Google abre Gemini 4 Carbon: un modelo agéntico entre 2 y 6 veces más barato que Fable 5.2

Quien haya intentado encargar a un agente una tarea grande, como una migración que afecta a decenas de archivos, sabe cómo acaba. El modelo pierde el hilo, olvida lo que prometió tres pasos atrás e informa con seguridad de un éxito que no existe. Gemini 4 Carbon, abierta por Google el 10 de noviembre, apunta precisamente a ese problema. La cuestión es hasta qué punto las cifras del lanzamiento son aplicables a su proyecto.

Qué es Carbon y en qué se diferencia de Argon

Carbon es el modelo superior de la cuarta generación de Gemini. Está construida sobre Gemini 4 Argon, lanzada un mes antes. Google las plantea así: Argon es la opción rápida y económica para la mayoría de las tareas de ingeniería, y Carbon, para los casos que «ponen a prueba el límite de la inteligencia del modelo». Se trata de depuración en varios pasos, diseño de arquitectura e investigación abierta.

El precio de la profundidad son los tokens. Carbon reflexiona más tiempo y lanza ciclos de autoverificación. Según los cálculos de entusiastas, en una ejecución del índice compuesto gasta unos 205 millones de tokens de razonamiento frente a 113 millones de Argon.

En lo técnico: un contexto único de 1 048 576 tokens (la entrada, la salida, el razonamiento y las llamadas a herramientas se cuentan juntos), niveles de razonamiento LOW/MEDIUM/HIGH con MEDIUM por defecto y admisión directa de archivos de Office y OpenDocument. Un detalle importante para quienes trabajan por API: el modelo ignora los parámetros temperature, top_p y top_k. Si su pipeline depende de ellos, tendrá que rehacerlo.

Las cifras: dónde gana Carbon y dónde no

En el índice de Artificial Analysis, Carbon obtuvo 59 puntos en la v5.0 y 60 en la v5.0.1. Es el segundo puesto tras Claude Fable 5.2. En cambio, el coste por tarea es de unos 7,76 $ frente a 26,54 $ del líder. En el nuevo benchmark agéntico visual MKA (planos, imágenes clínicas, tablas financieras), Carbon logró un 54 % frente al 57 % de Fable 5.2, y cuesta aproximadamente seis veces menos.

En las pruebas agénticas aplicadas el panorama es mejor: primer puesto en CursorBench 4.0, Perplexity WANDR y Zapier AutomationBench. Según Google, allí la tarea cuesta más de la mitad menos que con el competidor más cercano. En GraphWalks, que mide la capacidad de no perder el hilo en trayectorias largas, Carbon obtuvo un 96,2 % frente al 84,2 % de Argon.

En programación pura los resultados son más modestos. En FrontierSWE 2 logra un 61,2 % frente al 65,5 % de GPT-6 Astra. En OSWorld-2.1 obtuvo un 81,5 % frente al 87,2 % de Claude Opus 5.5. En SWE-sweep el resultado es de solo un 9,6 %. La mayoría de las cifras las publica la propia Google, así que conviene hacer mediciones independientes con sus propias tareas.

/swarm y ciberseguridad

Antigravity incorpora el modo /swarm (por ahora en versión preliminar). Un solo prompt despliega un equipo de agentes. Un coordinador reparte el trabajo entre los workers en git worktrees aislados, de modo que los cambios no entran en conflicto. En paralelo trabajan verificadores cuya única tarea es romper y cuestionar los diffs. Los agentes se comunican mediante un tablón de mensajes compartido, y los que están inactivos no gastan nada. Carbon actúa como arquitecto y auditor, mientras que la rutina se deja a modelos ligeros. Dentro de Google el modo se utilizó durante cinco semanas en migraciones multipaquete y búsqueda de causas raíz.

La trama principal del lanzamiento es la seguridad. SEC-bench Pro (búsqueda de vulnerabilidades reales): 88,2 %. ExploitGym (comprobación de explotabilidad): 54,8 %. CWE-bench (parcheo): 71,0 %. Wiz encontró zero-days en dos grandes proveedores de SaaS en menos de dos horas, y el sistema Fortify mostró un 100 % de recall y un 95 % de precision. Precisamente por estas capacidades el modelo se entregó al principio solo a los participantes del programa Fairwind para defensores.

Merece mención aparte la «honestidad». En un conjunto interno de 375 tareas, Carbon superó el 92 % frente al 70 % de Argon. En el 98 % de los casos se niega a completar datos experimentales ausentes y en el 68 % señala por sí sola lagunas metodológicas en el enunciado.

Qué hacer con esto

El acceso está abierto a través de la API de pago de Gemini (AI Studio, Android Studio), Gemini for business y Antigravity. La aplicación Gemini y el AI Mode en la búsqueda están disponibles para los suscriptores de Google AI Ultra (desde 100 $ al mes). Para los científicos hay seis meses de acceso gratuito a Argon y Carbon en Antigravity.

La conclusión práctica es sencilla. No traslade todo a Carbon: para la rutina, la propia Google recomienda Argon. Use Carbon donde el agente trabaja durante mucho tiempo y un error sale caro. Es el caso de las migraciones, las auditorías de seguridad y los pipelines de investigación. Prevea de antemano un mayor gasto de tokens en razonamiento y pruebe el modelo con su propio conjunto de tareas. Si su criterio principal es el precio por tarea resuelta y no el máximo absoluto de calidad, Carbon parece ahora mismo una de las opciones más interesantes.