Gemini 4 Carbon: el modelo de ciberseguridad de Google

Gemini 4 Carbon llega con 59 puntos y sin API pública

Google presentó Gemini 4 Carbon, su nuevo modelo de frontera, y lo colocó primero en el índice de Artificial Analysis versión 5.0 con 59 puntos. El problema para cualquier founder que quiera probarlo es simple: no hay API pública, no hay fecha de apertura y, por ahora, el acceso está reservado a un grupo reducido de especialistas en ciberdefensa.

El anuncio lo firmó Koray Kavukcuoglu, vicepresidente sénior de Google DeepMind y arquitecto jefe de IA de la compañía, en el blog oficial el 28 de octubre. La promesa es concreta: un modelo que encuentra, explota y corrige vulnerabilidades mejor que cualquier alternativa disponible, y que además puede trabajar durante días seguidos en una misma tarea.

Para una startup que construye producto, la pregunta no es si el modelo es bueno. Es cuándo podrás usarlo, cuánto costará y qué significa que Google haya decidido repartirlo con cuentagotas.

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 →

¿En qué es mejor Gemini 4 Carbon que sus rivales?

El foco del modelo está en seguridad informática, y ahí los números que reporta Google son contundentes. Según la compañía, Carbon logra 88,2 % en SEC-bench Pro (detección de vulnerabilidades), 54,8 % en ExploitGym (explotación) y 71,0 % en CWE-bench (parcheo de causa raíz).

El equipo de Chrome asegura que, generando parches, el modelo rindió más de diez veces mejor que un gran modelo de otro laboratorio que Google no identifica. Es una afirmación potente y, a la vez, imposible de verificar: no se publicaron los datos de esa comparación.

En el índice general de Artificial Analysis v5.0, Carbon queda primero con 59 puntos, seguido de Claude Opus 5.5 con 58 y GPT-6 Astra con 57. La diferencia con el rival más cercano es de un solo punto, un detalle que conviene tener presente antes de hablar de dominio absoluto.

De hecho, la propia tabla comparativa de Google muestra matices. Carbon gana en 15 de 17 pruebas, pero Opus 5.5 sigue por delante en OSWorld (87,2 % frente a 81,5 %), y tanto GPT-6 Astra (65,5 %) como Opus (62,3 %) superan a Carbon (61,2 %) en FrontierSWE 2. En desarrollo web, el modelo sube 89 puntos Elo en WebDev Arena hasta el cuarto puesto, con 1.768 puntos según el resumen del anuncio oficial.

La otra baza es la resistencia en tareas largas. Google cuenta que sus equipos internos han visto a Carbon trabajar durante días para encontrar la raíz de un fallo y corregirlo en grandes bases de código. Eso apunta a un cambio de fondo en la competencia: ya no se trata solo de responder bien una pregunta, sino de sostener un trabajo de ingeniería completo sin supervisión constante.

¿Por qué Google no lo abre a todo el mundo?

Google justifica el despliegue escalonado con la necesidad de un lanzamiento "deliberado": quiere recoger comentarios y ajustar las salvaguardas antes de abrirlo a desarrolladores. Es la misma fórmula que usó con Gemini 4 Argon, que según Diario TI se anunció el 30 de septiembre con acceso restringido y se abrió a desarrolladores el 13 de octubre mediante la API de Gemini, Google AI Studio, Android Studio y Antigravity.

El vehículo para el acceso temprano es el programa Fairwind, que según su propia página declara más de 650 socios y prioriza a gobiernos, autoridades nacionales de ciberseguridad, operadores de infraestructura crítica (salud, telecomunicaciones, energía y redes financieras) y grandes plataformas tecnológicas. Los laboratorios académicos pueden solicitarlo si se dedican a la evaluación defensiva. Google verifica los antecedentes de todos los candidatos y prohíbe redistribuir el acceso o crear malware.

Para el resto, la empresa promete abrirlo "lo antes posible", sin calendario. VentureBeat, citando a Artificial Analysis, señala que Carbon todavía no tiene API pública. Google tampoco menciona su llegada a la aplicación Gemini ni da la ventana de contexto del modelo, y no hay ninguna referencia a España o a Europa.

Vale la pena contrastar con la estrategia opuesta. OpenAI reconoce que GPT-6.1 Terra alcanza el nivel crítico en ciberseguridad bajo su Preparedness Framework, pero lo ha abierto a todo el mundo con salvaguardas, según The Hacker News. Son dos apuestas distintas ante el mismo riesgo: una reparte el acceso por lista de invitados, la otra confía en barreras técnicas.

¿Cuánto costará cuando llegue a los desarrolladores?

