Google presenta Gemini 4 Carbon con acceso inicial limitado

Google presentó el 28 de octubre de 2026 Gemini 4 Carbon, un modelo que la compañía sitúa por encima de sus versiones anteriores en tareas de programación, razonamiento prolongado y seguridad informática. La novedad viene acompañada de una condición decisiva: en el anuncio, el acceso comenzaba con un grupo reducido de profesionales de defensa y se ampliaría gradualmente a socios de confianza. La empresa no anunció disponibilidad general inmediata para cualquier desarrollador, empresa o consumidor.

La propuesta combina resultados en pruebas de capacidad con declaraciones sobre nuevas medidas de seguridad. Para entender qué significa para una organización conviene separar tres preguntas: qué muestran las pruebas comunicadas, quién podía acceder al modelo en la fecha del anuncio y qué condiciones habría que verificar antes de confiarle un trabajo real. Este artículo se basa en información pública de Google; no se probó una cuenta ni se reprodujeron las evaluaciones.

Un lanzamiento gradual, no una apertura universal

Google explicó que comenzaría a ofrecer Carbon esa semana a un subconjunto de defensores de seguridad. El despliegue hacia otros socios de confianza se realizaría mediante su programa Fairwind. Al mismo tiempo, la empresa señaló que continuaba recogiendo comentarios y ajustando salvaguardas antes de llevar el modelo a superficies dirigidas a desarrolladores, empresas y consumidores.

Ese calendario describe una intención publicada el 28 de octubre. No identifica todos los requisitos de selección, no demuestra que una organización concreta tenga acceso y no establece una fecha confirmada de disponibilidad general. Tampoco permite concluir que el modelo esté habilitado en Chile o en un producto determinado. Una organización interesada debe comprobar el estado vigente y los términos de su cuenta antes de planificar un despliegue.

La distinción importa porque el acceso a una evaluación cerrada no equivale al acceso comercial posterior. Durante un programa limitado pueden cambiar los permisos, las salvaguardas, las cuotas y la forma de interacción. Una característica descrita en una demostración puede requerir condiciones que no aparecen en una ficha general del producto.

Qué destaca Google sobre programación y trabajo prolongado

Google presenta Carbon como un modelo diseñado para problemas de ingeniería de varios pasos. Según la compañía, sus equipos internos lo observaron trabajar durante días en tareas complejas, incluidas investigaciones de fallos y propuestas de corrección en bases de código grandes. Esa observación procede de entornos internos de Google: no es una garantía de duración, autonomía ni éxito en otros proyectos.

La expresión «tarea prolongada» puede abarcar actividades muy diferentes. Investigar un error, preparar una modificación, ejecutar pruebas y publicar un cambio no tienen el mismo nivel de riesgo. Un modelo puede ayudar a organizar información o producir un borrador, mientras que una acción sobre un sistema real requiere permisos, supervisión y procedimientos adecuados al entorno.

Google también informa avances en desarrollo web y cita una posición y puntuación en WebDev Arena. Una clasificación de ese tipo responde a la metodología de la plataforma y a las condiciones de evaluación correspondientes. No demuestra por sí sola que cada interfaz generada sea accesible, segura, correcta o adecuada para los usuarios de una aplicación concreta.

Los números de seguridad y sus condiciones

En su anuncio, Google atribuye a Carbon 88,2% en SEC-bench Pro, 54,8% en ExploitGym y 71,0% en CWE-bench. La empresa presenta las pruebas como referencias para detección, validación de riesgo y corrección, respectivamente. También aclara que esos benchmarks externos se evaluaron sin salvaguardas. Los porcentajes, por tanto, deben leerse con esa condición y no como el rendimiento garantizado de la configuración que recibiría un usuario.

Las pruebas usan tareas y criterios específicos. Una puntuación no indica qué ocurrirá en todas las aplicaciones, lenguajes, permisos o configuraciones de una organización. Tampoco establece la proporción de fallos que el modelo encontraría en un sistema no incluido en la evaluación. Para comparar resultados habría que revisar la versión del benchmark, el conjunto de problemas, las herramientas disponibles, las repeticiones y la forma de puntuar.

