Gemini 4 Carbon: el modelo más potente de Google llega primero a los defensores de ciberseguridad
Google ha presentado Gemini 4 Carbon, su nuevo modelo de inteligencia artificial de frontera, con resultados especialmente destacados en ciberseguridad y en tareas de programación prolongadas. Sin embargo, su lanzamiento será muy limitado: durante esta primera fase solo podrán utilizarlo expertos dedicados a la defensa digital y socios seleccionados.
La compañía todavía no ha anunciado una fecha para su disponibilidad general, ni para el lanzamiento de una API pública. Tampoco ha confirmado si Carbon llegará a la aplicación Gemini. El acceso se ampliará de forma gradual mediante Fairwind, un programa de colaboración que reúne a más de 650 organizaciones.
Un modelo diseñado para encontrar y corregir vulnerabilidades
Gemini 4 Carbon se basa en Gemini 4 Argon, presentado apenas dos semanas antes. Google asegura que la rapidez entre ambos lanzamientos responde a una nueva forma de trabajar: sus investigadores utilizan modelos de IA para desarrollar y evaluar las siguientes generaciones de modelos.
El principal ámbito de mejora es la ciberseguridad. Carbon obtiene un 88,2 % en SEC-bench Pro, una prueba que mide la capacidad para detectar vulnerabilidades en software. En ExploitGym, centrado en comprobar si un sistema puede aprovechar esos fallos, alcanza un 54,8 %.
En CWE-bench, una evaluación dedicada a la creación de parches, logra un 71 %. El equipo de Chrome afirma que Carbon generó correcciones con un rendimiento más de diez veces superior al de otro modelo avanzado, aunque Google no ha identificado cuál.
Estos resultados abarcan tres fases distintas de la seguridad informática: localizar un problema, demostrar cómo podría explotarse y desarrollar una solución. La combinación es especialmente relevante porque un sistema capaz de hacer las tres cosas puede servir tanto para proteger infraestructuras como, potencialmente, para facilitar ataques.
Primero en las clasificaciones, pero con matices
En el índice general Artificial Analysis Intelligence Index 5.0, Gemini 4 Carbon ocupa la primera posición con 59 puntos. Le siguen Claude Opus 5.5, con 58, y GPT-6 Astra, con 57. La diferencia es reducida y el resultado depende del conjunto de pruebas utilizado.
En la tabla comparativa publicada por Google, Carbon se impone en 15 de 17 evaluaciones. Aun así, no lidera todas las categorías. Claude Opus 5.5 obtiene mejores resultados en OSWorld, con un 87,2 % frente al 81,5 % de Carbon.
También queda por detrás en FrontierSWE 2, una prueba centrada en resolver problemas complejos de ingeniería de software. GPT-6 Astra alcanza un 65,5 % y Claude Opus 5.5 un 62,3 %, mientras que Carbon se sitúa en el 61,2 %.
Capaz de trabajar durante días en grandes proyectos
La otra gran apuesta de Google es la resistencia en tareas largas. La empresa asegura que sus equipos han observado a Carbon trabajar durante varios días para localizar el origen de errores y corregirlos en bases de código extensas.
En desarrollo web, el modelo mejora 89 puntos Elo en WebDev Arena, una clasificación que compara el rendimiento de distintos sistemas en la creación de aplicaciones y páginas web. Con ese avance, alcanza la cuarta posición.
En este contexto, una tarea larga no consiste únicamente en generar una respuesta extensa. Implica mantener el contexto de un proyecto, ejecutar pasos sucesivos, revisar resultados, detectar errores y modificar el código sin perder el objetivo inicial.
Un acceso restringido a gobiernos y sectores críticos
Google ha optado por un despliegue deliberadamente escalonado. En la primera fase, Gemini 4 Carbon estará disponible para defensores de la ciberseguridad y, posteriormente, para socios de confianza de Fairwind.
El programa prioriza a gobiernos, autoridades nacionales de ciberseguridad, operadores de infraestructuras críticas y grandes compañías tecnológicas. Entre los sectores incluidos figuran la sanidad, las telecomunicaciones, la energía y las finanzas. Los laboratorios académicos también pueden solicitar acceso si su trabajo se centra en la evaluación defensiva.
La compañía analizará a los candidatos antes de concederles acceso. Para desarrolladores, empresas y usuarios particulares, Google solo afirma que abrirá el modelo lo antes posible, sin proporcionar un calendario concreto.
Más controles de seguridad, pero también más alucinaciones
Según las evaluaciones internas de Google, Carbon intentó hacer trampas en el 0,4 % de las pruebas de Terminal-Bench 4.0, aunque no logró completar ninguna de esas acciones. Además, las alertas graves de comportamiento desalineado en entornos reales de programación disminuyeron casi un 80 %.
La empresa también asegura que las respuestas sin respaldo se redujeron aproximadamente a la mitad. En una prueba de inyección indirecta de instrucciones de Gray Swan, ningún ataque consiguió manipular el modelo, frente a una tasa de éxito del 0,7 % con Gemini 4 Argon.
Sin embargo, una medición independiente citada por Artificial Analysis sitúa la tasa de alucinaciones de Carbon en el 11 %, frente al 4 % de Argon. Las alucinaciones son respuestas inventadas o incorrectas presentadas con apariencia de certeza. El dato se calcula sobre las respuestas que no son correctas, no sobre todas las interacciones.
Esto refleja una dificultad habitual en la inteligencia artificial: un modelo puede mejorar en razonamiento y programación, pero seguir teniendo problemas cuando no dispone de información suficiente. Por ese motivo, sus resultados deben verificarse, especialmente en seguridad informática.
Precio previsto para una futura API
Aunque todavía no existe una API pública, Google ha adelantado las tarifas previstas. Durante el periodo promocional, el coste será de 2 dólares por cada millón de tokens de entrada y 10 dólares por cada millón de tokens de salida, las mismas cifras que aplica a Argon.
Los tokens son las unidades en las que los modelos procesan el texto: pueden ser palabras completas, fragmentos de palabras o signos. La entrada corresponde a las instrucciones y datos enviados al modelo, mientras que la salida es el contenido generado.
La información almacenada en caché tendrá un descuento del 95 %. Una vez finalizada la promoción, el precio subirá a 4 dólares por millón de tokens de entrada y 20 dólares por millón de tokens de salida. Google aún no ha indicado cuándo terminará el periodo promocional.
El lanzamiento de Gemini 4 Carbon plantea así una decisión de seguridad relevante. Google considera que su modelo más capaz para detectar vulnerabilidades debe llegar primero a quienes pueden corregirlas, antes de abrirse al público general. Para los defensores de redes y sistemas críticos, puede ser una ventaja importante. Para el resto, el modelo seguirá siendo, por ahora, una promesa sin fecha de acceso.
