Gemini 4 Carbon vs Claude Fable 5.2: precios y benchmarks

Trece días en la cima y un relevo en 24 horas

Gemini 4 Carbon estuvo trece días en lo más alto de los benchmarks. Anthropic necesitó 24 horas para bajarlo de ahí con Claude Fable 5.2. Para un founder que está decidiendo qué modelo mueve su producto, ese relevo no es una anécdota de laboratorio: es una decisión de arquitectura que cambia cada pocas semanas.

Carbon no apareció ayer. Llevaba casi medio mes en manos de algunas empresas y analistas de seguridad a través del programa Fairwind, y Google acaba de abrirlo a sus suscriptores de pago. Según ghacks.net, la compañía presentó el modelo el 28 de octubre, dos semanas después de Gemini 4 Argon, y lo describió como su apuesta más capaz para tareas de largo horizonte.

La base de usuarios gratuita sigue sin acceso. Quien no tenga Google AI Ultra —la suscripción más cara a nivel particular— no puede usar Carbon en la app de Gemini ni en el Modo IA de la Búsqueda. El acceso llega por la API de pago en Google AI Studio, Android Studio, Gemini para empresas, Google Antigravity, CodeMender y AlphaEvolve. El modelo más potente de Google está detrás de una factura, no de un botón.

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 →

¿Qué dicen los benchmarks cuando los publica el rival?

La comparativa que Anthropic incluyó en el lanzamiento de Fable 5.2 tiene un sesgo evidente: los datos los publica la dueña de Claude. Aun así, es la tabla que ambos bandos están usando como referencia y conviene leerla con esa advertencia en mente.

Prueba	Gemini 4 Carbon	Claude Fable 5.2
FrontierCode 2.0 (programación agéntica)	41,1 %	49,1 %
FrontierSWE v2	61,2 %	69,9 %
AutomationBench (flujos de negocio)	53,9 %	51,4 %
Terminal-Bench-Science 0.1	64,8 %	74,6 %
OSWorld 2.1 (uso de ordenador)	81,5 %	89,3 %
Chartography (lectura de gráficos)	72,5 %	73,4 %
Índice de Vals v2.2	70,45 %	71,31 %
Índice de inteligencia de Artificial Analysis	59	65

Fable 5.2 gana en siete de las ocho pruebas. La excepción es AutomationBench, la medición de flujos de negocio, donde Carbon se impone con un 53,9 % frente al 51,4 %. Esa única casilla es más relevante de lo que parece: es justo la prueba que se parece a lo que automatiza una startup mediana, no a lo que resuelve un laboratorio de investigación.

Europa Press recoge que Fable 5.2 también supera a GPT-6 Astra de OpenAI en programación agéntica, investigación científica, uso del ordenador y lectura de gráficos. Las mayores distancias aparecen en robótica simulada (64,9 % frente a 29,8 %), en el Remote Labor Index (41,3 % frente a 20,8 %) y en el examen Humanity’s Last Exam con herramientas (74,2 % frente a 57,2 %).

Hay que decirlo sin rodeos: casi todas esas cifras salen de bancos de pruebas internos o de metodologías propias de Anthropic, sin validación independiente. Diario TI señala incluso una inconsistencia en el propio anuncio, donde el texto atribuye un 66,4 % a una prueba mientras la tabla indica un 73,4 %. Los récords de laboratorio se desinflan cuando llegan a manos de terceros.

¿Cuánto cuesta cada modelo por millón de tokens?

Aquí es donde Google juega su carta más fuerte. Gemini 4 Carbon cuesta US$2 por millón de tokens de entrada y US$10 por millón de salida hasta el 30 de noviembre. Después sube a US$4 y US$20. Claude Fable 5.2 se queda en US$8 y US$40, y eso ya es tras la rebaja con la que llegó: según Diario TI, el precio bajó de US$10 y US$50, un recorte del 20 %.

La conclusión aritmética es directa: durante la promoción, el modelo de Google sale por la cuarta parte. Cuando termine, por la mitad. ghacks.net añade un detalle útil para quien cachea contexto: los tokens de entrada en caché tienen un descuento del 95 % sobre la tarifa estándar. Y si necesitas velocidad extrema, Fable 5.2 ofrece un modo rápido opcional de hasta 2,5 veces más velocidad por US$16 y US$80 por millón de tokens.

