Modelos de IA
Gemini 4 Carbon sale de la lista de espera con seis millones de líneas de Lean sobre el código de Signal
Google abrió el 10 de noviembre Gemini 4 Carbon en la API de pago y para suscriptores de Ultra: gemini-4-carbon, sin nivel gratuito, a 2 y 10 USD por millón de tokens hasta el 30 de noviembre y a 4 y 20 USD después. Qué demostró sobre Signal, qué es /swarm y cuándo compensa frente a Argon.
De la ciberdefensa a cualquier desarrollador que pague
Hace dos semanas, Gemini 4 Carbon solo estaba al alcance de especialistas en ciberdefensa y socios de confianza. Desde el 10 de noviembre está en la API de Gemini para todos los desarrolladores y empresas de pago, en Google AI Studio, Android Studio y Gemini for business. También empieza a llegar a los suscriptores de Google AI Ultra en la app de Gemini, el Modo IA del buscador y Antigravity, el entorno de desarrollo con agentes de Google.
Logan Kilpatrick, de Google, había calentado el día con un post de una sola palabra, «Gemini», que ya supera las 700.000 visualizaciones. Google lo presenta como su modelo más potente para tareas largas y difíciles: depuración de varios pasos, investigación abierta, ciberseguridad y trabajo de conocimiento complejo.
El matiz que más importa viene de la propia Google: Gemini 4 Argon sigue siendo el modelo recomendado para la mayoría del trabajo de programación y de oficina. Carbon gasta más tokens que Argon porque explora, razona y verifica más. Está pensado para cuando Argon se queda corto.
Seis millones de líneas de Lean sobre Signal
La demostración que más se ha compartido no es un benchmark. Investigadores de Google DeepMind usaron AlphaProof Code, un nuevo sistema de verificación formal con agentes, para demostrar matemáticamente propiedades de seguridad del código compilado de Signal, no solo de su diseño. Entre ellas, que los mensajes siguen protegidos antes y después de que un dispositivo quede comprometido temporalmente.
El reparto de trabajo es lo interesante. Las personas deciden qué hay que demostrar y revisan cada especificación. Varios modelos traducen los objetivos de seguridad a enunciados formales, y agentes con Gemini Carbon escriben las pruebas: más de seis millones de líneas de Lean en cuatro semanas, una tarea que según DeepMind llevaba años a equipos expertos. Lean comprueba las pruebas de forma automática, y los agentes solo marcaron un 1 % del código para que lo mirara una persona.
No se encontraron fallos nuevos en Signal. Para comprobar que el sistema no daba todo por bueno, los investigadores reintrodujeron dos errores ya corregidos en una copia aislada del código, y en los dos casos el sistema produjo una prueba verificada de que esa versión era insegura. Signal colaboró en el trabajo y los artefactos de verificación se han publicado en abierto. Las pruebas valen para las propiedades que se especificaron, así que dependen de que esas especificaciones sean correctas.
Lo que cuesta y dónde está
En la API se llama gemini-4-carbon y no tiene nivel gratuito. Estas son las vías de acceso el día del lanzamiento.
| Vía | Quién accede | Condiciones |
|---|---|---|
| Gemini API (AI Studio, Android Studio) | Desarrolladores de pago | 2 USD de entrada y 10 de salida por millón hasta el 30/11; 4 y 20 desde el 1/12; caché 0,10 y luego 0,20 |
| Gemini for business | Empresas | API o selector de modelo, Antigravity y CodeMender |
| Google AI Ultra | Suscriptores | App de Gemini, Modo IA y Antigravity, en despliegue gradual |
| Programa Fairwind | Defensores de ciberseguridad verificados | Carbon para ciber, con alta progresiva |
| Acceso para científicos | Investigadores seleccionados | Seis meses gratis de Argon y Carbon en Antigravity, sujeto a plazas |
Más barato por token que Fable 5.2, pero no por tarea garantizada
La comparación que más circula es el precio frente a Claude. Incluso con la tarifa de diciembre, 4 y 20 USD por millón, Carbon cuesta por token lo mismo que Claude Opus 5.5 y la mitad que Claude Fable 5.2, que cobra 8 y 40. Hasta el 30 de noviembre, la diferencia es de cuatro veces.
Un ejemplo hipotético con esas tarifas: una tarea con 100.000 tokens de entrada sin caché y 20.000 de salida cuesta 0,40 USD con Carbon este mes, 0,80 USD desde diciembre y 1,60 USD con Fable 5.2 si ambos gastaran los mismos tokens. No lo harán. Carbon consume más que Argon por diseño, y la salida incluye el razonamiento. Lo que hay que comparar es el coste por tarea resuelta.
Google sí publica resultados de coste por tarea, todos suyos o de socios: primer puesto en CursorBench 4.0, WANDR de Perplexity y AutomationBench de Zapier con menos de la mitad de coste por tarea que el siguiente modelo externo, y segundo en su benchmark de agentes de conocimiento multimodal, hecho con Artificial Analysis, con un coste medio por tarea más de seis veces menor que el primero. En honestidad, Carbon superó el 92 % de 375 tareas, frente al 70 % de Argon, y se negó a inventar datos experimentales que faltaban el 98 % de las veces.
/swarm y los límites que reconoce Google
Junto al modelo, Google muestra en preview /swarm en Antigravity: un solo prompt se convierte en un equipo de agentes que puedes seguir en tiempo real. Carbon se queda con la arquitectura, la coordinación y la auditoría, mientras modelos más rápidos trabajan en paralelo en espacios aislados y verificadores adversarios ponen a prueba cada cambio. Recuerda al experimento de los 1.000 agentes de Anthropic, pero convertido en una función del entorno de desarrollo.
Google también enumera lo que falta. Muchas cifras salen de evaluaciones internas o previas al lanzamiento. Las capacidades de ciberseguridad completas siguen detrás de Fairwind. Y aunque Carbon tuvo un 0 % de éxito de ataques en la prueba de inyección indirecta de Gray Swan, Google admite que la resistencia a prompt injection todavía necesita trabajo.
Si ya usas Argon, no cambiaría el modelo por defecto. Probaría Carbon antes del 30 de noviembre con las tareas en las que Argon falla, como una depuración larga o una auditoría, y mediría cuántas resuelve y cuánto cuestan. Ese margen de tres semanas a mitad de precio es el mejor momento para hacer la prueba.