Google lanza Gemini 4 Carbon con enjambre de agentes

Google abre Gemini 4 Carbon al público general

Google empezó a distribuir Gemini 4 Carbon, su modelo más potente hasta la fecha, entre todos los desarrolladores y empresas que pagan, después de una primera fase reservada a un grupo selecto de defensores de ciberseguridad dos semanas antes. La compañía sostiene que Carbon empuja la frontera aún más lejos que Argon, el modelo que presentó apenas un mes antes.

Para un founder que construye con IA, el dato relevante no es el récord de benchmarks: es que el modelo entra con un precio introductorio de US$2 por millón de tokens de entrada y US$10 por millón de tokens de salida, y con una función de agentes coordinados que puede cambiar cómo se arman los flujos de trabajo largos.

El despliegue llega por tres vías distintas. Carbon está disponible en la Gemini API dentro de Google AI Studio y en Gemini for business para desarrolladores y empresas de pago, y también para todos los suscriptores de Google AI Ultra en la app de Gemini, en el AI Mode de Search y en Antigravity. No está claro cuándo, ni si alguna vez, llegará a los planes más bajos o a los usuarios gratuitos.

¿Y esto cómo se aplica en tu negocio?

Dueños de negocio de Latinoamérica y España usan un agente de IA para ganar más y recuperar su tiempo. El Kit «tu mano derecha con IA» te muestra cómo en un video de 11 minutos, con una ficha para armar el tuyo. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

El enjambre de agentes: qué es y por qué importa

Google está previsualizando una función de enjambre (swarm) dentro de Antigravity, su plataforma de desarrollo agentic. La promesa es concreta: convertir un solo prompt en un equipo coordinado de agentes, en lugar de un único modelo resolviendo todo en secuencia.

Antigravity no nació ayer. Es la plataforma agent-first de Google, cuya versión 2.0 se presentó en el I/O 2026, y que hasta octubre funcionaba como aplicación independiente para Mac, Windows, Linux y Googlebook. Durante el despliegue de Gemini 4 Argon, a mediados de octubre, Google la integró directamente en la app de Gemini para macOS, según 9to5Google.

Hay una letra chica importante para el bolsillo: el acceso a Antigravity requiere el plan Google AI Ultra, que según la página de precios de Google cuesta US$199,99 al mes y ofrece límites de uso 20 veces superiores a los de AI Pro.

Para un equipo chico, esto plantea una decisión de asignación de presupuesto antes que una decisión técnica. La API se puede probar por consumo; el enjambre, en cambio, exige una suscripción premium.

¿Cuánto cuesta Gemini 4 Carbon frente a GPT-6 Astra y Fable 5.2?

El precio introductorio de Carbon equivale a cerca de una quinta parte del de GPT-6 Astra de OpenAI y a una cuarta parte del de Fable 5.2 de Anthropic, según The Verge. Las listas de precios publicadas confirman esa brecha.

GPT-6 Astra (OpenAI): US$10 por millón de tokens de entrada y US$50 por millón de salida en su tarifa estándar, según securities.io.
Fable 5.2 (Anthropic): US$8 por millón de entrada y US$40 por millón de salida, tras bajar desde los US$10 y US$50 de Fable 5.1, según securities.io y TechCrunch.
Gemini 4 Carbon (Google): US$2 y US$10 en periodo introductorio.

Ese precio de lanzamiento no es permanente: a fines de noviembre el costo se duplica. Aun así, según The Verge, Carbon seguirá siendo bastante más barato que sus rivales de frontera en términos por token.

Y ahí está la trampa que muchos equipos descubren tarde: el precio por token no es el costo por tarea. Modelos distintos consumen cantidades distintas de tokens para resolver el mismo trabajo, así que un modelo más barato por token puede salir más caro por proyecto terminado. La propia comparación entre Anthropic y OpenAI que publica securities.io aclara que mide tarifas por token, no el costo total de completar una tarea.

¿Qué dicen los benchmarks y dónde está la letra chica?

Google presentó Carbon como uno de los modelos más potentes del mercado en casi todas las métricas, por detrás de Fable 5.2, según los benchmarks que la propia compañía citó al anunciarlo. Vale el recordatorio de siempre: las empresas eligen y recortan los benchmarks que las muestran mejor.