El costo por token no es el costo por tarea

Esta es la parte que casi nadie mira y la que decide presupuestos. Hackernoon recogió los datos de Artificial Analysis sobre costo por tarea en su suite completa de evaluación: GPT-6 Astra US$6,25, Gemini 4 Carbon US$7,76 y Claude Opus 5.5 US$10,04. Escalado a 10.000 tareas agénticas al mes, la diferencia se convierte en US$62.500, US$77.600 y US$100.400 respectivamente.

El motivo por el que Carbon sale más barato que Opus 5.5 no es solo la tarifa: usó unos 123.000 tokens de salida por tarea frente a los 173.000 de Opus 5.5. Un modelo que llega a la respuesta con menos tokens ahorra en cada llamada, y en bucles agénticos que corren durante horas eso pesa más que cualquier descuento de lanzamiento. El propio Hackernoon advierte que son costos sobre una suite exigente a precios estándar: sirven para comparar modelos, no como cotización.

Hay un dato incómodo que también conviene tener a mano. Según Hackernoon, la tasa de alucinación de Carbon subió del 4 % al 11 % frente al modelo anterior de Google. Sigue siendo la segunda más baja de los modelos evaluados, detrás de Argon, pero el mensaje es claro: Carbon sabe más y, cuando no sabe, adivina más. Si tu producto entrega respuestas factuales, la capa de verificación no es opcional.

¿Qué significa esto para tu startup?

La guerra de precios te favorece, pero el acceso no. Carbon está atado a Google AI Ultra y a la API de pago; Fable 5.2 está disponible en AWS, Google Cloud y Azure con el identificador claude-fable-5-2, según recoge Wwwhatsnew. Para la mayoría de las tareas de conocimiento y código, Anthropic recomienda empezar por Claude Opus 5.5 y subir a Fable solo cuando el trabajo lo exija. Google hace lo mismo con Gemini 4 Argon, que sigue disponible para quien no pague Ultra. Los modelos de frontera son escaparate; los de gama alta son la herramienta diaria.

El otro mensaje es sobre arquitectura. Un trono que dura trece días significa que cualquier dependencia dura de un proveedor te deja expuesto. La decisión inteligente no es elegir al ganador de esta semana, sino diseñar para poder cambiar de ganador sin reescribir el producto.

Tres decisiones concretas para esta semana

Mide tu costo por tarea, no tu precio por token. Corre 20 o 30 tareas reales de tu producto con cada modelo y cuenta tokens de entrada y salida. La tabla de Hackernoon muestra que el modelo con la tarifa más alta puede acabar costando menos por resultado.
Enruta por tipo de tarea. Usa el modelo barato para clasificación, extracción y resúmenes; reserva el de frontera para el paso que de verdad rompe el flujo. Carbon gana en flujos de negocio y Fable 5.2 en código agéntico y uso de ordenador: son perfiles distintos, no uno mejor que otro.
Presupuesta con el precio de después. Si construyes sobre Carbon, calcula tu unit economics con US$4 y US$20, no con los US$2 y US$10 de la promoción que termina el 30 de noviembre. Un modelo de negocio que solo cierra durante el descuento no es un modelo de negocio.
Mantén la capa de verificación. Con la tasa de alucinación de Carbon en el 11 %, cualquier flujo que toque datos de clientes necesita un paso de comprobación antes de actuar.

Conclusión

Google tenía el mejor modelo del mundo y lo conservó trece días. Anthropic se lo quitó con una tabla de benchmarks que ella misma publicó y con un precio que sigue siendo el doble. Pero la lectura útil para un founder no es quién ganó: es que el liderato técnico ya se mide en semanas y que el diferencial real está en el costo por tarea y en la facilidad para cambiar de proveedor.

Carbon sigue siendo una opción seria y la más barata por token de las dos. Fable 5.2 es mejor en casi todas las pruebas y llega con una advertencia honesta de su propio fabricante: no es el modelo para el día a día. Elige por carga de trabajo, mide con tus propios datos y no firmes nada que te impida moverte cuando el trono cambie otra vez. Que cambiará.