Google DeepMind ha lanzado Gemini 4 Carbon, su modelo de IA de vanguardia más nuevo, solo dos semanas después del envío de Gemini 4 Argon. El nuevo modelo debuta en la cima del Índice de Inteligencia de Análisis Artificial v5 con 59 puntos (un salto de nueve puntos sobre los 50 de Argon) y está diseñado para trabajos de ingeniería autónomos y de larga duración. Sin embargo, la mayoría de los usuarios tendrán que esperar: debido a sus capacidades avanzadas de ciberseguridad, Carbon está pasando por el proceso de prueba previa voluntaria del gobierno de EE. UU. e inicialmente está disponible solo para expertos en seguridad seleccionados. Para una cobertura continua de los últimos desarrollos de IA, siga a AI Buzz Wire a medida que se expande el lanzamiento.
Una implementación que prioriza la seguridad
La inusual ruta de lanzamiento de Carbon refleja cuán capaz es el modelo en el trabajo cibernético tanto ofensivo como defensivo. Google dice que sus capacidades abarcan todo el ciclo de vida de la ciberdefensa, desde detectar y validar vulnerabilidades hasta parchearlas. Reuters informó que el modelo tiene un claro enfoque en ciberseguridad, y Ars Technica lo expresó sin rodeos en su titular: este es un modelo de frontera "que no se puede usar", al menos no todavía, mientras se encuentra en el proceso de prueba previa del gobierno para sistemas avanzados de IA.
Google no ha anunciado una fecha de disponibilidad general. Sin embargo, el precio ya es público: el carbono cuesta lo mismo que el argón, lo que mantiene sin cambios las tasas de los tokens de frontera de Google durante dos generaciones sucesivas de modelos.
Creado para trabajo autónomo de varios días
La compañía dice que diseñó Carbon para "problemas de ingeniería mucho más difíciles y de largo plazo" que exigen flujos de trabajo persistentes y agentes. Según Google, los equipos internos ejecutaron el modelo durante varios días seguidos, durante los cuales trabajó en callejones sin salida por sí solo y manejó tareas complejas de varios pasos, como análisis de causa raíz y correcciones sutiles de errores en grandes bases de código y software de bajo nivel.
Google también informa mejoras en el razonamiento científico, la comprensión multimodal y el desarrollo web completo basándose en los primeros comentarios de los usuarios.
Fuerte en general, todavía persiguiendo a Claude en codificación
El panorama de referencia es sólido, pero no claro. En el Índice de Inteligencia de Análisis Artificial v5, Carbon en su nivel de razonamiento más alto lidera el campo principalmente a través de puntuaciones altas en razonamiento complejo, recuperación de conocimientos y tareas científicas, ocupando el primer lugar en cuatro de las nueve evaluaciones individuales del índice.
En codificación agente, Carbon todavía está detrás de Claude Opus 5.5 de Anthropic por tres puntos (59 versus 62) incluso después de un gran salto desde los 53 de Argon. En la clasificación de WebDev Arena, Carbon ganó 89 puntos Elo para llegar a 1,769, lo que lo coloca en cuarto lugar.
Las evaluaciones independientes cuentan una historia similar. La plataforma de evaluación Vals AI clasifica a Carbon en segundo lugar con un 70,36 por ciento de precisión, detrás de Claude Sonnet 5.5 con un 70,85 por ciento, pero por delante de Claude Opus 5.5 con un 70,18 por ciento, y Argon en cuarto lugar con un 69,24 por ciento.
En el punto de referencia AA-Briefcase de Artificial Analysis para el trabajo de conocimiento agente, Carbon alcanzó 1.609 Elo, una ganancia de 126 puntos sobre los 1.483 de Argon. Todavía se encuentra detrás de Kimi K3.1 Pro con 1.678, Muse Wonder con 1.659 y Grok 4.7 en su configuración xhigh con 1.638.
Aumento de precisión, aumento de alucinaciones también
La precisión de las respuestas en las evaluaciones de Artificial Analysis aumentó del 48 por ciento con Argón al 58 por ciento con Carbono. La tasa de alucinaciones aumentó del 4 al 11 por ciento: más alta, pero sigue siendo la segunda más baja en el ranking. A modo de comparación, Claude Opus 5.5 y GPT-6 Astra en su configuración máxima de razonamiento se ubican cada uno al 50 por ciento en la misma medida, según datos de Análisis Artificial informados por The Decoder.
Puntos de referencia de seguridad: una puntuación de inyección rápida casi perfecta
La seguridad es donde Google obtiene sus mayores beneficios. En la selección de pruebas de la propia empresa, Carbon ocupa el primer lugar en 15 de 16 pruebas, destacándose especialmente en tareas de larga duración y de seguridad.
En el punto de referencia de inyección inmediata indirecta de Gray Swan, Google dice que Carbon redujo la tasa de éxito del ataque del 0,7 por ciento con Argon al 0,0 por ciento, bloqueando cada intento de manipulación en el conjunto de prueba. El Decoder advierte que esto no significa que la inyección rápida esté resuelta (la prueba parece saturada), pero el resultado ayuda a explicar por qué los funcionarios estadounidenses quieren una mirada previa al despliegue del modelo antes de que llegue al público.
Dos modelos de frontera en dos semanas
El ritmo es el mensaje. Dos lanzamientos de vanguardia en quince días (Argon a mediados de octubre, Carbon ahora) marcan una cadencia agresiva de Google DeepMind mientras compite con Anthropic y OpenAI por la cima de las tablas de clasificación independientes y por contratos empresariales.
Por ahora, el marcador dice así: Carbon lidera el índice general, Claude Opus 5.5 mantiene la corona de codificación agente y el modelo con capacidad cibernética más potente del mercado está detrás de una puerta de revisión gubernamental. Cuando Carbon se abra más ampliamente, los precios sin cambios significarán que la competencia real se decidirá por la capacidad por token en lugar de por descuentos, y Google acaba de elevar el listón en esa métrica.
---
Manténgase a la vanguardia de la IAObtenga las últimas noticias, análisis y avances en IA, todo en un solo lugar.
Leer más noticias sobre IA →