Con esa advertencia sobre la mesa, hay resultados que no favorecen al relato de un solo ganador. En AutomationBench, Fable 5.2 obtuvo 51,4% y quedó por detrás del 53,9% de Gemini 4 Carbon, aunque superó el 41,4% de GPT-6 Astra, según securities.io.

En FrontierCode 2.0, Fable 5.2 alcanzó 49,1% con esfuerzo Xhigh frente al 32,4% de Fable 5.1, y con esfuerzo High llegó a 45,3%, casi empatando con el 45,5% de Opus 5.5 y por encima del 42,8% de Astra. En el Remote Labor Index, Fable 5.2 completó 41,3% de proyectos freelance al menos tan bien como un profesional humano, contra 21,3% de Opus 5.5 y 20,8% de Astra, siempre según securities.io.

La propia Anthropic reportó que un equipo de 1.000 agentes Fable 5.2 formalizó el Último Teorema de Fermat en 30 horas, mientras que Opus 5.5 solo completó 26% en 18 horas, según wccftech. Es exactamente el tipo de tarea larga y multi-paso donde se juega la reputación la nueva camada de agentes.

¿Por qué importa que Google vuelva a la frontera?

Durante meses, el desarrollo de modelos de frontera pareció una carrera de dos caballos entre Anthropic y OpenAI. El lanzamiento de Carbon, inmediatamente después de Argon, marca el regreso de Google a la primera línea de la investigación en IA, según The Verge.

El calendario muestra lo apretado de la competencia: Anthropic lanzó Fable 5.2 y Mythos 5.2 el 9 de noviembre, con precios estándar de US$8 y US$40 por millón de tokens, y bajó el costo de Fable de US$10 a US$8 por millón de entrada, según TechCrunch y securities.io. Ese mismo reporte de TechCrunch señala que Fable 5.2 responde 30% más rápido en todos los niveles de esfuerzo y es compatible con políticas de retención cero de datos (ZDR) para clientes empresariales.

Para un founder, tres proveedores empujando precios a la baja y capacidades hacia arriba en la misma semana es una buena noticia estructural: el costo de construir productos con IA de frontera se está comprimiendo más rápido que la capacidad de las startups para absorberla.

¿Qué significa esto para tu startup?

1. Corre una prueba acotada antes de fin de noviembre. El precio introductorio de Carbon es el momento más barato para medir si el modelo sirve para tu caso de uso. Define un presupuesto fijo de tokens, corre tus 5 o 10 tareas más representativas y compara resultados contra el modelo que usas hoy. Después de fin de noviembre el costo se duplica y la ventana se cierra.

2. Mide costo por tarea terminada, no por token. Instrumenta tu producto para registrar tokens consumidos por tarea completada, no solo la tarifa publicada. Un modelo un 20% más barato por token que necesita el doble de iteraciones para cerrar el trabajo es una decisión de costos en contra. Este es el error de cálculo más común cuando se comparan LLM por su lista de precios.

3. Trata el enjambre de agentes como una herramienta de tareas largas, no como tu default. La coordinación de múltiples agentes tiene sentido en trabajos de horizonte largo: refactors grandes, investigación abierta, pipelines multi-paso. Para una tarea corta y bien definida, un solo modelo bien prompteado suele ser más barato y más predecible. Y recuerda que Antigravity exige el plan Google AI Ultra de US$199,99 al mes, así que el cálculo de ROI tiene que incluir esa suscripción fija.

4. Diseña para la rotación de proveedores. Con tres laboratorios lanzando modelos de frontera en semanas consecutivas y precios que se mueven en días, atar tu arquitectura a un único proveedor es un riesgo de negocio. Abstrae la capa de inferencia detrás de tu propia interfaz para poder cambiar de modelo sin reescribir el producto. La ventaja competitiva no está en el modelo que eliges hoy, sino en la velocidad con la que puedes cambiarlo mañana.

Conclusión

Gemini 4 Carbon llega con una combinación poco habitual: capacidad de frontera a un precio de lanzamiento agresivo, más una función de enjambre de agentes que apunta directo al trabajo largo y complejo. Para Google, es la confirmación de que vuelve a pelear la frontera. Para Anthropic y OpenAI, es presión inmediata sobre el precio y sobre el ritmo de lanzamientos.

Para tu startup, la lectura es más simple: la ventana de precio introductorio es corta, la diferencia entre tarifa por token y costo real por tarea es grande, y el mejor momento para evaluar un modelo nuevo es antes de comprometerte con uno solo.