AIREITERGoogle presentó Gemini 4 Carbon el 28 de octubre de 2026 como su modelo más potente hasta la fecha. Encabeza el Artificial Analysis Intelligence Index v5.0 con una puntuación de 59. El problema es el acceso: esta semana solo pueden probarlo defensores de la ciberseguridad previamente validados a través del programa Fairwind, y todavía no existe un identificador público de modelo para la API.
Antes del anuncio, los rastreadores seguían describiendo Carbon como una filtración sin confirmar. Ahora Google ya ha publicado benchmarks y precios. En esta guía contrastamos esas afirmaciones con la evaluación independiente de Vals.ai y proponemos un plan de desarrollo inmediato con Argon.
¿Se puede llamar hoy a Gemini 4 Carbon?
No. A 28 de octubre de 2026, Gemini 4 Carbon está anunciado, pero no disponible de forma general para desarrolladores, empresas o consumidores. Google asegura que un grupo reducido de defensores de la ciberseguridad tendrá acceso durante la semana del anuncio. Después llegarán los socios de confianza mediante el programa Fairwind. La disponibilidad más amplia llegará «lo antes posible», aunque no hay una fecha concreta.
Este despliegue gradual responde a las pruebas de ciberseguridad sin restricciones y al trabajo de seguridad previo al lanzamiento, realizado también con evaluaciones del Gobierno de Estados Unidos mientras Google ajusta sus barreras de protección. No se han publicado identificador de modelo, ficha en AI Studio ni límites de uso.
Esto sustituye al estado de la semana pasada. Antes del 28 de octubre, la documentación para desarrolladores de Google solo incluía gemini-4-argon como modelo de la API Gemini 4, y los rastreadores afirmaban correctamente que no existía ningún identificador de Carbon. Entonces era cierto; ahora está desactualizado: Carbon existe como producto anunciado, pero todavía no como endpoint invocable.
Si hoy ves a un proveedor ofreciendo gemini-4-carbon, considéralo no verificado hasta que documente el modelo de origen, el tipo de ruta —pública, restringida, experimental o alias— y los permisos necesarios. Una ficha por sí sola no demuestra que Google haya conectado ese checkpoint con el usuario.
Para qué sirve realmente Carbon
Gemini 4 Carbon está pensado para trabajos de ingeniería prolongados, de varios días, no para conversaciones de una sola interacción. Según Google, sus equipos lo han observado trabajar durante días, insistiendo incluso tras llegar a callejones sin salida en tareas como localizar la causa de errores sutiles, corregirlos en bases de código grandes y trabajar con sistemas de bajo nivel.
Este posicionamiento nace de los comentarios de usuarios sobre programación, trabajo agéntico, tareas científicas, desarrollo web full-stack y comprensión multimodal. El único marcador externo que Google cita aquí es WebDev Arena: Carbon ganó 89 puntos Elo, hasta llegar a 1768 y ocupar el puesto #4. Google atribuye el avance a una mejor calidad de salida y a artefactos generados más útiles.
Google también afirma que Carbon supera en más de 2 veces a Gemini 4 Argon en la tasa interna de éxito al generar código seguro. El multiplicador no viene acompañado de cifras absolutas: no hay línea base, tamaño del conjunto de datos ni desglose por lenguaje. Por eso conviene interpretarlo como una señal de dirección, no como justificación suficiente para migrar. La afirmación del equipo de Chrome —más de 10 veces más parches de alta calidad que otro gran modelo de frontera de un laboratorio distinto— presenta el mismo problema: no se identifica el modelo rival ni se define la métrica.
Argon llegó a mediados de octubre de 2026; Carbon encabeza la misma familia y la misma pila de seguridad.