La validación de una debilidad y la corrección de su causa son actividades distintas. Un sistema puede señalar una zona que merece revisión y, aun así, proponer un cambio incompleto o producir efectos secundarios. Por eso el resultado más útil para un equipo suele ser una explicación verificable y una propuesta revisable, acompañada de pruebas apropiadas, no una aceptación automática de cualquier modificación.

Google también afirma mejoras en pruebas internas de generación de código seguro frente a Argon y menciona una comparación realizada por el equipo de Chrome. Esas cifras reflejan los escenarios descritos por la propia empresa. Sin los detalles completos de las tareas, las muestras y las configuraciones, no corresponde convertirlas en un multiplicador universal de seguridad o productividad.

Qué significa una clasificación general del modelo

Google informó que Carbon obtuvo 59 puntos y el primer lugar en la versión 5.0 del Artificial Analysis Intelligence Index. Ese índice reúne evaluaciones bajo una metodología propia; la posición depende de qué pruebas lo integran y de la configuración utilizada para cada modelo. Un resultado agregado puede ser una referencia inicial, pero no reemplaza una evaluación de la tarea que una organización necesita resolver.

Una comparación responsable conserva la fecha, la versión del índice, la configuración y los límites de cada prueba. También pregunta si el resultado incluye herramientas adicionales o condiciones especiales. Un cambio de posición en una clasificación no dice por sí mismo cuánto trabajo ahorrará un equipo ni cuánto costará producir una salida aceptable.

Los benchmarks tampoco miden todas las obligaciones de una operación. En un proyecto real importan la protección de secretos, la precisión de los cambios, la posibilidad de recuperarse de un error y la responsabilidad de quien autoriza una acción. Esas condiciones deben evaluarse junto con la capacidad del modelo.

Alineación y resistencia: resultados internos, no garantías

Google describe una combinación de entrenamiento, defensas frente a usos indebidos y medidas de resistencia a instrucciones maliciosas. Entre sus observaciones, comunica una reducción de alertas de desalineación de alta gravedad en entornos internos de programación y menos afirmaciones sin respaldo frente a Argon. Son resultados declarados por el desarrollador, no una auditoría independiente de todos los usos futuros.

Google informa una tasa de éxito de ataques de 0,0% en la evaluación de inyección indirecta de instrucciones Gray Swan IPI y publica resultados para intentos de tomar atajos en Terminal-Bench 4.0. Un resultado de cero en un conjunto evaluado no demuestra ausencia de fallos en todos los escenarios posibles. Las tasas dependen de la muestra, la definición de éxito, las herramientas y la configuración; además, las amenazas y los documentos que un agente puede encontrar cambian con el tiempo.

Para un equipo que evalúa agentes, la conclusión práctica no es retirar controles. Conviene limitar permisos, separar información confiable de contenido externo y revisar las acciones que puedan tener efectos. También es útil registrar qué evidencia recibió el agente y cómo reaccionó ante información contradictoria o incompleta. Estas son recomendaciones editoriales generales, no funciones cuya operación se haya verificado en Carbon.

Precio anunciado y costo real de una tarea

Google comunicó un precio introductorio previsto de US$2 por millón de tokens de entrada y US$10 por millón de tokens de salida, además de un descuento del 95% sobre el precio de entrada para tokens almacenados en caché. Según Google, después del período introductorio las tarifas serán de US$4 por millón de tokens de entrada y US$20 por millón de tokens de salida; el anuncio no precisa la duración de ese período. Se trata del precio anunciado para el lanzamiento, no de una cotización confirmada para una cuenta, región o fecha posterior.

El costo de una tarea no se obtiene multiplicando únicamente la tarifa por una respuesta breve. Puede incluir contexto de entrada, varias llamadas, salidas, reintentos, herramientas y revisión humana. Si un proceso genera muchas propuestas antes de llegar a una modificación aceptable, todas esas etapas importan al comparar alternativas.

