Gemini 4 Carbon: el nuevo modelo de Google llega 15 días después de Argon

Google anunció Gemini 4 Carbon el 28 de octubre, quince días después de presentar Argon. La compañía lo describe como su modelo más potente para ciberseguridad y tareas de larga duración. El anuncio es oficial; el acceso, por ahora, empieza con un grupo limitado de defensores cibernéticos.

Si acababas de elegir Argon, la novedad llega rápido: Google lo presentó el 13 de octubre, y ahora anuncia otro modelo. Sundar Pichai lo presentó en X; el blog oficial está firmado por Koray Kavukcuoglu.

Qué muestran los benchmarks

Google informa que Carbon obtuvo 59 puntos en Artificial Analysis Intelligence Index v5.0, el valor más alto de la tabla comparativa que publicó la compañía: Argon obtuvo 50, GPT-6 Astra 57, Claude Opus 5.5 58 y Claude Fable 5.1 49. Su metodología identifica la versión del índice con herramientas y explica la procedencia de cada resultado. No es una medición propia de HeyMark.

Tampoco hay un ganador universal en la tabla. En FrontierSWE 2, GPT-6 Astra logra 65,5%, por encima de Opus 5.5 (62,3%) y Carbon (61,2%). En OSWorld-2.1, subconjunto offline, Opus 5.5 encabeza con 87,2%; Carbon alcanza 81,5%. Son resultados publicados por Google en pruebas distintas, con métricas y condiciones que no conviene mezclar en una sola clasificación.

En evaluaciones de ciberseguridad, Google reporta 88,2% en SEC-bench Pro para encontrar vulnerabilidades, 54,8% en ExploitGym para explotación y 71,0% en CWE-bench para corrección de fallos. La empresa dice que estas evaluaciones externas se realizaron sin guardrails. Los gráficos identifican algunas condiciones —por ejemplo, límites de tiempo por tarea en ExploitGym y herramientas/agentes en CWE-bench—, y la metodología amplía esas condiciones. Carbon y Argon usan el razonamiento más alto salvo las excepciones descritas; para los competidores, Google recoge el máximo disponible o el mejor resultado publicado. La metodología de evaluaciones de Gemini 4 Carbon aparece acreditada en la tabla de Google.

En ExploitGym, el 54,8% de Carbon usa un tope de diez horas por tarea; con seis horas, Google publica 53,5%. Opus figura con seis horas y Astra sin tope. Son presupuestos distintos, no una comparación con idéntico tiempo de ejecución.

Google también cita evaluaciones internas de seguridad y programación. Son resultados declarados por la compañía, no auditorías independientes. Un 0,0% de éxito de ataque en el gráfico de Gray Swan corresponde a los ataques evaluados y al nivel k=15 mostrado; no significa inmunidad frente a ataques. La publicación afirma además que el porcentaje de intentos de hacer trampa en Terminal-Bench 4.0 fue 0,4%, mientras que los casos exitosos fueron 0,0%.

Dónde gana Carbon y dónde cede

Tabla publicada por Google · 28 oct 2026

AA Index v5.0 · índice · mayor es mejor

050100

Gemini 4 Carbon5959

Claude Opus 5.55858

GPT-6 Astra5757

Gemini 4 Argon5050

Claude Fable 5.14949

Índice compuesto de Artificial Analysis, según la tabla de Google. No es un promedio calculado por HeyMark.

Google · 17 pruebas y cinco modelos. — significa dato no publicado.

