Gemini 4 Carbon de Google lidera tres pruebas de agentes a mitad de coste

El modelo de IA más potente de Google pasó sus dos primeras semanas en manos de un pequeño grupo de defensores de ciberseguridad. El martes salió a la venta para todos los demás. Gemini 4 Carbon ya está disponible para todos los desarrolladores y empresas de pago a través de la API de Gemini, y llega a los suscriptores de Google AI Ultra en la app de Gemini y en el Modo IA del buscador, al mismo precio de lanzamiento que Gemini 4 Argon: 2 dólares por millón de tokens de entrada y 10 dólares por millón de tokens de salida. Google asegura que ocupa el primer puesto en tres pruebas independientes de agentes con menos de la mitad de coste por tarea que el siguiente mejor modelo externo.

Diseñado para pensar más que Argon

Carbon se sitúa por encima de Gemini 4 Argon, que Google lanzó hace poco y que sigue recomendando para la mayoría del trabajo de programación y de oficina. Carbon es el modelo para los trabajos más difíciles: programación y depuración en varios pasos, investigación científica abierta y largas cadenas de trabajo de agentes. Gasta a propósito más tokens que Argon para explorar, razonar y comprobar sus propios resultados en largos ciclos de verificación.

“Carbon está diseñado para tareas que ponen a prueba los límites de la inteligencia de un modelo.”— Koray Kavukcuoglu, Google

Google anunció el modelo el 28 de octubre y se lo dio primero a defensores seleccionados a través de su Programa Fairwind. Dos semanas después llegó a la API de Gemini en Google AI Studio, a Gemini para empresas y a Android Studio. Los suscriptores de Google AI Ultra también lo tienen en Google Antigravity, el entorno de programación con agentes de la compañía.

La sorpresa es el precio. Carbon salió a la tarifa de lanzamiento de Argon, 2 dólares por millón de tokens de entrada y 10 dólares por millón de tokens de salida, con la entrada en caché a 0,10 dólares por millón. El periodo de lanzamiento termina el 30 de noviembre y, desde el 1 de diciembre, las tarifas se duplican a 4 y 20 dólares. Entonces, ¿cómo sale más barato un modelo que piensa más?

Menos de la mitad de coste por tarea

El precio por token y el precio por tarea son cifras distintas. Un modelo que escribe más pero llega a una respuesta que funciona en menos intentos puede costar menos por el trabajo completo. Google asegura que Carbon ocupa el primer puesto en CursorBench 4.0, WANDR de Perplexity y AutomationBench de Zapier con más de 2 veces menos coste por tarea que el siguiente mejor modelo externo.

Google no publicó las puntuaciones de fondo. VentureBeat informó de las de Zapier: Carbon completó el 53,88% de las tareas de AutomationBench con un coste medio de 2,12 dólares cada una, mientras que Claude Fable 5.2 de Anthropic, con el esfuerzo al máximo, completó el 51,45% a 4,64 dólares. En una nueva prueba para agentes que leen archivos densos llenos de gráficos y planos, creada con Artificial Analysis, Carbon queda segundo con un coste medio más de seis veces menor que el del primero.

La versión para ciberseguridad, todavía reservada a defensores seleccionados, muestra lo que compra el razonamiento extra. Al analizar dos grandes proveedores de software como servicio para el programa Scan for Good de Wiz, encontró vulnerabilidades desconocidas en menos de dos horas, comprimiendo semanas de investigación en una tarde, y Wiz trabajó con ambas empresas para corregirlas. El propio sistema de seguridad de Google, Project Fortify, alcanzó un 100% de exhaustividad en el escaneo y un 95% de precisión en la clasificación en pruebas internas.

El modelo público lleva salvaguardas más estrictas. En pruebas de ataques simulados, sus protecciones bloquearon el 99% de las vías de ataque que probó un agente de ataque adaptativo y mantuvieron la tasa de brecha por intento en el 0,8%, frente al 3,1% de Argon. Algunos de los resultados más llamativos, sin embargo, salieron de los propios laboratorios de Google.

Un enjambre de agentes y 40 veces más pistas

Google también estrena en versión preliminar /swarm en Antigravity, que convierte una sola instrucción en un equipo coordinado de agentes que el desarrollador puede seguir en tiempo real. Carbon asume los papeles que necesitan el razonamiento más profundo, como la arquitectura, la coordinación y la auditoría, mientras modelos más rápidos trabajan en paralelo y verificadores adversarios ponen a prueba cada cambio. En una demostración, un equipo de Carbon tomó siete PDF públicos de planificación de un ayuntamiento y construyó un modelo 3D interactivo de 906.000 triángulos de una oficina de Google en 10 ciclos nocturnos.

En ciencia, investigadores de Google usaron Carbon para buscar los parientes evolutivos de proteínas que se les resisten a predictores de estructura como AlphaFold 3, porque las bases de datos tienen pocas coincidencias cercanas. Al buscar en archivos de secuencias a escala de petabases en siete familias de proteínas difíciles de la prueba ciega CASP17, encontró muchísimos más.

Más parientes significan más pruebas para predecir cómo se pliega una proteína, sin volver a entrenar el modelo de predicción. Axiom Bio, una empresa que investiga la toxicidad de los fármacos, dice que Carbon es ahora su modelo líder en ciencia traslacional, y Google añade Carbon a su programa gratuito para científicos, que ofrece a 10.000 investigadores seis meses en el nivel de uso más alto de Antigravity.

Hace dos semanas Carbon era una herramienta para un puñado de equipos de seguridad. Ahora cualquiera con una clave de pago puede darle su problema más difícil.