Gemini 4 Carbon: Google lidera en ciberseguridad con IA

Qué es Gemini 4 Carbon y por qué Google lo llama su modelo más fuerte

Gemini 4 Carbon arranca con 59 puntos en el Artificial Analysis Intelligence Index v5.0, un punto por encima de Claude Opus 5.5 y con GPT-6 Astra por detrás. Para un founder, el dato relevante no es ese liderato por un solo punto: es que Google está soltando su modelo más capaz primero entre defensores de ciberseguridad y todavía no en la API pública.

El anuncio lo firma Koray Kavukcuoglu, SVP de Google DeepMind, en una entrada de blog publicada el 28 de octubre. Mashable señala que Kavukcuoglu lidera hoy el laboratorio después de que Demis Hassabis dejara el cargo de CEO. Google describe el lanzamiento como reflejo del "ritmo al que estamos empujando la frontera hacia adelante".

Carbon llega apenas unas semanas después de Gemini 4 Argon, anunciado el 30 de septiembre y liberado a suscriptores de Google AI Pro y Ultra el 13 de octubre. La diferencia entre ambos no es cosmética: Carbon está construido para tareas de horizonte largo, esas que se extienden durante días y muchos pasos. Google afirma que sus equipos internos lo han visto "correr durante días para persistir a través de callejones sin salida" en problemas de ingeniería de múltiples etapas.

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 detalle que define todo el movimiento: Carbon no está disponible para el público. Solo un grupo selecto de empresas de defensa cibernética puede usarlo ahora, con expansión gradual a socios del Fairwind Program, el programa de Google para partners de seguridad. Google anuncia el modelo, se queda con el primer puesto en los rankings y deja a los desarrolladores esperando una fecha que la compañía no ha dado.

¿Cómo se compara con Claude Opus 5.5 y GPT-6 Astra?

En la tabla comparativa de Google, Carbon obtiene el mejor puntaje en 15 de 17 benchmarks frente a Argon, GPT-6 Astra, Claude Opus 5.5 y Claude Fable 5.1. Todos esos números son los que reporta la propia Google, no una medición independiente.

Los dos benchmarks que no gana son los más reveladores. GPT-6 Astra sigue liderando en FrontierSWE 2, una prueba de ingeniería de software. Claude Opus 5.5 mantiene la delantera en OSWorld-2.1, que mide qué tan bien un modelo opera una computadora. Es decir, Google domina en seguridad y en tareas largas, pero no en todos los frentes.

Hay un cambio de método que vale la pena subrayar: por primera vez Google reporta los puntajes de Terminal-Bench 4.0 medidos por Artificial Analysis, una firma independiente, en lugar de sus propias pruebas. En ese test —que evalúa si un modelo completa tareas técnicas reales escribiendo comandos en una terminal por su cuenta— Carbon sube unos ocho puntos sobre Argon y supera a Opus 5.5. También escaló al cuarto puesto en WebDev Arena, el ranking donde personas votan sitios web construidos por IA.

El liderato en el índice general es frágil por diseño. Mashable apunta que Carbon y Muse Wonder Full de Meta aparecen marcados en el leaderboard como modelos sin API pública disponible, así que no pueden usarse fuera de los programas de acceso de sus propias compañías. Un punto de ventaja se borra con el próximo lanzamiento de OpenAI o Anthropic.

¿Por qué la ciberseguridad se volvió el campo de batalla de los modelos frontier?

Google coloca a Carbon en el primer puesto de SEC-bench Pro, que mide la capacidad de un modelo para descubrir bugs del mundo real, y de ExploitGym, que evalúa cómo convierte una vulnerabilidad en un exploit. La compañía habla de un "salto significativo" en ciberdefensa: mejor encontrando fallos y mejor generando código seguro.

Ese enfoque no es casual. Según la investigación de Google Threat Intelligence Group recogida por Help Net Security, las divulgaciones mensuales de CVE se duplicaron en 2026, de 5.045 en enero a 10.740 en agosto. Y la mitad de las vulnerabilidades que el grupo identifica como probablemente descubiertas por IA derivan en ejecución remota de código, frente al 26% de las halladas por otros medios.

El dato que debería inquietar a cualquier equipo de producto: de las vulnerabilidades divulgadas este año, solo el 0,23% —aproximadamente una de cada 431— se observó explotada en el mundo real. Pero el grupo registró 141 vulnerabilidades explotadas entre enero y agosto de 2026, más que las 127 de todo 2025. La explotación de zero-days pasó de un promedio de 8 por mes en 2025 a 11 por mes en 2026.

