Google presentó el 28 de octubre Gemini 4 Carbon, que describe como el modelo Gemini más potente hasta ahora, orientado a la ciberseguridad y a tareas de agentes de largo plazo. Por el momento, el modelo solo está abierto a un pequeño grupo de defensores de redes; después se ampliará poco a poco a otros socios de confianza mediante un programa llamado Fairwind. No se ha anunciado cuándo llegará a desarrolladores, empresas y usuarios corrientes; la compañía solo dice que será “lo antes posible”.
“Gemini 4 Carbon is our strongest model with state-of-the-art cybersecurity and long horizon capabilities.”
(Gemini 4 Carbon es nuestro modelo más potente, con capacidades punteras en ciberseguridad y en tareas de largo horizonte.)
El boletín de notas se concentra en la seguridad
La mayoría de las puntuaciones que ha publicado Google están en pruebas de seguridad. En la búsqueda de vulnerabilidades, SEC-bench Pro, el modelo obtiene un 88,2 %; en ExploitGym, que comprueba si una vulnerabilidad se puede explotar, un 54,8 %. Google califica ambos resultados como los más altos. En CWE-bench, de corrección de vulnerabilidades, la nota es del 71,0 %.
En las clasificaciones generales, Carbon logra 59 puntos en el Artificial Analysis Intelligence Index v5.0 y queda primero. En WebDev Arena, la clasificación de duelos de desarrollo web, tiene 1768 de Elo, cuarto puesto y unos 89 puntos más que la generación anterior.
Hay además varias cifras internas de Google que por ahora ningún tercero ha reproducido: la tasa de éxito al generar código seguro es más del doble que la de Argon; y el equipo de Chrome de Google, tras probarlo, afirma que genera parches de alta calidad más de 10 veces mejor que “el gran modelo de frontera de otro laboratorio”, sin precisar cuál.
Contra la inyección de prompts y las trampas
El blog dedica bastante espacio a la seguridad del propio modelo. En la prueba de inyección indirecta de prompts de Gray Swan, la tasa de éxito de los ataques contra Carbon fue del 0,0 %, frente al 0,7 % de Argon. En Terminal-Bench 4.0, el modelo intentó hacer trampa en el 0,4 % de los casos y la tasa de trampas exitosas bajó a cero. Google añade que las afirmaciones sin fundamento se redujeron aproximadamente a la mitad, la ejecución excesiva de tareas bajó un 26 % y los casos de omitir lo que debía hacerse descendieron un 29 %.
En cuanto a las medidas de seguridad, Carbon mantiene las protecciones por capas de Argon: alineamiento durante el entrenamiento, bloqueo de abusos en tiempo real, protección contra la inyección de prompts y supervisión de la cadena de razonamiento. Google dice que participó en las pruebas voluntarias de modelos previas al lanzamiento del gobierno de Estados Unidos.
“We’re taking a deliberate approach to rollout.”
(Estamos siguiendo un enfoque deliberado, y más lento, para el despliegue.)
Dos modelos en dos semanas, el precio primero
Si se juntan las fechas, el ritmo de Google este mes es muy denso. Hace dos semanas salió Gemini 4 Argon, centrado en el razonamiento físico y las tareas encarnadas, abierto primero a equipos de seguridad y luego a todo el mundo. Esta semana llegó el modelo de mundo Genie 4; Carbon, por su parte, está construido directamente sobre Argon.
En precios, Carbon y Argon comparten la misma tarifa promocional: 2 dólares por millón de tokens de entrada y 10 dólares de salida, con la entrada en caché al 5 % del precio de entrada. Al terminar la promoción, sube a 4 dólares la entrada y 20 dólares la salida. El blog no aclara cuánto dura el periodo promocional.
Este arreglo de precios resulta algo inusual. Lo normal es abrir primero el modelo y hablar de precios después; con Carbon se publicó antes el precio y la fecha de apertura sigue pendiente. Por el camino de Argon, que también fue primero a equipos de seguridad y luego a todos, con un intervalo no muy largo, no se puede saber si Carbon seguirá el mismo ritmo.
El texto principal del blog no indica cuándo llegará a la API, a la aplicación Gemini ni a Vertex AI, ni da la longitud de contexto. Para los desarrolladores de China, las restricciones regionales de la propia API de Gemini no cambian: aunque Carbon pase a la fase pública, que se pueda llamar directamente seguirá dependiendo de la lista de regiones atendidas por Google.
Modelos de seguridad en racimo
En el mismo periodo, las compañías están convirtiendo la capacidad de encontrar vulnerabilidades en argumento de venta de los modelos de frontera. Anthropic publicó un día antes un informe sobre un modelo de investigación interno que halló fallos en varios sistemas populares y escribió cadenas de ataque, y OpenAI también impulsa la revisión externa de la búsqueda de vulnerabilidades con IA. Que Google limite a los defensores los primeros usuarios de Carbon encaja con la práctica de esta ronda del sector: dar la capacidad primero a quienes custodian la puerta y limpiar parte de las vulnerabilidades acumuladas antes de que los atacantes tengan herramientas equivalentes.
El testimonio del equipo de Chrome sobre el uso de Carbon para generar parches indica además que las propias líneas de producto de Google son los primeros usuarios. El efecto de este tipo de pruebas internas solo tendrá datos comparables cuando más equipos de defensa externos obtengan acceso.
Fuentes: entrada de lanzamiento de Gemini 4 Carbon en el blog oficial de Google, blog de Google DeepMind, CocoLoop; se contrastaron las puntuaciones de las pruebas, el periodo promocional y el precio regular.