La tabla de ciberseguridad y lo que los números no cuentan
La principal diferencia de Carbon está en su cobertura del ciclo completo de ciberseguridad: encontrar vulnerabilidades, comprobar si pueden explotarse y corregir sus causas raíz. Google afirma que las tres evaluaciones externas se realizaron sin barreras de protección, por lo que miden la capacidad subyacente y no lo que permitiría un endpoint de producción protegido.
| Fase | Benchmark | Puntuación de Carbon | Qué evalúa |
|---|---|---|---|
| Detectar | SEC-bench Pro | 88,2 % | Encontrar de forma autónoma fallos reales en software real |
| Explotar | ExploitGym | 54,8 % | Comprobar si las vulnerabilidades pueden explotarse realmente |
| Parchear | CWE-bench | 71,0 % | Corregir las causas raíz con código funcional |
Hay tres matices más importantes que los porcentajes. Primero, no multipliques 88,2 % × 54,8 % × 71,0 % para obtener una tasa de éxito de extremo a extremo: cada puntuación procede de un conjunto de tareas distinto. Segundo, el descubrimiento (88,2 %) suele ser más fácil de automatizar que una remediación segura (71,0 %), mientras que la explotación (54,8 %) exige más planificación. El descenso es esperable, no un defecto. Tercero, el anuncio de Wiz sobre el liderazgo en pruebas de penetración web, vinculado a su iniciativa Scan for Good, no incluye nombre de benchmark ni puntuación, así que no se puede comparar.
La lectura práctica es clara: Carbon parece más interesante como asistente para priorizar alertas y aplicar parches en equipos con grandes acumulaciones de trabajo que como equipo rojo autónomo. La capacidad de explotación también explica por qué el acceso está restringido.
Seguridad e integridad: 0 % de trampas y 0 % de inyección de prompts
La segunda gran afirmación sobre Carbon es su fiabilidad bajo presión, con cifras especialmente concretas. Google informa de un 0,0 % de trampas exitosas y un 0,4 % de intentos de hacer trampas en Terminal-Bench 4.0, manteniendo al mismo tiempo la precisión general. En entornos internos de programación en vivo, las alertas de desalineación de alta gravedad cayeron casi un 80 %.
También mejoró la resistencia a la inyección de prompts en el benchmark Gray Swan Indirect Prompt Injection. El resultado líder anterior de Argon registraba un 0,7 % de ataques exitosos; Carbon informa de un 0,0 %, sin ataques exitosos en la evaluación publicada. Google añade un 26 % menos de extralimitación y un 29 % menos de servicio insuficiente frente a la línea base anterior, como indicio de una ejecución de varios pasos más fiable dentro del alcance previsto.
Ninguna de estas mejoras incluye el denominador necesario para reproducirlas. Google no da el número de ataques detrás del 0,0 %, la tasa base de alertas tras la caída de casi el 80 %, la rúbrica para distinguir extralimitación de servicio insuficiente ni la metodología de detección de trampas. La tendencia es prometedora para despliegues agénticos, pero conviene conservar los registros de llamadas a herramientas y las protecciones de ramas. La pila interna de Google —entrenamiento, defensas contra usos indebidos en tiempo real, resistencia a la inyección de prompts y supervisión de la cadena de razonamiento— no se traslada automáticamente a tu propio arnés.
La comprobación independiente: Vals.ai lo coloca #2, no #1
Los benchmarks del fabricante necesitan una segunda fuente, y Vals.ai publicó una el 28 de octubre de 2026. En su Vals Index general, Carbon ocupa el puesto #2 de 29 con un 70,36 % (±0,97), entre Claude Sonnet 5.5, con un 70,85 %, y Claude Opus 5.5, con un 70,18 %. La prueba costó 10,51 $ y tuvo una latencia de evaluación de 47 minutos y 45 segundos con un nivel alto de razonamiento.
El desglose resulta más útil que la posición global. Carbon ocupa el puesto #1 de 87 en Legal Research Bench y el #1 de 33 en Vals Finance Index; es #2 de 35 en EMB v1.1 y #4 de 57 en Terminal-Bench 4.0, con un 63,13 %. Su resultado más débil de los publicados es un 17,50 % en HLAB-Vals-1.1 (#6 de 30). En Vibe Code Bench v1.1 logra un 89,06 %, pero solo alcanza el puesto #8 de 121: una puntuación bruta sólida en un campo muy competido.
