El nuevo modelo de Google lidera pruebas de detección de vulnerabilidades, explotación controlada y reparación de código, según los benchmarks publicados por la compañía. Su lanzamiento será gradual y comenzará con un grupo de especialistas en ciberdefensa antes de llegar a desarrolladores, empresas y consumidores.
Google anunció Gemini 4 Carbon, un nuevo modelo de inteligencia artificial de frontera diseñado para resolver problemas complejos de programación, ejecutar tareas de varios pasos y reforzar la ciberseguridad. La compañía lo presenta como su modelo más potente hasta ahora en estas áreas, con avances en la detección de vulnerabilidades, la evaluación de riesgos y la reparación de software.
El lanzamiento se produce apenas dos semanas después de la presentación de Gemini 4 Argon y refleja la velocidad con la que Google busca ampliar las capacidades de sus modelos. Según la empresa, Carbon obtuvo una puntuación de 59 en la versión 5.0 del Artificial Analysis Intelligence Index, donde ocupa el primer puesto de esa clasificación.
Los resultados también muestran avances en pruebas específicas de seguridad informática. Gemini 4 Carbon alcanzó un 88,2% en SEC-bench Pro, una evaluación orientada a encontrar vulnerabilidades en software real; un 54,8% en ExploitGym, centrada en comprobar si determinadas fallas pueden explotarse; y un 71% en CWE-bench, que mide la capacidad de corregir vulnerabilidades.
Google aclara que estas evaluaciones externas de ciberseguridad se realizaron sin las barreras de protección habituales del modelo. Los resultados corresponden a benchmarks específicos y no constituyen, por sí solos, una demostración de que el sistema pueda reemplazar a los especialistas en seguridad informática.
Un modelo preparado para trabajar durante días en problemas complejos
Una de las principales apuestas de Carbon es su capacidad para sostener flujos de trabajo autónomos durante períodos prolongados. Google afirma que sus equipos internos observaron al modelo trabajar durante días en tareas de ingeniería con múltiples etapas, incluso cuando encontraba obstáculos, para investigar errores sutiles y corregirlos en grandes bases de código y sistemas de bajo nivel.
La compañía también informó avances en desarrollo web. En WebDev Arena, Carbon subió 89 puntos Elo hasta alcanzar el cuarto puesto, con una puntuación de 1.768. Google atribuye esta mejora a una mayor calidad de los resultados y de los productos generados durante las tareas de desarrollo.
En materia de programación segura, los benchmarks internos de Google registraron una tasa de éxito más de dos veces superior a la de Gemini 4 Argon para generar código seguro. Además, el equipo de Chrome informó que Carbon obtuvo un rendimiento más de 10 veces superior al de un modelo de frontera de otro laboratorio en la generación de parches de alta calidad. La compañía no identificó ese modelo competidor en el anuncio.
Wiz, la plataforma de seguridad en la nube de Google, también observó resultados destacados de Carbon en pruebas de penetración web, una capacidad vinculada con su iniciativa Scan for Good.
Google refuerza los controles de seguridad y alineamiento
La empresa sostiene que el avance de las capacidades debe ir acompañado de mayores controles sobre el comportamiento del sistema. Carbon incorpora la arquitectura de seguridad de varias capas utilizada en Argon, que combina entrenamiento del modelo, defensas en tiempo real contra usos indebidos, resistencia a la inyección de instrucciones maliciosas y supervisión de la cadena de razonamiento.
En sus pruebas internas, Google informó que las alertas de desalineamiento de alta gravedad en entornos de programación reales se redujeron casi un 80%. También afirmó que Carbon disminuyó aproximadamente a la mitad las afirmaciones sin respaldo respecto de Argon.
En Terminal-Bench 4.0, la compañía reportó que los intentos de hacer trampa que tuvieron éxito cayeron al 0%, mientras que los intentos de hacerlo se redujeron al 0,4%, sin sacrificar la precisión general. En otra evaluación, Carbon redujo los comportamientos que excedían el alcance de una tarea en un 26% y aquellos en los que el modelo prestaba menos servicio del requerido en un 29%.
También mejoró su resistencia a los ataques de prompt injection indirecta. Según Google, Carbon obtuvo una tasa de éxito de los ataques del 0% en el benchmark de Gray Swan, frente al 0,7% registrado anteriormente por Argon. El resultado se limita a los intentos evaluados y no significa que el modelo sea inmune a todas las formas de ataque.
La compañía afirma que Carbon busca actuar con mayor transparencia cuando faltan pruebas, señalar contradicciones y solicitar información adicional en lugar de improvisar respuestas o avanzar fuera de los límites establecidos por el usuario.
Un lanzamiento gradual para especialistas y empresas
Google adoptará un despliegue progresivo. A partir de esta semana, Gemini 4 Carbon estará disponible para un grupo seleccionado de profesionales de ciberdefensa, y luego se ampliará el acceso a otros socios de confianza mediante su programa Fairwind.
La compañía también participa en el proceso voluntario del Gobierno de Estados Unidos para evaluar modelos antes de su lanzamiento público. La intención es recopilar comentarios y ajustar las medidas de protección antes de habilitar Carbon para desarrolladores, empresas y consumidores a través de sus productos.
En cuanto al precio, Google anunció las mismas tarifas introductorias que para Argon: U$S 2 por millón de tokens de entrada y U$S 10 por millón de tokens de salida. Los tokens de entrada almacenados en caché tendrán un descuento del 95% sobre la tarifa habitual de entrada.
Con Gemini 4 Carbon, Google busca combinar avances en programación autónoma y ciberseguridad con una implementación controlada. El desafío será comprobar si las mejoras anunciadas en pruebas y entornos internos se traducen en resultados consistentes para las organizaciones que necesitan desarrollar software y proteger sus sistemas.