Antes de estimar un presupuesto conviene verificar los precios y condiciones vigentes en el producto concreto, así como cuotas, facturación de herramientas y reglas de caché. Un descuento anunciado para un tipo de entrada no significa que todas las operaciones tengan el mismo descuento ni que una aplicación completa cueste una cantidad fija.

Cómo podría evaluarlo una organización

Una prueba institucional debería comenzar con una pregunta concreta y un entorno adecuado. Por ejemplo, un equipo puede seleccionar tareas de revisión de código que ya conoce, retirar información sensible no necesaria y fijar criterios para aceptar o rechazar una propuesta. La persona responsable puede comparar las sugerencias con una referencia y registrar qué correcciones fueron necesarias.

El registro debe distinguir tiempo de generación, espera, revisión y pruebas. También puede incluir propuestas incompletas, acciones detenidas y casos que el modelo reconoce que no puede resolver. Si solo se presentan los ejemplos exitosos, la evaluación pierde información importante sobre el trabajo necesario para obtener un resultado utilizable.

Cuando una herramienta puede modificar archivos o invocar servicios, la organización necesita definir el alcance de esa autoridad antes de empezar. Un proceso de bajo riesgo puede permitir preparar una propuesta; una operación sobre producción puede requerir una aprobación y verificación separadas. La política apropiada depende del sistema y de las responsabilidades de la organización.

Qué queda por comprobar

El anuncio no sustituye la documentación de la versión finalmente disponible ni una prueba propia con permisos y datos apropiados. Quedan por confirmar las condiciones de acceso para cada producto, las cuotas, la disponibilidad geográfica y las características habilitadas en cada cuenta. Tampoco se ha establecido aquí un resultado independiente de seguridad para un entorno específico.

El avance que Google describe es relevante para quienes investigan programación y defensa, pero debe evaluarse junto con sus límites. Las cifras comunicadas permiten formular preguntas y diseñar pruebas; no convierten al modelo en una garantía de seguridad ni autorizan acciones fuera del alcance acordado.

Preguntas frecuentes

¿Gemini 4 Carbon estaba disponible para todos al anunciarse?

No. Google describió un acceso inicial para un grupo reducido de defensores y una ampliación gradual a socios de confianza. El acceso general a desarrolladores, empresas y consumidores quedaba previsto para después, sin una fecha concreta en el anuncio.

¿Los resultados de ciberseguridad se midieron con las mismas salvaguardas del producto?

Google indica que los benchmarks externos destacados se evaluaron sin salvaguardas. Esa condición debe conservarse al interpretar las cifras y no permite deducir el comportamiento de todas las configuraciones de producto.

¿Qué significa una tasa de éxito de ataques de 0,0 % en Gray Swan IPI?

Significa que ninguno de los ataques evaluados tuvo éxito en esa prueba, según Google y en las condiciones informadas. No elimina la necesidad de evaluar escenarios distintos y mantener controles de acceso y supervisión.

¿Cuánto costará usarlo?

Google anunció precios introductorios previstos de US$2 por millón de tokens de entrada y US$10 por millón de tokens de salida, con un descuento del 95% para entrada en caché. Después del período introductorio, Google anuncia US$4 por millón de tokens de entrada y US$20 por millón de tokens de salida, sin precisar su duración. Las condiciones vigentes y el costo total deben confirmarse en el producto y la cuenta correspondientes.

El documento de Google describe la metodología y la procedencia de algunos resultados de Gemini 4 Carbon; no constituye una validación independiente.

Consultar la metodología de evaluación de Gemini 4 Carbon: https://deepmind.google/models/evals-methodology/gemini-4-carbon

Fuentes:

Google, anuncio del 28 de octubre de 2026: https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon/

Google DeepMind, programa Fairwind: https://deepmind.google/fairwind-program/

La nota no reproduce los benchmarks ni verifica una cuenta. Las cifras y comparaciones se atribuyen a Google; el análisis operativo es editorial.