Gemini 4 Carbon ya es público: API a US$2 por millón

Gemini 4 Carbon sale del jardín cerrado

Google abrió Gemini 4 Carbon al público general el 10 de noviembre, casi dos semanas después de anunciarlo el 28 de octubre con acceso restringido a defensores de ciberseguridad dentro del programa Fairwind. El modelo llega con un precio de API de US$2 por millón de tokens de entrada y US$10 por millón de salida, la mitad de lo que cuesta Claude Opus 5.5 y una cuarta parte de Claude Fable 5.2 en su tarifa estándar.

Para un founder que ya paga facturas de inferencia todos los meses, la pregunta no es qué modelo gana el ranking, sino cuánto cuesta terminar una tarea real. Y ahí la respuesta cambia según el trabajo.

¿Dónde puedes usar Carbon y cuánto cuesta?

El lanzamiento cubre varios frentes a la vez. Los desarrolladores acceden al modelo por la API paga de Gemini a través de AI Studio y Android Studio, además de Gemini for business, Antigravity y agentes especializados como CodeMender y AlphaEvolve. En el lado de consumo, Carbon llega a los suscriptores de Google AI Ultra en la app de Gemini, a AI Mode en Search y a Antigravity.

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 →

Los precios de suscripción en Estados Unidos son US$99,99 al mes para Ultra 5x y US$199,99 al mes para Ultra 20x, con límites de uso más altos. Google todavía no publicó un calendario de despliegue país por país.

En cuanto a la API, el esquema es el clásico de dos etapas: US$2 y US$10 por millón de tokens de entrada y salida hasta el 30 de noviembre, y luego US$4 y US$20. Google anunció además un descuento del 95% en tokens de entrada cacheados, lo que implica US$0,10 por millón durante la promoción y US$0,20 después.

Ese detalle importa más de lo que parece. Si tu producto reenvía el mismo repositorio, la misma política interna o el mismo manual en cada llamada, el ahorro real depende de cuántas de esas peticiones aciertan en caché. Vale la pena medirlo antes de proyectar costos.

¿Carbon es realmente más barato que Claude Fable 5.2?

No siempre. El precio por token es solo el punto de partida.

Según el evaluador Artificial Analysis, a tarifas estándar una tarea promedio en su suite cuesta US$7,76 con Carbon en esfuerzo alto, frente a US$26,54 con Fable en esfuerzo máximo. Pero el mismo informe muestra que Fable en esfuerzo alto cuesta US$9,08 y puntúa 62, dos puntos por encima de Carbon alto. Y en esfuerzo medio, Fable cuesta US$3,80 con 56 puntos, mientras Carbon cuesta US$6,59 con 58 puntos.

El caso de GPT-6 Astra es todavía más ilustrativo: con esfuerzo máximo promedia US$6,24 por tarea y puntúa 57, aunque sus tarifas publicadas son dos veces y media las de Carbon.

La evidencia más concreta sobre agentes viene de AutomationBench de Zapier, que mide si un agente completa tareas a través de distintas aplicaciones de negocio. Carbon en esfuerzo alto lidera con 53,88% a un costo estimado de US$2,12 por tarea, por delante de Fable 5.2 en máximo con 51,45% y US$4,64. Carbon medio logra 52,97% a US$1,65.

Pero cuando Zapier cuenta los intentos fallidos, el número se mueve: US$3,11 por cada tarea exitosa con Carbon medio y US$3,94 con Carbon alto. Para un equipo que usa agentes para actualizar un CRM o gestionar una cola de soporte, dejar cada sistema en el estado correcto importa más que el costo por intento.

¿Dónde gana Carbon y dónde gana Fable?

El liderazgo se reparte por tipo de tarea.

