Hecho: Google anunció el 28 de octubre Gemini 4 Carbon, que describe como su modelo frontera más fuerte hasta ahora, con capacidades de ciberseguridad y de tareas de largo aliento (long horizon) al estado del arte. El modelo se presenta dos semanas después de Gemini 4 Argon y llega con un despliegue deliberadamente acotado: esta semana quedará disponible para un subconjunto de cyberdefensores y el acceso se irá ampliando a socios de confianza a través del programa Fairwind, antes de llegar a desarrolladores, empresas y consumidores.
En el anuncio del blog de Google, la empresa dice que Carbon ocupa el primer lugar en la versión 5.0 del Artificial Analysis Intelligence Index, con un puntaje de 59. El índice es de Artificial Analysis, un evaluador independiente; el puntaje lo reporta Google y la posición fue confirmada por Research Driven World, que detalla que Carbon logra el 59 con su configuración de razonamiento más alta. El detalle de posiciones —Claude Opus 5.5 con 58, GPT-6 Astra con 57 y Argon con 50— lo publicó RedHotCyber.
Ciberseguridad: el terreno elegido
Números del fabricante: Google reporta que Carbon alcanza 88,2% en SEC-bench Pro (encontrar vulnerabilidades en software real), 54,8% en ExploitGym (validar si una vulnerabilidad es explotable) y 71,0% en CWE-bench, el benchmark de Collinear AI para parchar, convirtiendo hallazgos validados en correcciones funcionales. Las tres evaluaciones se corrieron, según Google, sin guardrails. En tareas de desarrollo web, Carbon sube 89 puntos de elo y queda cuarto (1769) en WebDev Arena.
Google también cita resultados internos: más del doble de tasa de éxito que Argon en generación de código seguro, y un reporte del equipo de Chrome de que Carbon rindió más de 10 veces mejor que el modelo frontera de otro laboratorio al generar parches de calidad. Wiz observa a Carbon liderando en benchmarks de penetration testing web. Todos estos números son del fabricante y no tienen verificación independiente publicada.
Un despliegue gradual, con el gobierno de EE. UU. en el medio
Hecho: Google dice que está "activamente involucrada" en el proceso voluntario del gobierno de EE. UU. de pruebas de modelos antes de su lanzamiento, y que por eso el rollo empieza con cyberdefensores seleccionados. 9to5Google confirma que no hay fecha de disponibilidad pública y que, si se abre la API, el precio introductorio será de US$2 por millón de tokens de entrada y US$10 por millón de salida, igual que Argon, con tokens de entrada en caché a 95% de descuento; después pasaría a US$4 y US$20.
Seguridad y alineación: menos atajos, menos fabricación
Números del fabricante: Google afirma que Carbon redujo los intentos de hacer trampa en Terminal-Bench 4.0 a 0,0% de éxito (con intentos cayendo a 0,4%), que las alertas de desalineación de severidad alta cayeron casi 80% en entornos de código con sus equipos internos, que las afirmaciones sin soporte se redujeron aproximadamente a la mitad frente a Argon, y que el sobrealcance bajó 26% mientras el souservicio bajó 29%. En el benchmark de prompt injection indirecta de Gray Swan, Carbon reporta 0,0% de ataques exitosos contra el 0,7% de Argon.
En síntesis: Carbon es el intento de Google de liderar un nicho concreto —defensa de ciberseguridad y código de largo plazo— con un modelo que todavía no puede usar cualquiera. La pregunta de los próximos días es cuándo el Fairwind Program lo abre más allá del círculo inicial de cyberdefensores, y qué dicen esos primeros usuarios cuando el modelo enfrente a ataques reales y no a benchmarks.




