Google abre Gemini 4 Carbon: un modelo para agentes a $2/$10 hasta diciembre

Google ha lanzado Gemini 4 Carbon, y no es otro «modelo generalista» más, sino una herramienta pensada para un problema concreto. Se trata de un agente que debe hurgar durante mucho tiempo en una base de código o comprobar hipótesis de forma metódica, en lugar de dar una respuesta al primer intento. Carbon está construido sobre Argon, pero configurado para pensar durante más tiempo.

En qué se diferencia Carbon de Argon

En resumen: la misma base, más razonamiento. Google afirma sin rodeos que Carbon gasta más tokens que Argon en «pensar». Para tareas en las que un error sale caro, es un intercambio razonable. Por ejemplo, encontrar la causa de un bug en un repositorio ajeno o entender por qué falla un pipeline. Se paga con tiempo y tokens, y a cambio se obtiene la posibilidad de un resultado más cuidadoso.

La demo de Google es vistosa. El modelo creó un simulador 3D interactivo que sintetiza sobre la marcha el canto de seis especies de aves. Se puede abrir el pico de un ave y escuchar cómo cambia el sonido. Pero una demo no es una métrica. Conviene leerla como un ejemplo de tarea larga y compuesta, en la que confluyeron gráficos, síntesis de sonido e interactividad en un solo proyecto.

Qué mostró el benchmark MKA

La nueva prueba MKA se acerca más a la realidad de la oficina que a los problemas de olimpiada. Al agente se le entrega un paquete de planos y otros archivos a partir de los cuales debe elaborar un informe, una tabla o una presentación. No se comprueba si el modelo sabe escribir una función, sino si es capaz de entender una entrada heterogénea y entregar un artefacto terminado.

En los criterios difíciles, Carbon High obtiene un 54%, mientras que Fable 5.2 Max logra un 57%. Aquí no se puede decir que Carbon sea la líder: se queda ligeramente por detrás de su competidor. Tres puntos porcentuales en un solo benchmark no son una sentencia, pero tampoco motivo para creer los titulares sobre «el mejor modelo para agentes». Además, la prueba es nueva y aún no está claro cómo se relaciona con sus datos reales. La página del benchmark está alojada en Artificial Analysis.

Acceso y precios

El modelo ya está en la API de pago. En el chat de Gemini y en Antigravity solo lo reciben los suscriptores de Ultra.

Los precios de la API son los siguientes:

• hasta finales de noviembre: $2 por millón de tokens de entrada y $10 por millón de tokens de salida;
• desde el 1 de diciembre: $4 y $20, es decir, el doble.

Hay un matiz. Como Carbon gasta más tokens en razonar, el coste real debe calcularse no según la tarifa por millón, sino según la suma de tokens por tarea resuelta. Un precio bajo por token en un modelo «verboso» no garantiza una factura barata.

Qué hacer en la práctica

No hay que creer ni al marketing ni a un único benchmark. Es mejor hacer un experimento sencillo.

1. Tome un conjunto de sus propias tareas reales de agente: análisis de un bug, revisión de código, elaboración de un informe a partir de un conjunto de archivos.
2. Ejecútelo en Argon y en Carbon y mida dos cosas: la proporción de tareas resueltas y el consumo de tokens por tarea.
3. Hágalo antes del 1 de diciembre, mientras rija el precio de $2/$10. Así la decisión de cambiar se basará en cifras.

Los equipos de producto deberían incorporar desde ya a su economía unitaria el precio de diciembre, $4/$20, y no el inicial. Si Carbon supera a Argon solo en casos difíciles y poco frecuentes, quizá convenga activarla de forma selectiva, como «artillería pesada» para las tareas complicadas y no como modelo por defecto.

Limitaciones

Todas las cifras proceden del anuncio de Google y de la página del benchmark. La fuente no incluye verificaciones independientes. Tampoco se ofrece en la publicación una comparación con Argon en calidad y consumo de tokens, y tendrá que medirlo usted mismo. Google ha publicado los detalles del modelo en una ficha aparte.

En resumen: Carbon es un paso con sentido hacia agentes que «piensan», pero no un ganador evidente. El retraso de 3 p. p. respecto a Fable 5.2 Max en MKA y la duplicación del precio desde diciembre hacen que probarlo con sus propias tareas sea una condición imprescindible antes de adoptarlo.