Gemini 4 Carbon: el modelo más fuerte en ciberseguridad

Gemini 4 Carbon ya está disponible para desarrolladores y empresas

Gemini 4 Carbon dejó de estar en circuito cerrado: Google lo habilitó para desarrolladores, empresas, científicos y consumidores al mismo precio introductorio de Gemini 4 Argon, US$2 por millón de tokens de entrada y US$10 por millón de tokens de salida. Para una startup que ya paga la API de Gemini, significa acceso a un modelo de frontera sin que cambie la factura.

El aterrizaje fue escalonado. Dos semanas antes, Carbon se había liberado a un grupo acotado de defensores cibernéticos a través del programa Fairwind, y poco antes Google había abierto de forma global Gemini 4 Argon. La división que hace la compañía es explícita: Argon sigue siendo la opción para la mayoría del trabajo de ingeniería de software y de conocimiento, mientras Carbon está pensado para tareas que ponen a prueba los límites del razonamiento del modelo —código y depuración multi-paso, migraciones entre paquetes, investigaciones de causa raíz entre subsistemas y descubrimiento científico abierto—, consumiendo más tokens para explorar, razonar y encadenar verificaciones.

Traducido a decisiones de producto: Carbon es el modelo que Google vende para cuando una respuesta rápida no alcanza.

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 →

¿Cuánto cuesta Gemini 4 Carbon y cómo se compara con otros modelos?

El precio es el argumento comercial más concreto del anuncio: US$2 por millón de tokens de entrada y US$10 por millón de salida, con los tokens de entrada en caché a 95% de descuento sobre la tarifa estándar. El medio especializado ghacks.net reportó que, una vez terminado el período introductorio, las tarifas suben a US$4 por millón de tokens de entrada y US$20 por millón de salida.

Incluso en ese escenario el diferencial con la competencia es amplio. Gizmodo consignó que GPT-6 Astra, el modelo de frontera de OpenAI, se ofrece a US$10 por millón de tokens de entrada y US$50 por millón de salida. Es decir: el modelo de Google queda en el papel por debajo incluso después del ajuste de precio.

Google no solo vende precio por token, sino costo por tarea. La compañía afirma que Carbon logra el primer puesto en CursorBench 4.0, en WANDR de Perplexity y en AutomationBench de Zapier con más de 2X menos costo por tarea que el siguiente mejor modelo externo.

Los benchmarks: dónde gana Carbon y qué conviene mirar con lupa

Más allá de los tres benchmarks propios del anuncio, hay otras referencias en juego:

Artificial Analysis Intelligence Index v5.0: Carbon quedó primero con un puntaje de 59, según reportó ghacks.net. The Verge señaló que Claude Opus 5.5 y GPT-6 Astra quedan por detrás en ese índice.
WebDev Arena: el modelo sumó 89 puntos Elo hasta llegar a 1.768, lo que lo ubica cuarto, de acuerdo con el relevamiento de ghacks.net.
Multimodal Knowledge Agent (MKA): un benchmark nuevo que Google desarrolló junto a Artificial Analysis para medir razonamiento multimodal en flujos agénticos. Carbon quedó segundo, con más de 6X menos costo promedio por tarea que el modelo que lidera.
Evaluaciones financieras: en las pruebas previas al lanzamiento, Google reporta que Carbon igualó al mejor modelo evaluado en la evaluación E2E Financial Agentic de Hebbia y quedó en lo más alto entre 23 configuraciones de modelos de frontera en el benchmark General Financial Intelligence de Balyasny Asset Management, que cubre expertise legal, uso agéntico de herramientas, ingeniería de datos y comprensión de contexto.

Un dato de contexto importante para leer todo esto con calma: ghacks.net advirtió que las cifras provienen del propio anuncio de Google y no cuentan con verificación independiente, y que los benchmarks externos de ciberseguridad se evaluaron sin guardarraíles. Trata los números como promesas del proveedor y valídalos con tus propias tareas.

Ciberseguridad: el terreno del salto que Google promete

Este es el eje del lanzamiento. Según el anuncio, cuando se accede a Carbon a través del programa Fairwind, el modelo lidera en tres frentes: hallazgo de vulnerabilidades (SEC-bench Pro), explotación (ExploitGym) y parcheo verificado (CWE-bench v1). ghacks.net recogió los números publicados: 88,2% en SEC-bench Pro, 54,8% en ExploitGym y 71,0% en CWE-bench.

Los casos concretos que Google puso sobre la mesa son los que mejor explican para qué sirve:

Project Fortify, el sistema autónomo de escaneo, triaje y remediación de Google, alcanzó 100% de recall en escaneo y 95% de precisión en triaje en el benchmark interno de la compañía. En pruebas sobre repositorios de código abierto, Carbon mostró una mejora relativa superior al 25% sobre la tasa de recall de Argon, detectando fallas lógicas reales que antes pasaban desapercibidas.
El equipo de Cloud Vulnerability Research (CVR) de Google usó Carbon para demostrar que dos bugs en un software open source popular eran en realidad vulnerabilidades explotables, de severidad comparable al exploit PHP2Shell. Con la prueba de concepto en mano, los mantenedores reclasificaron el bug como crítico y publicaron el parche. Los detalles se difundirán cuando termine el proceso de divulgación responsable.
En el programa Scan for Good de Wiz, el equipo evaluó infraestructura digital pública: al escanear dos grandes proveedores de SaaS, el modelo encontró vulnerabilidades 0-day en menos de dos horas, comprimiendo semanas de investigación de vulnerabilidades en una sola tarde.

