Gemini 4 Carbon frente a Claude Fable 5.2: 103 veces más barato, pero con peor imagen

Elegir un modelo insignia a partir de tablas de benchmarks ya resulta aburrido: todas las cifras están a la vista desde hace tiempo. Por eso es más interesante ver qué ocurre cuando a dos modelos se les da el mismo prompt creativo y se cuenta la factura. El autor del canal Neurogen recopiló de Twitter ocho comparaciones de Gemini 4 Carbon y Claude Fable 5.2 y las montó en un solo vídeo. No es un estudio de laboratorio, sino un conjunto de casos particulares. Pero para un profesional resulta más útil que muchos gráficos oficiales.

Qué se comparó y qué resultó

Las tareas son variadas: una escena de vóxeles con un héroe y cohetes, una ciudad de píxeles, un barco pirata, tipografía cinética para un pitch de fundadores, una animación 3D educativa sobre warps de GPU, unas ruinas de robot al estilo Ghibli y un simulador de cortacésped en primera persona.

El panorama es bastante coherente:

• Fable mantiene mejor un personaje reconocible y las texturas. En la prueba de los cohetes, Gru se reconoce por las gafas y la bufanda, mientras que en Carbon la escena se deshizo en un revoltijo. En las ruinas del robot, Fable muestra óxido y musgo, y en el simulador de cortacésped el autor habla de una imagen "de otra galaxia": la hierba, las sombras, la propia mansión.
• Carbon es más pulcro en esquemas y tipografía. El autor encontró la animación explicativa sobre warps, con flujos y flechas, más clara que la versión de Fable, más voluminosa pero más decorativa.
• En algunos casos, como el del barco pirata, la diferencia se reduce al gusto.

Dinero y tiempo

La cifra más contundente de la recopilación es la del simulador de cortacésped. Fable gastó 349,15 $ y 3 horas y 32 minutos; Carbon se quedó en 3,40 $ y 39 minutos. Es aproximadamente 103 veces más barato y 5,3 veces más rápido. En la ciudad de píxeles, con los mismos ~60 minutos, Fable costó ~18 $ y Carbon ~6,2 $. En la prueba de los cohetes fueron 24,11 $ frente a 53,34 $.

Según la tarifa por token, Carbon es cuatro veces más barato: 2 $ por millón de tokens de entrada y 10 $ de salida, frente a 8 $ y 40 $. Pero es un precio introductorio hasta el 30 de noviembre. Desde el 1 de diciembre pasará a 4 $ y 20 $, y la brecha se reducirá a la mitad. Si calculó su presupuesto con las tarifas antiguas, vuelva a calcularlo.

También conviene ser prudente con lo de "más barato por tarea". Si el resultado de Carbon en el caso de Gru es un revoltijo, el ahorro de 29 $ no vale nada, porque se paga por un resultado inservible. La métrica correcta aquí es el precio de un resultado aceptable, no el de una sola ejecución.

Con el tiempo, la historia es ambigua. En dos pruebas Carbon tardó los mismos ~60 minutos que Fable con el máximo de reasoning, y el autor señala que es más lento que el anterior Argon. En cambio, en el caso del cortacésped fue notablemente más rápido. La velocidad, al parecer, depende mucho de la tarea y de los ajustes de razonamiento.

Cómo aprovecharlo

La conclusión práctica del autor de la recopilación suena razonable:

• Si necesita un fotograma expresivo con una persona, un objeto o una textura compleja, pague de más por Fable.
• Si necesita un explicativo, una infografía, un esquema animado o muchas ejecuciones seguidas, Carbon es más barato y predecible.
• Si tiene un pipeline con iteraciones (decenas de intentos hasta que salga bien), un modelo barato con un techo algo inferior suele superar al caro.

Una buena estrategia para los equipos: ejecutar prototipos y borradores en Carbon, y reservar Fable solo para el render final o los fotogramas donde importa la fidelidad.

Qué conviene tener en cuenta

Son comparaciones de Twitter de distintos autores, no un experimento controlado. Cada uno tiene sus propios prompts, ajustes de reasoning y criterios de lo "bonito". En la mayoría de los casos hay una sola ejecución, sin estadísticas. En algunas pruebas ni siquiera se indican los precios, y las valoraciones de la calidad visual son subjetivas. El caso extra compara Carbon no con Fable, sino con el anterior Opus, así que casi no tiene relación con la disputa principal. Además, los precios de Carbon son temporales.

Por eso, no cambie su stack por un solo vídeo. Tome dos o tres tareas reales suyas, ejecútelas en ambos modelos antes de finales de noviembre y calcule no solo el coste, sino también la proporción de resultados que se pueden mostrar a un cliente. Esas cifras serán su benchmark.