Google DeepMind presenta Gemini 4 Carbon, pero primero solo para defensores de ciberseguridad

Google DeepMind anunció Gemini 4 Carbon este miércoles. La empresa lo presenta como su modelo más fuerte, pensado para ciberseguridad y tareas agénticas largas. Llega dos semanas después de Gemini 4 Argon. Lo que distingue a este lanzamiento es que casi nadie puede usar el modelo todavía. Desde esta semana, el acceso es solo para un grupo de defensores de ciberseguridad, y Google dice que participa en el proceso voluntario del gobierno de Estados Unidos para probar modelos antes de lanzarlos.

Qué anunció Google

El anuncio, firmado por Koray Kavukcuoglu, SVP de Google DeepMind y Chief AI Architect de Google, dice que Carbon está hecho para flujos agénticos sostenidos. Según Google, equipos internos lo tuvieron trabajando durante días en tareas de ingeniería de varios pasos, como encontrar la causa raíz de bugs sutiles y parchearlos en bases de código grandes y sistemas de bajo nivel. Google también dice que el modelo mejoró en desarrollo web full-stack, comprensión multimodal y razonamiento científico.

Casi todos los números destacados salen del propio posteo de Google:

• Artificial Analysis Intelligence Index v5.0: primer puesto con 59 puntos, un índice externo que Google cita.
• Benchmarks de ciberseguridad (corridos sin guardrails, según Google): 88,2% en SEC-bench Pro (encontrar vulnerabilidades), 54,8% en ExploitGym (explotación) y 71,0% en CWE-bench (parches).
• WebDev Arena: sube 89 puntos Elo hasta el cuarto puesto, con 1768.
• Resultados internos: más del doble que Argon en generación de código seguro, y un informe del equipo de Chrome según el cual Carbon escribió parches de calidad más de 10 veces mejor que un modelo de frontera grande de otro laboratorio, que Google no nombra.

Los resultados internos no se pueden verificar desde afuera. Los benchmarks externos los eligió Google.

Acceso y precio

Google dice que va a ampliar el acceso de a poco a más socios de confianza a través de su Fairwind Program. Según la empresa, el programa les da a socios verificados una ventaja frente a las amenazas mientras los modelos se despliegan de forma segura. Desarrolladores, empresas y usuarios van a recibir Carbon "lo antes posible", en palabras de Google, después de juntar feedback y ajustar los guardrails. No hay fecha.

El precio ya está definido. Carbon sale con el mismo precio introductorio que Argon: US$2 por millón de tokens de entrada y US$10 por millón de salida, con la entrada en caché un 95% más barata que la entrada normal. Cuando termine el período introductorio, Google lista US$4 y US$20. El posteo no dice cuándo termina ese período.

Cómo se ve desde afuera de Google

The Decoder revisó los rankings externos publicados junto con el lanzamiento, y ahí el panorama es más mixto. Según su lectura de los datos de Artificial Analysis, Carbon sigue detrás de Claude Opus 5.5 en programación agéntica. La precisión de sus respuestas subió del 48% al 58% frente a Argon, pero su tasa de alucinación también subió, del 4% al 11%. The Decoder también informa que en el índice de Vals AI Carbon marca 70,36%, entre Claude Sonnet 5.5 (70,85%) y Claude Opus 5.5 (70,18%), y que genera unas 2,3 veces más tokens de razonamiento que Argon. No pudimos abrir las páginas de Artificial Analysis ni de Vals AI desde nuestro entorno, así que estas cifras vienen de lo que informa The Decoder, no de un chequeo propio.

Lo que dice Google sobre seguridad

Google pone el mayor peso del posteo en la alineación. Dice que Carbon bajó a 0,0% las trampas exitosas en Terminal-Bench 4.0, con intentos de trampa en 0,4%. También dice que las alertas de desalineación de alta gravedad en trabajo interno de programación cayeron casi un 80%, que las afirmaciones sin respaldo bajaron a la mitad aproximadamente frente a Argon, que la extralimitación cayó un 26% y que quedarse corto en lo pedido cayó un 29%. En el benchmark de prompt injection indirecta de Gray Swan, Google informa una tasa de ataques exitosos del 0,0%, contra el 0,7% de Argon. Son mediciones del propio fabricante. The Decoder señala que un cero sugiere que el benchmark está saturado, no que la prompt injection esté resuelta.

Contexto del mismo día: la llamada de resultados

Horas después, en la llamada de resultados del tercer trimestre de Alphabet, Sundar Pichai repitió que Carbon está siendo probado por el gobierno de Estados Unidos. Dijo que las APIs de modelos propios de Google procesan ya casi 32.000 millones de tokens por minuto, y que el uso de Argon en las plataformas para desarrolladores creció tres veces y media más rápido en su primera semana que Gemini 3, aun con limitaciones de capacidad. También anticipó más modelos pronto, incluidas versiones más eficientes para quienes necesitan velocidad y menor costo.

Qué cambia hoy para quien desarrolla

Por ahora, muy poco. No podés elegir Carbon en la API, así que esta semana no cambia qué modelo usar. Lo que sí podés hacer es prepararte. El precio publicado es igual al de Argon, así que las estimaciones de costo que hiciste para Argon siguen valiendo, al menos hasta que termine el precio introductorio. Pero los datos sobre tokens sugieren una trampa: si Carbon gasta muchos más tokens de razonamiento por tarea, el costo de un trabajo terminado puede subir aunque el precio por token sea el mismo. Cuando se abra el acceso, medí el costo por tarea completada con tus propias cargas de trabajo, no solo la tabla de precios.

El lanzamiento también importa más allá de Google. Un laboratorio de frontera está frenando la disponibilidad general por las capacidades de ciberseguridad del modelo: primero acceso anticipado para defensores y pruebas gubernamentales voluntarias. Lo próximo a mirar es si Google sostiene ese orden y cuánto dura el período restringido.