En seguridad de modelo, Google reporta que en entornos de prueba de ciberataques simulados Carbon bloqueó 99% de las trayectorias de ataque de su agente de red teaming adaptativo, y bajó la tasa de brecha por intento a 0,8%, frente a 3,1% de Argon. En pruebas de Gray Swan, la tasa de éxito de consultas de ciberataque automatizadas cayó a 2,17%, contra 9,86% de Argon, y en la verificación externa de Trajectory Labs no se encontraron nuevos jailbreaks universales en 132 horas y más de 13.000 solicitudes.

/swarm en Antigravity: agentes coordinados desde un solo prompt

El lanzamiento viene con una función en preview: /swarm dentro de Google Antigravity. La idea es convertir un único prompt en un equipo coordinado de agentes que se pueden seguir en tiempo real. El desarrollador asigna Carbon a los roles que exigen razonamiento profundo —diseño de arquitectura, coordinación y auditoría— y lo combina con modelos más rápidos y livianos en espacios de trabajo paralelos aislados, con verificadores adversariales que prueban cada cambio.

Es una arquitectura relevante para cualquier equipo que hoy encadena agentes a mano: la propuesta es que el orquestador deje de ser tu código y pase a estar dentro de la plataforma.

Ciencia y matemáticas: los casos que Google puso sobre la mesa

Verificación formal de código: investigadores de Google construyeron un framework agéntico llamado AlphaProof Code y lo aplicaron a un desafío de seguridad mayor: probar matemáticamente el código que sostiene el protocolo criptográfico de Signal. Usando Carbon junto a otros modelos, tradujeron objetivos de seguridad a teoremas y generaron millones de líneas en Lean, el lenguaje para escribir pruebas matemáticas. Lo que históricamente toma años a equipos expertos se resolvió en semanas.
Desarrollo de ensayos enzimáticos: con solo cuadernos de laboratorio y datos crudos, Carbon detectó anomalías difíciles de interpretar y diagnosticó artefactos experimentales sutiles, como mezclado automatizado incompleto en pocillos profundos, mejorando la reproducibilidad. También mejoró métodos para deconvolucionar picos de cromatografía y detectó arrastre de muestra en instrumentos de investigación.
Predicción de estructura de proteínas: modelos como AlphaFold 3 usan alineamientos de secuencias evolutivas y suelen fallar en proteínas poco estudiadas. En un esquema multi-agente, los investigadores usaron Carbon para descubrir homólogos remotos en archivos de secuencias no anotados a escala de petabases. En 7 familias de proteínas con bajo número de homólogos del set ciego CASP17, el modelo aumentó los homólogos recuperados 40 veces en promedio.
Farmacología: para la compañía de investigación de toxicidad Axiom Bio, Carbon es ahora el modelo líder en desempeño para ciencia traslacional, encontrando mecanismos de toxicidad novedosos que antes no habían detectado.

Google también recordó que abrió un programa para dar a 10.000 científicos acceso a Argon en Google Antigravity gratis durante seis meses, y que ahora extiende ese acceso a Carbon para participantes actuales y futuros.

¿Qué significa esto para tu startup?

El anuncio no cambia tu producto por sí solo, pero sí habilita decisiones concretas de costo y arquitectura:

Enruta por tarea, no por proveedor. Con Carbon al mismo precio que Argon, la pregunta deja de ser «¿qué modelo uso siempre?» y pasa a ser «qué tareas justifican el modelo caro». Deja los volúmenes altos y las respuestas simples en modelos livianos y reserva Carbon para depuración multi-paso, migraciones y auditorías.
Aprovecha el descuento de caché. El 95% de descuento en tokens de entrada en caché premia a quien mantiene contextos estables (system prompts largos, documentación fija, esquemas repetidos). Reestructurar tus prompts para maximizar el prefijo cacheado puede bajar el costo de forma inmediata, más que cambiar de modelo.
Mide costo por tarea, no por token. Los dos proveedores compiten justamente en esa métrica. Instrumenta tus flujos para registrar cuánto cuesta completar una tarea de punta a punta —incluidos reintentos y verificaciones— antes de decidir una migración.
Si haces software, revisa tu pipeline de seguridad. Los casos de vulnerabilidades 0-day detectadas en horas y parches verificados sugieren que el escaneo asistido por modelos de frontera dejó de ser un experimento. Si tu equipo no tiene un proceso de remediación rápido, ese es el cuello de botella, no el modelo.
Si eres científico o investigador, aplica al programa de acceso. El acceso gratuito por seis meses en Antigravity, sujeto a elegibilidad, capacidad y selección, sigue abierto con incorporación semanal.

Conclusión

Gemini 4 Carbon no es solo otro lanzamiento de modelo: es Google poniendo precio agresivo sobre su capacidad más diferenciada, la ciberseguridad, y empujando al mismo tiempo la orquestación de agentes con /swarm en Antigravity. Para un founder, la lectura útil es que el costo por tarea —y no el precio por token— se volvió la variable competitiva central, y que conviene instrumentarla antes de tomar una decisión de arquitectura.

El matiz que no hay que perder: casi todas las cifras que acompañan el anuncio son autoreportadas por Google y todavía no cuentan con verificación independiente. La única forma seria de evaluarlas es correr tus propias tareas contra el modelo.