La ventaja de Carbon se concentra en investigación, finanzas y trabajo con agentes legales, además de una programación sólida; no hay un dominio uniforme. Vals indica una ventana de contexto de 1 millón de tokens, pesos privados y precios de 4 $ por millón de tokens de entrada / 20 $ por millón de tokens de salida —tarifas posteriores al periodo introductorio—, en línea con las cifras del nivel estándar de Google que aparecen más abajo. Vals advierte que algunos benchmarks pueden utilizar proveedores o parámetros diferentes, así que conviene revisar la configuración de cada prueba antes de citar una única cifra.
Los rastreadores anteriores al anuncio son anteriores tanto a los precios como a la actualización de Vals; un análisis detallado todavía afirma que no se ha publicado ningún precio.
Cuánto costará cuando se abra la API
Google publicó los precios de Carbon junto con el anuncio, con las mismas tarifas introductorias que Argon. No hay fecha de finalización para el periodo introductorio ni se ha publicado aún una tabla de suscripciones o límites de uso.
| Tipo de token | Precio introductorio | Precio estándar |
|---|---|---|
| Entrada | 2,00 $ / 1M | 4,00 $ / 1M |
| Salida | 10,00 $ / 1M | 20,00 $ / 1M |
| Entrada en caché (95 % de descuento sobre la entrada) | ~0,10 $ / 1M | ~0,20 $ / 1M |
El cálculo de la entrada en caché es derivado, no aparece escrito así: un 95 % de descuento sobre 2 $ deja 0,10 $, y sobre 4 $ deja 0,20 $. Los agentes con contexto largo y código repetido son los que más se benefician del descuento, aunque los tokens de salida siguen dominando la factura al costar 5 veces más que los de entrada.
No hagas el presupuesto fijándote solo en el precio de tarifa. Mide el coste por resultado aceptado: gasto total, incluidos reintentos, salidas descartadas, contexto repetido y llamadas de reparación, dividido entre los resultados aceptados. Una ruta más barata que necesita tres rondas de reparación suele salir peor que otra más cara que acierta a la primera. Google no ha publicado cifras de latencia ni rendimiento de Carbon, así que comparar tokens por segundo sería especular.
Para ampliar información sobre la factura actual: precios y disponibilidad de la API de Gemini 4 Argon y lo que sabemos sobre Gemini 4.
Por qué los primeros probadores están molestos
Los probadores previos al lanzamiento describen el mismo intercambio en el resumen del 23 de octubre de TestingCatalog: una generación 3D visiblemente mejor que la de Argon, pero respuestas mucho más lentas y una salida de frontend e interfaces que sigue siendo floja. Un probador estimó respuestas aproximadamente entre 2 y 4 veces más lentas, según la tarea.
La frustración por el acceso pesa más en las conversaciones de usuarios reales que cualquier benchmark:
De verdad no entiendo la estrategia de Google para lanzar modelos. Gemini 4 Carbon parece impresionante en los benchmarks, pero, una vez más, la gente no puede usarlo. El acceso está limitado al principio y no hay fecha para el lanzamiento general.
El patrón de quejas se repite en distintos hilos: el consumo de cuota parece impredecible en Argon, sesiones de cinco minutos alcanzan los límites horarios y las versiones están fragmentadas entre Gemini App, AI Studio y Antigravity. Otro probador resume así el problema de verificación:
Esta semana solo tienen acceso defensores de la ciberseguridad previamente validados; el lanzamiento más amplio llegará «pronto». Mi conclusión: una prueba de leaderboard dentro del propio arnés del fabricante es solo la mitad del resultado. Hay que esperar a que alguien lo ejecute en uno neutral.
Qué conviene desarrollar esta semana
No detengas el desarrollo a la espera de Carbon. La estrategia práctica es sencilla: lanza ahora con un modelo confirmado y deja el nuevo modelo preparado como candidato intercambiable.
- Desarrolla hoy sobre
gemini-4-argonutilizando su API documentada, y mantén la URL base, la clave de API y el identificador de modelo fuera de la lógica de negocio. - Fija un conjunto de evaluación de entre 30 y 50 tareas extraídas de tu propio repositorio —correcciones de errores, refactorizaciones y revisiones de seguridad— y registra la tasa de éxito, el tiempo de revisión y el coste por resultado aceptado antes de que llegue Carbon.