Durante el periodo de lanzamiento, el precio es de 2 dólares por millón de tokens de entrada y 10 dólares por millón de salida, el mismo que Argon, con un descuento del 95 % en entradas en caché. Pasado ese periodo, según una nota del propio post de Google, sube a 4 y 20 dólares respectivamente.

El problema es que Google no dice cuándo termina la promoción de Carbon. VentureBeat recuerda que la de Argon vence el 30 de noviembre, lo que da una pista del orden de magnitud, pero no una certeza.

Larry Dignan, editor jefe de Constellation Insights, advierte en Diario TI que la tarifa es introductoria y que, por lo tanto, el costo de largo plazo es incierto. Para una startup que planifica su gasto en inferencia a doce meses, ese es un riesgo real: si el precio se duplica sin aviso, el modelo de costos cambia.

¿Es más seguro que su antecesor? Los matices

Google reporta mejoras notables en comportamiento. En Terminal-Bench 4.0, el modelo intentó hacer trampas en un 0,4 % de los casos y no lo consiguió en ninguno. Las alertas graves de comportamiento desalineado en entornos de programación reales cayeron casi un 80 %, y las afirmaciones sin respaldo se redujeron aproximadamente a la mitad. En la prueba de inyección indirecta de instrucciones de Gray Swan, ningún ataque tuvo éxito, frente al 0,7 % de Argon. Google precisa que el resultado solo cubre los ataques evaluados.

Hay un dato que no aparece en el post oficial y que conviene tener presente. VentureBeat cita una medición de Artificial Analysis según la cual la tasa de alucinaciones de Carbon sube del 4 % de Argon al 11 %, calculada solo sobre las respuestas que no son correctas, no sobre el total. Un modelo puede razonar mejor y, al mismo tiempo, inventarse más cosas cuando no sabe algo.

También hay que leer con cuidado las cifras de ciberseguridad: Google aclara que las evaluaciones externas se hicieron sin salvaguardas activas. Como señaló VentureBeat, eso no demuestra que los clientes obtengan los mismos resultados con las restricciones que acompañarán al modelo cuando se comercialice. Y Diario TI apunta que Google no publicó una ficha técnica ni un informe específico de Carbon: enlaza el informe de seguridad de la familia Gemini 4, y las cifras de alineación y parcheo no tienen metodología pública ni validación independiente.

Qué significa esto para tu startup

El anuncio es importante y, a la vez, uno de los menos accionables a corto plazo. No vas a poder probar Carbon en semanas o meses. Pero el patrón que revela sí te afecta hoy.

Primero, no planifiques producto sobre un modelo que no puedes usar. Si tu roadmap depende de capacidades de ciberseguridad de frontera, el escenario base es que seguirás trabajando con Gemini 4 Argon, Claude Opus 5.5 o GPT-6 Astra durante los próximos trimestres. Diseña la arquitectura para poder cambiar de proveedor sin reescribir el producto: abstrae la capa de inferencia y evita atarte a features propietarias de un solo modelo.

Segundo, revisa tu propio riesgo de seguridad con las herramientas que ya tienes. La lección de Carbon no es que necesites ese modelo, sino que la detección y el parcheo de vulnerabilidades se están automatizando rápido. Si tu equipo dedica semanas a auditar dependencias o a triagear alertas, hay modelos disponibles hoy que pueden cubrir buena parte de ese trabajo. Empieza por las tareas repetitivas y de bajo riesgo.

Tercero, si vendes a gobiernos, salud, telecomunicaciones, energía o finanzas, el programa Fairwind es una vía de acceso real. Requiere verificación de antecedentes y autenticación resistente al phishing, así que prepara esa documentación antes de postular. Para el resto de los perfiles, la vía práctica es esperar la apertura general y, mientras tanto, monitorear el precio: la diferencia entre 2 y 4 dólares por millón de tokens de entrada es la que decidirá si el modelo entra en tu presupuesto de producción.

Conclusión

Gemini 4 Carbon es un anuncio relevante por lo que dice del ritmo de la industria: Google construyó su modelo más potente sobre uno lanzado dos semanas antes, y reconoce abiertamente que su mejor herramienta de ciberseguridad es un arma de doble filo que reparte con cuentagotas. Lo discutible es que la lista de quién entra la decida la propia compañía sin criterios públicos, y que el liderazgo en el índice se sostenga sobre un solo punto de ventaja.

Para un founder, la conclusión práctica es la de siempre ante un lanzamiento cerrado: no esperes al modelo que no puedes usar. Optimiza lo que tienes, mantén la arquitectura portable y vigila el precio de apertura, porque ahí es donde se decide si Carbon termina siendo una ventaja competitiva o solo un titular.