Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)

Gemini 4 Carbon alcanza el 88,2 % en la búsqueda de vulnerabilidades, pero Google no lo ha abierto a todo el mundo

Google ha lanzado Gemini 4 Carbon, un modelo que busca fallos en el código y puede trabajar durante días en una tarea compleja sin intervención humana. En la prueba SEC-bench Pro, de búsqueda de vulnerabilidades, obtuvo un 88,2 %, y en ExploitGym, donde además hay que explotar los fallos, un 54,8 %. Sin embargo, solo tendrán acceso los defensores de ciberseguridad y los socios de confianza, aunque en el ranking de Artificial Analysis el modelo ocupa el primer puesto. El resto de usuarios tendrá que esperar al lanzamiento público y a las verificaciones independientes.

Procesado por IA desde TG: @ai_product (AI Product / Igor Akimov); editado por Hamidun News
Gemini 4 Carbon alcanza el 88,2 % en la búsqueda de vulnerabilidades, pero Google no lo ha abierto a todo el mundo
Fuente: TG: @ai_product (AI Product / Igor Akimov). Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalTG: @ai_product (AI Product / Igor Akimov) ↗
Editor jefe
Dato clave #1CWE-bench, preparación de parches para vulnerabilidades: 71,0 %
Dato clave #2Genera el doble de código seguro que Argon
WebDev Arena4.º puesto, con una puntuación de 1769 (+89 Elo)

Imagine un asistente que lee por sí mismo un repositorio enorme, encuentra en él los puntos peligrosos, comprueba si se pueden aprovechar y prepara la corrección. Eso es exactamente el papel que Google asigna a su nuevo modelo, Gemini 4 Carbon, lanzado apenas dos semanas después de su predecesor, Argon. En la prueba SEC-bench Pro, que mide la capacidad de encontrar vulnerabilidades en el código, el modelo logró un 88,2 %.

Y en el ranking independiente Artificial Analysis Intelligence Index v5.0, que resume los resultados de los modelos en una única puntuación global, Carbon se colocó de inmediato en primer lugar. Hay un matiz: el modelo mejor valorado por este índice no llegará a todos los desarrolladores, sino solo a defensores de ciberseguridad y socios seleccionados.

Qué hace Carbon y qué cifras ha publicado Google

El anuncio se centra en la ciberseguridad y en las tareas agénticas de larga duración. Una tarea agéntica es aquella en la que el modelo no responde a una sola pregunta, sino que ejecuta por sí mismo una cadena de pasos. Según Google, Carbon puede trabajar durante días en una tarea compleja. Para los defensores el escenario es claro: revisar la base de código, localizar los puntos débiles, confirmarlos y proponer un parche.

Estos son los resultados del anuncio:

  • SEC-bench Pro, búsqueda de vulnerabilidades: 88,2 %.
  • ExploitGym, explotación de los fallos encontrados, es decir, comprobación de que realmente se pueden aprovechar: 54,8 %.
  • CWE-bench, preparación de parches para clases típicas de vulnerabilidades: 71,0 %.
  • WebDev Arena, competición de modelos en la creación de aplicaciones web: 4.º puesto, con una puntuación de 1769 y un aumento de 89 puntos Elo.

Google afirma además que Carbon genera el doble de código seguro que Argon. En la práctica, esto significa que el modelo deja con menor frecuencia en el proyecto fallos típicos, como la entrada de usuario sin validar.

El equipo de Chrome va más lejos y sostiene que, en calidad de parches, Carbon supera en 10 veces a un "modelo grande de otro laboratorio". El nombre del competidor no se revela. Se trata de una valoración de la propia Google, así que conviene tomarla como la afirmación de un desarrollador y no como una medición independiente.

Por qué se ha restringido el acceso

La versión mejor valorada por el índice solo llegará a defensores de ciberseguridad y a "socios de confianza" dentro del Fairwind Program. Además, Carbon se está sometiendo a pruebas voluntarias por parte del gobierno de Estados Unidos.

La lógica es comprensible. Si un modelo encuentra vulnerabilidades y, en el 54,8 % de los casos de la prueba ExploitGym, además las explota con éxito, en manos equivocadas se convierte en una herramienta de ataque. Por eso primero se entrega a quienes reparan y solo después se decide cómo hacer un despliegue amplio. Google no es la primera en elegir este esquema, pero aquí se aplica a un modelo que además lidera el ranking general.

Qué hacer en la práctica

Si es responsable de la seguridad de un producto, conviene informarse cuanto antes sobre las condiciones del Fairwind Program. Para los equipos con bases de código grandes, la búsqueda y la corrección automática de vulnerabilidades puede aliviar una parte considerable de la rutina.

No conviene esperar que el Gemini público reciba de inmediato las mismas capacidades. Del anuncio no se sabe cuándo ni en qué forma Carbon estará disponible para todos ni qué limitaciones se mantendrán.

Hay que ser prudentes con los benchmarks. El ranking de Artificial Analysis es independiente, pero las cifras de SEC-bench Pro, ExploitGym y CWE-bench, así como la comparación de parches con el modelo de un competidor, las publica la propia Google. Por ahora no hay confirmaciones de terceros: nadie externo puede verificar el modelo.

Por último, el ritmo. Las dos semanas que separan Argon de Carbon muestran lo rápido que Google renueva su línea de modelos. A los equipos que integran modelos en sus productos les conviene no atarse de forma rígida a una sola versión y mantener una capa de abstracción que permita cambiar de modelo sin reescribir el pipeline.

De momento, Carbon es ante todo una declaración de intenciones de Google por liderar la IA aplicada a la ciberseguridad. Solo podrán comprobarla los socios seleccionados; el resto tendrá que esperar al lanzamiento público y a las pruebas independientes.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Qué hace Carbon y qué cifras ha publicado Google?

El anuncio se centra en la ciberseguridad y en las tareas agénticas de larga duración. Una tarea agéntica es aquella en la que el modelo no responde a una sola pregunta, sino que ejecuta por sí mismo una cadena de pasos. Según Google, Carbon puede trabajar durante días en una tarea compleja. Para los defensores el escenario es claro: revisar la base de código, localizar los puntos débiles, confirmarlos y proponer un parche. Estos son los resultados del anuncio: SEC-bench Pro, búsqueda de vulnerabilidades: 88,2 %.

¿Qué se sabe sobre Por qué se ha restringido el acceso?

La versión mejor valorada por el índice solo llegará a defensores de ciberseguridad y a "socios de confianza" dentro del Fairwind Program. Además, Carbon se está sometiendo a pruebas voluntarias por parte del gobierno de Estados Unidos. La lógica es comprensible. Si un modelo encuentra vulnerabilidades y, en el 54,8 % de los casos de la prueba ExploitGym, además las explota con éxito, en manos equivocadas se convierte en una herramienta de ataque.

¿Qué se sabe sobre Qué hacer en la práctica?

Si es responsable de la seguridad de un producto, conviene informarse cuanto antes sobre las condiciones del Fairwind Program. Para los equipos con bases de código grandes, la búsqueda y la corrección automática de vulnerabilidades puede aliviar una parte considerable de la rutina. No conviene esperar que el Gemini público reciba de inmediato las mismas capacidades. Del anuncio no se sabe cuándo ni en qué forma Carbon estará disponible para todos ni qué limitaciones se mantendrán.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…