- Añade desde ahora las barreras que también necesitarán las ejecuciones de varios días: trabajo basado en ramas, límites de gasto, registros de auditoría de llamadas a herramientas, puntos de control y puertas de revisión humana.
- Cuando se documente una ruta de Carbon para tu cuenta, añádela como candidata, repite el mismo conjunto y compara calidad, latencia, coste y compatibilidad de funciones —streaming, imágenes, llamadas a funciones y salida estructurada— antes de cambiar el tráfico. Inicia sesiones nuevas en lugar de cambiar de modelo a mitad de una tarea.
Los equipos con grandes acumulaciones de trabajo en AppSec deberían registrar además cada llamada a herramientas y comprobar si aparecen trampas propias de los benchmarks —salidas codificadas a mano o modificaciones de archivos de prueba— en su propio repositorio. El 0,0 % de Google es un resultado del proveedor en su propio arnés, no una garantía para el tuyo.
| Situación | Qué hacer esta semana |
|---|---|
| Necesitas lanzar un agente o asistente de seguridad | Usa Argon mediante la API y mide coste y latencia |
| Solo te frenan las puntuaciones de ciberseguridad de Carbon | No hay documentada ninguna vía pública de solicitud; sigue el anuncio de Fairwind de Google |
| Estás eligiendo entre Carbon, Opus 5.5 y GPT-6.1 Terra | Espera a que se repitan las pruebas de forma neutral; actualmente Vals coloca a Sonnet 5.5 por delante en conjunto y a Opus 5.5 justo detrás de Carbon |
| Trabajo con contexto largo y presupuesto ajustado | Diseña desde el primer día pensando en la entrada en caché; la longitud de salida es la que decide la factura |
Preguntas frecuentes sobre Gemini 4 Carbon
¿Está disponible Gemini 4 Carbon mediante la API?
No públicamente. El acceso durante la semana del anuncio está limitado a defensores de la ciberseguridad y se ampliará a socios de confianza de Fairwind. No hay fecha para desarrolladores, empresas ni consumidores. Desarrolla sobre Argon y mantén configurable el identificador del modelo.
¿Cuál es el identificador de modelo de Gemini 4 Carbon?
Google todavía no ha publicado ninguno. No des por hecho que gemini-4-carbon funciona. Utiliza únicamente un identificador que tu proveedor documente expresamente junto con el endpoint, los permisos y los precios.
¿Cuánto cuesta Gemini 4 Carbon?
El precio introductorio es de 2 $ por cada millón de tokens de entrada y 10 $ por cada millón de tokens de salida, con un descuento del 95 % para la entrada en caché (~0,10 $). Más adelante, el precio estándar será de 4 $ para la entrada y 20 $ para la salida (~0,20 $ en caché). No se ha indicado cuánto durará el periodo introductorio.
¿Cómo se compara Carbon con Argon?
Google afirma una mejora de más de 2 veces en código seguro, un 26 % menos de extralimitación, un 29 % menos de servicio insuficiente y un 0,0 % frente a un 0,7 % de éxito en ataques de inyección de prompts. Los datos independientes de Vals solo cubren Carbon; considera las diferencias frente a Argon como resultados internos del proveedor hasta que haya nuevas pruebas neutrales.
¿Supera Carbon a Claude Opus 5.5 o GPT-6.1 Terra?
No está demostrado en una comparación directa. Una impresión de un empleado anterior al lanzamiento, recogida por GetAICodingAgent, afirmaba que Carbon se siente como Opus 5.5 al programar. En Vals, Carbon (70,36 %) queda ligeramente por encima de Opus 5.5 (70,18 %) en conjunto, pero por debajo de Sonnet 5.5 (70,85 %). No se ha publicado ningún resultado controlado de Carbon frente a Terra.
¿Cuándo llegará la disponibilidad general?
Google afirma que será lo antes posible después de las fases con defensores y socios, pero no ha dado una fecha. Consulta el blog oficial de DeepMind y el catálogo de modelos de tu proveedor, no los hilos de filtraciones.