El caso concreto que documenta Help Net Security: CVE-2026-1731, una inyección de comandos en productos de BeyondTrust descubierta por el agente de investigación Hacktron, fue explotada por un clúster de amenazas dentro de los cuatro días posteriores a su divulgación pública. La conclusión de los investigadores es directa: los agentes defensivos de IA están destapando fallos de alto impacto que los atacantes buscan activamente.

Del lado de la demanda, el terreno también se movió. Gartner espera que los agentes específicos de tarea aparezcan en el 40% de las aplicaciones empresariales para finales de 2026, frente a menos del 5% en 2025, según recoge Yahoo Finance. Y el Global Threat Report 2026 de CrowdStrike —citado por el mismo medio— reporta que los ataques asistidos por IA crecieron un 89% interanual, con un tiempo medio de movimiento lateral que cayó a 29 minutos.

¿Cuánto costará y cuándo podrás usarlo?

Carbon se lanzará con el mismo precio introductorio que Argon: US$2 por millón de tokens de entrada y US$10 por millón de tokens de salida, con tokens de entrada en caché a un 95% de descuento sobre el precio de entrada. Mashable reportó previamente que Claude Opus 5.5 cuesta US$4 por millón de entrada y US$20 por millón de salida, mientras GPT-6 Astra cuesta US$10 y US$50 respectivamente.

La diferencia de precio no es menor para quien construye producto. Un agente que corre durante horas y consume tokens de forma intensiva puede costar entre dos y cinco veces menos con Carbon que con sus competidores directos, siempre que el modelo llegue a la API en esas condiciones.

El problema es el calendario. Google no ha dado una fecha de lanzamiento público. Si se usa Argon como referencia, pasaron unas dos semanas entre su anuncio y su llegada a la app Gemini para suscriptores Pro y Ultra, pero Mashable advierte que no hay confirmación de que Google repita ese ritmo con Carbon. Por ahora, el único camino de acceso es ser un defensor cibernético aprobado dentro del Fairwind Program.

Qué significa esto para tu startup

No reescribas tu stack por un benchmark. Los 15 de 17 triunfos de Carbon son autoevaluación de Google. Antes de migrar cargas de trabajo, corre tu propia prueba con tus casos reales: un agente de soporte, un pipeline de revisión de código, tu peor caso de latencia. El propio Mashable señala que los puntajes que las empresas reportan sobre modelos ajenos no siempre coinciden con las pruebas independientes, y ese es exactamente el motivo por el que Google cambió de método en Terminal-Bench 4.0.

Haz inventario de tus identidades no humanas. Si Gartner proyecta agentes en el 40% de las aplicaciones empresariales a fin de año, tu empresa probablemente ya tiene agentes con credenciales reales y nadie sabe cuántos son. TechCrunch documentó el caso de una startup de seguridad que encontró 85.000 archivos accesibles a herramientas de IA en una sola empresa pública. Antes de adoptar un modelo que promete encontrar vulnerabilidades, necesitas saber qué puede tocar tu propio sistema. Empieza por listar agentes, permisos y datos a los que acceden.

Ajusta tu presupuesto de tokens con los tres precios sobre la mesa. Con US$2/US$10 de Carbon, US$4/US$20 de Opus 5.5 y US$10/US$50 de GPT-6 Astra, la decisión de arquitectura tiene un componente económico medible. Modela tu consumo mensual con cada tarifa antes de comprometerte con un proveedor, y no asumas que el modelo más barato del ranking será el más barato en producción: el costo real depende de cuántos reintentos y cuántos pasos necesite tu agente.

Si construyes herramientas para desarrolladores o seguridad, esta es tu ventana. El acceso restringido de Carbon crea una asimetría temporal: los equipos de defensa cibernética del Fairwind Program tendrán capacidades que el resto del mercado no. Ahí hay espacio para productos que traduzcan, orquesten o auditen lo que estos modelos hacen, sin depender de tener acceso directo al modelo.

Conclusión

Gemini 4 Carbon confirma dos cosas a la vez. Primero, que la carrera frontier se decidió por márgenes de un punto: Claude Opus 5.5 salió el 22 de septiembre, GPT-6 Astra ese mismo mes, Argon el 30 de septiembre y Carbon el 28 de octubre. Segundo, que la ciberseguridad dejó de ser un vertical más para volverse el escaparate donde cada laboratorio demuestra su capacidad. Para un founder, la lectura práctica es sobria: el mejor modelo del mundo no sirve de nada si no puedes llamarlo desde tu API, y el precio introductorio más agresivo del mercado no compensa un calendario sin fecha. Vigila el Fairwind Program, corre tus propias evaluaciones y prepara tu inventario de agentes ahora, no cuando el modelo esté disponible para todos.