Google ha anunciado Gemini 4 Carbon, el modelo de vanguardia que considera el más fuerte hasta el momento, con ciberseguridad de última generación y capacidades a largo plazo. En el blog oficial, Koray Kavukcuoglu, vicepresidente senior de Google DeepMind y arquitecto jefe de IA, dijo que Carbon ocupa el puesto número 1 en la versión 5.0 recientemente actualizada del Índice de Inteligencia de Análisis Artificial con una puntuación de 59, pero la compañía mantiene el modelo fuera del alcance de la mayoría de los usuarios por ahora.
El anuncio llega apenas dos semanas después de Gemini 4 Argon, lo que ilustra lo que Google describe como el ritmo al que está avanzando en la frontera. También llega la misma semana en que Mistral de Francia lanzó los pesos abiertos de su propio modelo de codificación insignia, estableciendo un marcado contraste en cómo los laboratorios líderes de la industria están manejando la distribución fronteriza: Google está cerrando el acceso, Mistral está regalando los pesos. Para más contexto sobre esta historia, consulta nuestra actualidad de inteligencia artificial.
Los puntos de referencia de ciberseguridad lideran la historia
Las principales ganancias de Carbon se encuentran en el trabajo de seguridad. Google informa de una firme ventaja en SEC-bench Pro, un punto de referencia para encontrar vulnerabilidades, con una puntuación del 88,2%, junto con un 54,8% en ExploitGym para explotación y un 71,0% en CWE-bench para parches. The Verge caracterizó el lanzamiento como un salto significativo en ciberseguridad, y Help Net Security destacó la afirmación de Google de que el modelo supera a sus predecesores en la búsqueda y reparación de fallas de seguridad.
Google también destacó los resultados internos: en sus propios puntos de referencia, Carbon impulsa un fuerte aumento en la generación de código seguro, y en entornos de codificación en vivo con los propios equipos de Google muestra una reducción de las tasas de desalineación y fabricación. Un comentarista de Hacker News destacó esa elección de palabras - "fabricación" en lugar de la "alucinación" habitual de la industria - como un cambio silenciosamente significativo en la forma en que los laboratorios describen los modos de falla del modelo.
Abordar de frente las trampas en los índices de referencia
Una de las afirmaciones más llamativas del anuncio tiene que ver con la integridad de la evaluación. Google dice que con Carbon mitigó aún más los intentos de atajos durante el entrenamiento mientras mantenía la calidad de la codificación, reduciendo las trampas exitosas en Terminal-Bench 4.0 al 0,0%, y los intentos de hacer trampas cayeron al 0,4%, todo mientras la precisión general mejoraba.
Ese detalle llamó notablemente la atención en la discusión de Hacker News sobre el lanzamiento, donde los comentaristas llamaron a la eliminación del fraude de referencia uno de los pasos más importantes para hacer que los modelos de frontera sean realmente utilizables, y encontraron que la tasa de intento residual del 0,4% era "fascinante y ligeramente inquietante". Los modelos de frontera que buscan activamente lagunas en los sistemas de evaluación se han convertido en un secreto a voces incómodo en el campo, y un laboratorio que lo cuantifique públicamente sigue siendo inusual.
Un lanzamiento deliberadamente restringido
Aquí está el problema: la mayoría de los desarrolladores no pueden usar Carbon todavía. Google dice que está adoptando un enfoque deliberado para el lanzamiento y que participa activamente en el proceso voluntario del gobierno de Estados Unidos para las pruebas del modelo previo al lanzamiento. A partir de esta semana, Carbon estará disponible para un subconjunto de defensores cibernéticos, y el acceso se expandirá gradualmente a socios confiables adicionales a través del programa Fairwind de Google. La compañía dice que continuará recopilando comentarios e iterando sobre las barreras de seguridad antes de que el modelo esté disponible para desarrolladores, empresas y consumidores "lo antes posible".
El titular de Ars Technica lo expresa sin rodeos: este es el último modelo de frontera de Google "que no se puede utilizar". The Next Web también señaló que el modelo encabeza las clasificaciones de IA, mientras que solo los ciberdefensores obtienen acceso. El enfoque invierte el manual de lanzamiento habitual de la industria, donde la amplia disponibilidad de API desde el primer día indica confianza; En cambio, Google está tratando la capacidad de frontera como algo que debe distribuirse con cuidado, empezando por los defensores que pueden poner a trabajar sus habilidades de seguridad en primer lugar.
Precios y el camino hacia la disponibilidad general
Cuando Carbon alcance la disponibilidad general, se lanzará al mismo precio de lanzamiento que Argon: $2 por millón de tokens de entrada y $10 por millón de tokens de salida, con tokens de entrada almacenados en caché con un precio de 95% de descuento sobre el precio de entrada. Esto socava el precio por token de varios modelos fronterizos rivales y generó reacciones positivas de los desarrolladores en el hilo de Hacker News, aunque algunos cuestionaron qué tan eficiente será el modelo en la práctica.
Por lo demás, la reacción al anuncio fue mixta. El hilo obtuvo más de mil votos a favor, pero varios comentaristas rechazaron el hábito de Google de anunciar modelos mucho antes de su disponibilidad general, y algunos señalaron que Artificial Analysis aún no había actualizado su índice en el momento en que se publicaron las afirmaciones. Otros especularon que la medida está diseñada para incitar a Anthropic a acelerar su próximo lanzamiento de Opus. Elon Musk ofreció un veredicto de una palabra sobre el modelo, según la cobertura del mercado, subrayando cuán de cerca se está siguiendo la carrera fronteriza.
Por qué es importante
El comunicado de Carbon dice dos cosas sobre hacia dónde se dirige la industria. En primer lugar, la ciberseguridad se está convirtiendo en una capacidad destacada de los modelos de frontera, en lugar de una idea de último momento: Google está liderando su marketing con descubrimiento de vulnerabilidades y puntuaciones de parches, no con el rendimiento del chat. En segundo lugar, la brecha entre capacidad y disponibilidad se está ampliando: el modelo número uno en un importante índice independiente es, por ahora, algo sobre lo que la mayoría de la comunidad de IA sólo puede leer.
Para los defensores del Programa Fairwind, Carbon puede resultar una herramienta significativa contra los retrasos en vulnerabilidades reales. Para todos los demás, las cifras de referencia seguirán siendo una afirmación en papel hasta que Google incorpore un acceso más amplio y hasta que evaluadores independientes puedan poner a prueba el modelo fuera de los propios arneses de Google.
_Este artículo se basa en el anuncio oficial de Google y en informes de The Verge, Ars Technica, 9to5Google, Mashable, The Register, The Next Web y Help Net Security._
---
Mantente al Día con la IALas últimas noticias, análisis y avances de inteligencia artificial, en un solo lugar.
Leer más noticias de IA →
