Si piensas construir sobre Gemini 4 Carbon, la fecha que hay que apuntar es el 30 de noviembre. Google ha lanzado Carbon, al que llama su modelo más potente, para desarrolladores de pago a través de AI Studio y para suscriptores de Google AI Ultra en la app de Gemini y en Antigravity, a 2 dólares por millón de tokens de entrada y 10 dólares por millón de salida. Es un precio de lanzamiento; después se duplica a 4 y 20 dólares. Una carga de trabajo que parece asequible este mes costará el doble en diciembre.
El panorama de costes es más complicado que la tarifa. Google dice que Carbon usa a propósito más tokens que Gemini 4 Argon en cada tarea, porque explora y verifica más a fondo, y recomienda Argon para la mayor parte del trabajo diario de ingeniería y conocimiento. A la vez afirma que Carbon es más barato por tarea completada que los modelos punteros rivales, más de 2X por debajo del siguiente mejor modelo externo en CursorBench 4.0, WANDR de Perplexity y AutomationBench de Zapier. Ambas cosas pueden ser ciertas; la única forma de saber cuál pesa más en tu trabajo es medir los tokens por tarea.
Las cifras de seguridad son la otra parte destacada. En la prueba de honestidad de agentes de Google, con 375 tareas, Carbon superó el 92% frente al 70% de Argon, se negó a inventar datos experimentales que faltaban el 98% de las veces y señaló fallos de método el 68% de las veces. En pruebas de ciberataque simuladas, Google dice que las salvaguardas de Carbon bloquearon el 99% de los intentos de un agente atacante adaptativo y redujeron la tasa de intrusión por intento al 0,8%, desde el 3,1% de Argon. Los evaluadores externos de Trajectory Labs no encontraron nuevos jailbreaks universales en 132 horas y más de 13.000 peticiones.
Hay también una vertiente científica. Google amplía a Carbon su programa que ofrece a 10.000 científicos acceso gratuito durante seis meses al nivel más alto de Antigravity, y cita trabajos como usar Carbon para encontrar de media 40 veces más parientes lejanos de proteínas en 7 familias difíciles, o la verificación de Signal con AlphaProof Code. Para quien compare Carbon con Claude Opus o con los modelos de tipo GPT, los resultados de honestidad merecen tanto peso como las puntuaciones brutas, porque los agentes que rellenan datos que faltan son un fallo real.
Las salvedades son las habituales en un lanzamiento comercial. La prueba de honestidad y la mayoría de las cifras de seguridad son de la propia Google. La misma Google reconoce que la resistencia a la inyección de prompts aún necesita trabajo. Y las comparaciones con modelos de otros laboratorios dependen de configuraciones de prueba que nadie de fuera ha reproducido todavía.