Terminal-Bench 4.0: Carbon alto alcanza 65,2%, por delante del mejor resultado listado de Fable, 61,6%.
FrontierCode 2.0, que evalúa cambios sobre repositorios reales contra el estándar para fusionarlos: Fable llega a 49,1% frente a 40,6% de Carbon alto.
FrontierSWE v2, reportado por Anthropic: Fable 69,9%, Astra 65,5% y Carbon 61,2%.
Terminal-Bench-Science 0.1: Mythos 75,3%, Fable 74,6%, Astra 68,1% y Carbon 64,8%.

En el índice general de Artificial Analysis, Fable 5.2 encabeza con 65 en esfuerzo máximo, Carbon queda en 60 en alto, Opus 5.5 en 59 en máximo y GPT-6 Astra en 57 en máximo. Un equipo que elige un agente para diagnóstico pesado en terminal puede llegar a una decisión distinta de otro que busca aprobar más parches en revisión.

El frente de ciberseguridad tiene su propio marcador

Google reporta para Carbon 88,2% en SEC-bench Pro para encontrar vulnerabilidades, 54,8% en ExploitGym para demostrar que son explotables y 71,0% en CWE-bench para parchearlas. Esas pruebas externas se corrieron sin guardarraíles, y por eso Google deriva a los clientes que buscan su capacidad más fuerte hacia Fairwind.

La compañía afirma que Wiz usó Carbon para ciberseguridad y encontró vulnerabilidades desconocidas escaneando dos grandes proveedores de software como servicio en menos de dos horas. Google no nombra a esas empresas en el anuncio.

Del otro lado, Anthropic reporta que Mythos 5.2 redescubrió 89,6% de vulnerabilidades conocidas en su prueba interna y obtuvo 76,3% en CyScenarioBench, sin publicar resultados de Carbon en esas métricas. Un equipo de seguridad tiene que empezar por definir a qué versión puede acceder y luego medir con qué frecuencia cada modelo produce un hallazgo reproducible y un parche que pase sus propias pruebas de regresión.

¿Qué significa esto para tu startup?

La buena noticia es que la competencia entre Google, Anthropic y OpenAI está bajando el costo por tarea, no solo el precio por token. La mala es que elegir por tarifa publicada es la forma más rápida de equivocarse en el presupuesto.

Tres acciones concretas para las próximas semanas:

Corre un piloto con tus propias tareas, no con benchmarks ajenos. Toma dos o tres trabajos que ya consumen tiempo de ingeniería —una migración difícil, una actualización masiva de datos, una cola de soporte— y pásalos por Carbon y por tu modelo actual. Mide si el resultado compila, pasa tests y sobrevive a la revisión.
Calcula el costo por tarea terminada, no por intento. Suma tokens, reintentos y tiempo humano de corrección. El precio de US$2 por millón se vuelve irrelevante si necesitas tres intentos para cerrar el trabajo.
Presupuesta a tarifas de diciembre. El precio introductorio vence el 30 de noviembre y se duplica a US$4 y US$20. Si tu caso de uso escala, la decisión económica real es la de después de esa fecha.

Vale también mirar el diseño de producto que Google sugiere: el preview /swarm en Antigravity propone poner a Carbon en arquitectura, coordinación o auditoría mientras reparte tareas de implementación en paralelo a modelos más livianos. Anthropic describe una división parecida, con Fable como asesor y Opus 5.5 como punto de partida para el trabajo diario. Google recomienda Argon para la mayor parte del trabajo de ingeniería y conocimiento.

Para equipos que necesitan correr inferencia en su propia infraestructura, la conversación es otra: Kimi K3.1 Pro de Moonshot es el modelo de pesos abiertos mejor puntuado en el índice amplio del evaluador, Meituan liberó los pesos de LongCat-2.5 bajo licencia MIT el 9 de noviembre y Mistral ofrece Large 4 con su propia licencia abierta. Carbon, Fable y Astra no pueden cumplir ese requisito por sus APIs alojadas.

La ventana de precio introductorio es corta. Es el momento de descubrir dónde la capacidad extra de Carbon se gana un lugar en tu stack, antes de que la tarifa se duplique.