Google anuncia Gemini 4 Carbon, su modelo más potente con foco en ciberseguridad

Google DeepMind anunció Gemini 4 Carbon, descrito como su próximo modelo de frontera y su modelo más potente, con rendimiento de punta en ciberseguridad y en tareas largas y complejas.

Según Google, Carbon ocupa el 1.er lugar en el Artificial Analysis Intelligence Index v5.0, con 59 puntos, con avances en programación y en tareas de agentes autónomos.

Récords en seguridad

En defensa cibernética, el modelo alcanzó 88.2% en SEC-bench Pro para encontrar vulnerabilidades, 54.8% en ExploitGym para explotación y 71.0% en CWE-bench de Collinear para corrección de fallas.

En la práctica, esto cubre el ciclo de defensa: hallar fallas reales en software, probar si pueden ser explotadas y convertir el diagnóstico en una corrección en el código. Google dice que las pruebas externas fueron evaluadas sin guardrails.

En benchmarks internos, Carbon logró más de 2x de mejora en la tasa de éxito al generar código seguro frente a Argon. El equipo de Chrome reportó un rendimiento más de 10X mejor que otro modelo de frontera de otro laboratorio al generar parches de alta calidad, y Wiz destacó su liderazgo en pruebas de intrusión web.

Programación larga y precio

Carbon fue creado para problemas largos de ingeniería, con flujos continuos de trabajo de agentes. Internamente, los equipos vieron al modelo trabajar durante días para resolver errores sutiles en grandes bases de código y sistemas de bajo nivel.

Sucede a Gemini 4 Argon, lanzado hace dos semanas. En desarrollo web, subió 89 puntos de elo para llegar al 4.º lugar en WebDev Arena, con 1768 puntos.

El precio inicial será el mismo que el de Argon: US$ 2 por millón de tokens de entrada y US$ 10 por millón de tokens de salida, con tokens de entrada en caché con 95% de descuento sobre el precio de entrada. El token es la unidad de texto que el modelo lee y genera, y el caché reduce el costo de repetir contexto.

Seguridad y lanzamiento gradual

En alineación, Google dice que Carbon redujo a cero el éxito en trampas en Terminal-Bench 4.0, con 0.0% de éxito y 0.4% de intentos, además de una caída de casi 80% en alertas graves de desalineación en uso interno. También recortó las afirmaciones sin sustento en cerca de 2x y redujo el exceso de acción en 26% y la falta de entrega en 29%.

Contra la inyección indirecta de prompts, el benchmark es la prueba que mide la resistencia a comandos maliciosos ocultos. Carbon alcanzó 0.0% de tasa de éxito de ataque en el benchmark Indirect Prompt Injection de Gray Swan, frente a 0.7% de Argon.

La liberación será gradual: a partir de esta semana para un grupo de defensores cibernéticos, con expansión a socios confiables a través de Fairwind Program. Google dice que participa en el proceso voluntario del gobierno de EE. UU. para pruebas previas al lanzamiento y que llevará el modelo a desarrolladores, empresas y consumidores lo antes posible.