuento en entradas cacheadas. Son precios temporales: una nota al pie especifica tarifas posteriores de US$4 y US$20. Google no indicó en su blog cuándo termina el período introductorio.

Argon tiene los mismos valores, pero con fecha. Su guía de desarrollador pone las tarifas altas en vigencia el 1 de diciembre, con el período introductorio cerrando el 30 de noviembre de 2026, según la documentación de Google Cloud citada por blockchain.news. Para una carga ilustrativa de 10 millones de tokens de entrada sin cachear y 1 millón de salida facturados, las tarifas introductorias dan una factura de US$30; las posteriores, US$60.

The Verge apunta que Argon se posicionó alrededor de un quinto del costo por token de GPT-6 Astra y de los modelos Fable 5 de Anthropic, aunque eso no se traduce necesariamente en costos más bajos en la práctica, porque modelos distintos consumen distinta cantidad de tokens para la misma tarea.

Ahí está la trampa: precios unitarios idénticos no significan costos idénticos. El anuncio de Carbon no publica el consumo de tokens, los reintentos ni el tiempo de ejecución necesarios para comparar el costo por tarea completada contra Argon. La documentación de Argon aclara que sus cargos de salida incluyen tokens de razonamiento, y que sus ajustes bajo, medio y alto afectan consumo y tiempo de respuesta. Tampoco está claro que Carbon herede los mismos límites técnicos: Argon documenta un contexto compartido de más de 1 millón de tokens con salida por defecto de 65.536 tokens, y el anuncio de Carbon no ofrece una especificación equivalente.

¿Por qué el acceso a Gemini 4 Carbon está limitado?

Google otorga acceso inicial solo a defensores de ciberseguridad seleccionados dentro del programa Fairwind. Dice que el lanzamiento amplio llegará "tan pronto como sea posible", después de "recoger feedback e iterar en los guardrails".

Varun Mohan, ex CEO de Windsurf y ahora responsable de Google Antigravity, escribió en X que "la gente lo ha disfrutado mucho usando internamente en Antigravity para resolver sus tareas más difíciles", y que el acceso se ampliará vía Fairwind antes de una disponibilidad más amplia de Antigravity. Su publicación da un destino de producto, pero ninguna fecha.

Según Crypto Briefing, las pruebas internas de Carbon habrían comenzado a principios de octubre de 2026 en la plataforma Jetski, comparando su desempeño en código contra Opus 5.5. Los primeros reportes de acceso anticipado elogiaron su generación de escenas 3D y señalaron un punto débil: la velocidad de salida.

Para una empresa, la distinción práctica es esta. Argon tiene acceso público documentado, comportamiento de API conocido y una transición de precios con fecha. Carbon tiene mejores resultados reportados, tarifas por token equivalentes y una audiencia inicial mucho más angosta. Su fecha de lanzamiento amplio, sus especificaciones de API y el vencimiento del precio promocional siguen sin anunciarse.

La letra chica de la ciberseguridad y la confiabilidad

Google organiza los resultados de seguridad en tres etapas: descubrir una vulnerabilidad, comprobar si es explotable y producir un parche. ExploitGym sube de 42,0% a 54,8%; SEC-bench Pro, de 83,4% a 88,2%; CWE-bench, de 68,0% a 71,0%. Las distinciones importan: encontrar código sospechoso no establece por sí solo que exista un defecto explotable.

Hay una condición que suele pasarse por alto. Google dice que las evaluaciones externas de ciberseguridad se realizaron "sin guardrails". El anuncio no establece que los clientes obtengan los mismos puntajes bajo las restricciones que acompañen su despliegue. Google suma evidencia interna: más del doble de la tasa de éxito de Argon generando código seguro, y el equipo de Chrome observó una ventaja superior a diez veces produciendo parches de calidad frente al modelo de un laboratorio competidor no identificado.

En confiabilidad, Google reporta que Carbon reduce aproximadamente a la mitad las afirmaciones sin respaldo en pruebas internas, que las alertas graves de alineación cayeron casi 80% en sus entornos internos de código, y que excederse del encargo y la asistencia insuficiente bajaron 26% y 29%. Pero la prueba independiente de conocimiento factual matiza esa historia: Artificial Analysis le da el mayor puntaje de AA-Omniscience, 54, seis puntos por encima de Opus 5.5 en razonamiento máximo. Carbon responde correctamente el 58% de las preguntas, frente al 48% de Argon, pero su tasa de alucinación reportada sube del 4% al 11%. El benchmark define esa tasa como respuestas incorrectas divididas por el total de incorrectas, parcialmente correctas y sin responder, así que 11% no significa que 11% de las respuestas sean fabricadas.

¿Qué significa esto para tu startup?

Carbon no es, todavía, una herramienta que puedas comprar. Lo que tienes disponible hoy es Argon. Cualquier decisión de arquitectura tomada sobre benchmarks anunciados por el fabricante es una apuesta, no un dato.

Tres movimientos concretos:

Fija tu línea base con Argon ahora. Mide tu costo real por tarea completada (tokens + reintentos + tiempo de ejecución) y no solo el precio por millón de tokens. Es exactamente la métrica que Google no publica para Carbon, y la única que te va a permitir comparar cuando el modelo se abra.
Presupuesta con los precios posteriores, no con los introductorios. Argon duplica sus tarifas el 1 de diciembre y Carbon no tiene fecha de vencimiento anunciada. Modelar a US$4 y US$20 por millón evita que un cambio de tarifa te coma el margen de golpe.
Si tu producto toca seguridad, Fairwind es la puerta. Google ya expandió ese programa a cientos de socios adicionales en el anuncio de Argon y ofreció a 10.000 científicos el tier más alto de Antigravity gratis por seis meses, según blockchain.news. Argon pasó de anuncio (30 de septiembre) a apertura amplia (13 de octubre) en menos de dos semanas, lo que da una referencia de timing para planificar.

Dos advertencias para el camino. Primero, no diseñes sobre las diferencias más estrechas: Vals Index queda 70,4% contra 70,2% de Opus y AutomationBench apenas sube de 51,3% a 53,9%. Esos márgenes no alcanzan para elegir un proveedor, y el propio anuncio no incluye estimaciones de incertidumbre. Segundo, si tu caso de uso depende de precisión factual, la subida de la tasa de alucinación de 4% a 11% merece una evaluación propia antes de automatizar cualquier flujo crítico.

El mensaje de fondo para el ecosistema hispanohablante es otro: la frontera dejó de ser una carrera de dos. The Verge lo resume bien al recordar que Argon aterrizó un día después de que Meta anunciara su propio modelo frontera, Muse Wonder Full. Para una startup que construye sobre modelos de terceros, eso significa más opciones y más volatilidad de precios, y convierte la portabilidad entre proveedores en una decisión de arquitectura, no en un detalle de implementación.