Benchmark	Gemini 4 Carbon	Gemini 4 Argon	GPT-6 Astra	Claude Opus 5.5	Claude Fable 5.1
AA Index v5.0	59	50	57	58	49
Vals Index v2.2	70,4%	69,2%	65%	70,2%	—
SWE-sweep	9,6%	4,3%	9,5%	3,6%	2,9%
FrontierSWE 2	61,2%	55%	65,5%	62,3%	56,3%
Terminal-Bench 4.0 (AA)	65,2%	57,1%	59,1%	59,6%	52%
Agents’ Last Exam v1.1 — Score	77,4%	69%	73,1%	71,6%	—
OSWorld-2.1 — Offline subset	81,5%	74,7%	80,9%	87,2%	76,8%
AutomationBench — Zapier	53,9%	51,3%	41,4%	42,5%	31,4%
Vending-Bench 2 — Bank balance (USD)	US$ 16.484	US$ 13.718	US$ 15.515	US$ 9.235	US$ 5.422
Chartography	72,5%	71,6%	71%	66,3%	46,2%
Blueprint-Bench 2 — Similarity score	58,6%	54,4%	49,7%	51,2%	41,9%
GraphWalks — 256k to 1M, BFS (F1)	96,2%	84,2%	71,8%	66,8%	65%
RiemannBench	80%	76%	72%	69,6%	65,6%
Terminal-Bench-Science 0.1 (AA)	64,8%	52,9%	63,3%	59%	43,3%
CWE-bench — Pass@1 / Pass@4 tie-break	71%	68%	68%	67%	58%
ExploitGym — Causal pass rate	54,8%	42%	42,4%	34,5%	—
SEC-bench Pro — Pass@1	88,2%	83,4%	85,4%	—	—

Qué significa para las tareas largas

Google cuenta que sus equipos internos han utilizado Carbon durante días para investigar fallos y completar trabajos de ingeniería de varios pasos. Es una observación interna de la empresa, no una prueba de HeyMark ni una garantía de duración para cualquier tarea. Para quien trabaja con agentes, la pregunta útil es si termina el encargo manteniendo las restricciones; el número de horas, por sí solo, no lo demuestra. Anuncio y ejemplos de Google.

Precio y acceso

Durante el periodo introductorio, Google anuncia un precio de US$2 por millón de tokens de entrada y US$10 por millón de salida. Los tokens de entrada en caché tienen un descuento del 95% sobre el precio de entrada. Tras el periodo introductorio, se aplicarán US$4 y US$20 por millón, respectivamente; Google no ha indicado cuándo termina la tarifa inicial.

La disponibilidad empieza esta semana con un grupo limitado de defensores cibernéticos. Google prevé ampliar el acceso gradualmente a socios de confianza mediante el programa Fairwind. El acceso para desarrolladores, empresas y consumidores llegará más adelante, sin fecha pública concreta.

USD por millón de tokens · precio anunciado por Google

Tarifa	Entrada	Salida
Introductoria	$2	$10
Después del período introductorio	$4	$20

Ponle números a tu volumen de tokens

Compara las dos tarifas para la misma cantidad de entrada y salida. Este cálculo usa entrada sin caché.

Introductoria

USD 4.50US$ 4,50

Después del período introductorio

USD 9.00US$ 9,00

Ejemplo calculado con tarifas anunciadas; no es una factura medida. No incluye caché, herramientas, impuestos u otros servicios. Las cantidades pueden representar varias solicitudes y no indican el tamaño de la ventana de contexto.

El precio no confirma acceso público. Google no da fecha de fin del período introductorio. El 95% de descuento anunciado se refiere a entrada en caché, no a salida. Fuente ↗

Qué se sabe y qué falta

Carbon llega dos semanas después de Argon, según Google. La secuencia muestra un ritmo de anuncios, pero no implica que Carbon sustituya a Argon ni que lidere todas las tareas. La tabla de Google deja ver fortalezas distintas: Astra lidera la cifra citada de FrontierSWE 2 y Opus 5.5 la de OSWorld-2.1 offline.

Por ahora, los datos disponibles describen resultados comunicados por Google, el precio anunciado y un despliegue gradual. La compañía todavía no da una fecha general de acceso. Sí publica metodología: por ejemplo, OSWorld usa 82 tareas sin internet y, para Gemini, la mejor puntuación de tres ejecuciones, con un intento por ejecución; Agents’ Last Exam usa 122 tareas, una ventana de cinco horas y la versión de tareas del 17 de octubre, sin la actualización del 26. Estas condiciones ayudan a leer las cifras más allá del titular.

El anuncio original de Sundar Pichai

Sundar Pichai presenta Gemini 4 Carbon · 28 de octubre de 2026. El anuncio confirma el despliegue inicial para defensores cibernéticos y la ampliación posterior a socios de Fairwind.