Google lanza Gemini 4 Carbon: 0-days en menos de 2 horas

¿Qué es Gemini 4 Carbon y en qué se diferencia de Gemini 4 Argon?

Google abrió Gemini 4 Carbon a desarrolladores, empresas, científicos y consumidores. La compañía lo presenta como su modelo más fuerte en ciberseguridad y en flujos de trabajo agénticos de largo alcance, capaz de sostener tareas complejas de conocimiento, ingeniería de software y razonamiento científico. Dos semanas antes, la misma versión había llegado a un grupo acotado de defensores cibernéticos dentro del Fairwind Program.

Carbon no reemplaza a Gemini 4 Argon, lanzado semanas antes: lo complementa. Según Google, Argon sigue siendo la opción ideal para la mayoría de las tareas de ingeniería y trabajo de conocimiento, mientras que Carbon está construido para pruebas que exigen el máximo del razonamiento —código y depuración de múltiples pasos, investigación científica abierta— usando más tokens que Argon para explorar a fondo, razonar en profundidad y ejecutar ciclos extendidos de verificación.

La consecuencia práctica es de presupuesto, no de marketing: Carbon no es el modelo para todo. Un equipo que lo use para tareas triviales paga la exploración profunda sin necesitarla.

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 →

¿Cómo rinde frente a Claude Opus 5.5 y GPT-6 Astra?

Los números que Google puso sobre la mesa son concretos. En ciberseguridad, The Hacker News recoge las cifras que presentó Koray Kavukcuoglu, vicepresidente sénior de Google DeepMind: 88,2% en SEC-bench Pro para encontrar vulnerabilidades, 54,8% en ExploitGym para explotarlas y 71,0% en CWE-bench para parchearlas.

En el Artificial Analysis Intelligence Index v5.0, Carbon lidera con 59 puntos, por delante de Claude Opus 5.5 (58), GPT-6 Astra (57) y GPT-6.1 Sol (55), según la misma cobertura de The Hacker News y la confirmación de The Verge. Es el primer dato que sitúa a un modelo de Google en la cima de un índice independiente desde hace varios trimestres.

La propia Google reporta que Carbon ocupa el primer puesto en CursorBench 4.0, en el WANDR de Perplexity y en el AutomationBench de Zapier, con un costo por tarea más de 2X menor que el siguiente mejor modelo externo. En la nueva referencia MKA (Multimodal Knowledge Agent), creada junto a Artificial Analysis, queda segundo con un costo medio por tarea más de 6X inferior al del modelo líder. Pulse2 añade dos datos de ingeniería: +89 puntos Elo en WebDev Arena (cuarto lugar, con 1.768) y que el equipo de Chrome reportó parches de software de calidad más de 10 veces mejores que los de otro modelo de frontera.

El matiz obligatorio: buena parte de estas comparaciones son cifras autoinformadas por el fabricante. Mashable recordó que Anthropic advirtió al lanzar Opus 5.5 que los márgenes entre benchmarks son una guía cada vez menos fiable para diferencias reales.

¿Cuánto cuesta usar Gemini 4 Carbon?

Carbon llega al mismo precio introductorio que Argon: US$2 por millón de tokens de entrada y US$10 por millón de tokens de salida, disponible vía API en Google AI Studio y en Gemini for business para desarrolladores y empresas que ya pagan. Pulse2 señala además que los tokens de entrada en caché cuestan 95% menos que el precio estándar de entrada.

Ese número solo se entiende en contexto. Según Mashable, Claude Opus 5.5 cuesta US$4 y US$20 por millón de tokens y GPT-6 Astra, US$10 y US$50. Yahoo Finance describe el resultado como un triángulo de precios: OpenAI y Google convergieron en las mismas tarifas con GPT-6.1 Sol, mientras Anthropic mantiene una estrategia enterprise anclada en Claude Code, con ingresos trimestrales de US$11.600 millones que ya superan los de OpenAI, según el mismo medio.

Para un founder que factura por uso, la lectura es simple: el costo de razonamiento de frontera se está volviendo commodity. The Verge advirtió en el lanzamiento de Argon que los precios introductorios se duplican al cerrar el período de promoción, así que cualquier proyección de unit economics debe calcularse con la tarifa completa, no con la de entrada.

/swarm: de un prompt a un equipo coordinado de agentes

Google está previsualizando /swarm dentro de Google Antigravity, su plataforma de desarrollo agéntico. La propuesta: convertir un solo prompt en un equipo coordinado de agentes que se puede seguir en tiempo real.

El patrón de uso que sugiere la compañía es asignar Carbon a los roles que exigen el razonamiento más profundo —diseño de arquitectura, coordinación, auditoría— y emparejarlo con modelos más rápidos y livianos que trabajan en espacios aislados en paralelo, junto a verificadores adversariales que prueban cada cambio. Es una arquitectura de orquestación, no un chatbot: el valor no está en la respuesta, está en el bucle de verificación.

Ciberseguridad defensiva: de 0-days en dos horas a parches verificados

Es donde Carbon muestra su diferencial más claro. En Project Fortify, el sistema autónomo de Google que cubre escaneo, triaje y remediación, el modelo alcanzó 100% de recall en escaneo y 95% de precisión en triaje sobre un benchmark interno, con una mejora relativa superior al 25% sobre el recall de Argon en pruebas sobre repositorios de código abierto, según la fuente original.

En el mundo real, el equipo de Cloud Vulnerability Research de Google usó Carbon para demostrar que dos bugs de un software de código abierto muy usado eran vulnerabilidades explotables, de severidad comparable al reciente exploit PHP2Shell. Y en el programa Scan for Good de Wiz, el modelo descubrió vulnerabilidades 0-day en dos grandes proveedores de SaaS en menos de dos horas, comprimiendo semanas de investigación a una sola tarde y mitigando el impacto potencial sobre decenas de miles de empresas.

Los safeguards acompañan la capacidad. Google reporta que Carbon bloqueó el 99% de las trayectorias de ataque de su agente de red teaming adaptativo, bajó la tasa de brecha por intento a 0,8% (desde 3,1% en Argon) y redujo el éxito de consultas de ciberataque automatizado a 2,17% en las pruebas de Gray Swan, frente a 9,86% de Argon. En honestidad agéntica, pasó el 92% de 375 tareas frente al 70% de Argon, y en el benchmark IPI de Gray Swan registró 0% de éxito de inyección indirecta de prompts.

¿Qué significa esto para tu startup?

Más allá del titular, Carbon cambia tres decisiones concretas que un equipo puede tomar esta semana:

Rutea por costo por tarea, no por token. Carbon y Argon comparten precio, pero Carbon consume más tokens por diseño. Enruta el trabajo rutinario (refactors simples, resúmenes, clasificación) a Argon o a un modelo liviano, y reserva Carbon para depuración multi-paso, migraciones entre paquetes y diseño de arquitectura. Mide el costo real de cada tarea terminada antes de escalar el gasto.
Monta un bucle de build-and-verify. La ventaja que Google describe en desarrollo web no es escribir más código, sino correr ciclos de construcción y verificación, recuperarse de errores y revisar tanto el código como la interfaz renderizada. Si tu pipeline solo genera código sin verificación adversarial, estás dejando sobre la mesa la parte que más rinde.
Revisa tu exposición en ciberseguridad con agentes. Si tienes producto SaaS, los casos de Wiz y del programa Fairwind muestran que el hallazgo de vulnerabilidades pasó de semanas a horas. Vale la pena evaluar si tu equipo accede al programa o integra estas capacidades en tu ciclo de parcheo, porque la asimetría ahora favorece a quien escanea primero.
Si tu equipo es científico o investigador, las solicitudes al programa que da acceso a Argon y Carbon sin costo durante seis meses siguen abiertas, con incorporación semanal sujeta a elegibilidad y capacidad.

Conclusión

Gemini 4 Carbon no es un salto de marketing: es la señal de que el razonamiento de frontera se está moviendo a un precio por token que cabía en un presupuesto de startup hace dos años imposible de imaginar. La pregunta ya no es si puedes pagar inteligencia de frontera, sino si estás diseñando tus flujos de trabajo para explotarla —orquestando agentes, verificando resultados y midiendo el costo por tarea— o solo cambiando de modelo en una interfaz de chat. La diferencia entre esas dos actitudes es, probablemente, la diferencia entre facturar más o pagar lo mismo por lo de siempre.