
Gemini 4 Carbon: el modelo más fuerte de Google, sus benchmarks y su precio
Gemini 4 Carbon de Google: disponible desde el 10 de noviembre de 2026, 2 y 10 dólares por millón de tokens hasta el 30-nov y benchmarks de ciberseguridad.
gemini-4-carbon) es un modelo de Google DeepMind que Google presenta como su modelo más fuerte. Lo anunció el 28 de octubre de 2026 con acceso inicial para defensores de ciberseguridad y lo abrió a desarrolladores de pago el 10 de noviembre de 2026. Lo presenta como su modelo con capacidades de ciberseguridad y de tareas de larga duración de vanguardia.Los datos de esta página son a 15 de noviembre de 2026. Los precios de Carbon cambian el 1 de diciembre, así que vuelve a revisarlos.
¿Qué es Gemini 4 Carbon y cuándo salió?
Google lo describe en su anuncio del 28 de octubre como “our strongest model with state-of-the-art cybersecurity and long horizon capabilities”, y lo llama el siguiente modelo de frontera. Llega dos semanas después de Gemini 4 Argon y está pensado para flujos de agentes sostenidos y tareas de ingeniería largas y de varios pasos.
La salida fue en dos tiempos. El 28 de octubre quedó disponible para un grupo de defensores de ciberseguridad; para desarrolladores, empresas y consumidores el anuncio decía “pronto”. El 10 de noviembre de 2026 Google publicó que Carbon ya estaba disponible por la API en Google AI Studio y en Gemini para empresas. En la entrada del 10 de noviembre también se menciona su llegada a suscriptores de Google AI Ultra (en Antigravity, la app de Gemini y el Modo IA de Búsqueda), de forma gradual.
¿Para qué sirve?
- Ciberseguridad: encontrar vulnerabilidades en software real, evaluar si se pueden explotar y proponer parches. Es el terreno donde Google más insiste.
- Agentes de larga duración: tareas de ingeniería que requieren muchos pasos. Para entender cómo se encadenan, mira modelos de razonamiento.
Si lo que buscas es el asistente de Google para tu día a día, revisa Gemini para diseñadores; esta página trata del modelo.
¿Cuál es la ficha rápida?
| Dato | Valor (a 15-nov-2026) |
|---|---|
| ID de API | gemini-4-carbon |
| Laboratorio | Google (DeepMind) |
| Anuncio | 28 de octubre de 2026 |
| Disponibilidad por API | 10 de noviembre de 2026 (nivel de pago) |
| Contexto | 1 millón de tokens (según la página de modelos de AI Studio) |
| Salida máxima | “64K / 1M” en la página de modelos, sin explicación de qué significa cada valor |
| Precio estándar | 2 USD entrada / 10 USD salida hasta el 30-nov-2026; 4 / 20 desde el 1-dic-2026 |
| Abierto o cerrado | Cerrado (acceso por API) |
¿Qué benchmarks publicó y cómo se leen?
Estos puntajes los reporta Google en su anuncio del 28 de octubre de 2026. El anuncio no indica quién ejecutó cada evaluación; algunos benchmarks e índices son de terceros y se indica su origen. Los benchmarks de cada laboratorio no son comparables entre sí, así que no los uses para un ranking entre laboratorios. Para aprender a leerlos, revisa cómo leer benchmarks de IA.
| Benchmark | Puntaje de Carbon | Quién lo midió |
|---|---|---|
| Artificial Analysis Intelligence Index v5.0 | 59 (puesto 1, según Google) | Índice de Artificial Analysis (enlazado por Google); lo reporta Google |
| SEC-bench Pro | 88,2 % | Reportado por Google |
| ExploitGym | 54,8 % | Reportado por Google |
| CWE-bench (Collinear) | 71,0 % | Benchmark de Collinear; lo reporta Google |
| WebDev Arena | 1768 Elo (puesto 4) | Arena (enlazada por Google); lo reporta Google |
| Gray Swan Indirect Prompt Injection | 0,0 % de éxito de ataques (Argon: 0,7 %) | Reportado por Google |
Cómo leerlos, con lo que dice Google en el anuncio:
- SEC-bench Pro mide encontrar vulnerabilidades: “autonomously uncovering complex flaws buried in real-world software”.
- ExploitGym es, según Google, un benchmark popular de explotación de vulnerabilidades. El anuncio añade que los defensores usan cada vez más los modelos para comprobar qué vulnerabilidades son explotables.
- CWE-bench mide si el modelo corrige la causa raíz: convierte hallazgos validados en arreglos de código que funcionan.
- Gray Swan IPI mide, según Google, la resistencia a la inyección de instrucciones (prompt injection). Es la tasa de éxito de los ataques, así que menos es mejor.
- WebDev Arena: Google la asocia con mejor calidad de salida y de artefactos en desarrollo web. Reporta 1768 Elo, +89 puntos (el anuncio no dice respecto a qué).
- El Artificial Analysis Intelligence Index es un índice externo (Google enlaza a Artificial Analysis). El anuncio no explica qué incluye, solo que Carbon muestra mejoras en código y tareas de agentes.
Google señala además que SEC-bench Pro, ExploitGym y CWE-bench se evaluaron sin las barreras de seguridad (guardrails) del modelo. Por eso, si construyes un producto, prueba el modelo con sus protecciones activas. Cifras internas y de socios que cita el anuncio (por ejemplo, el equipo de Chrome) no se pueden verificar desde la página; trátalas como afirmaciones de Google.
¿Cuánto cuesta y qué contexto tiene?
Según la página de precios de Google AI Studio, a 15 de noviembre de 2026, por millón de tokens (la salida incluye los tokens de pensamiento):
| Nivel | Entrada hasta 30-nov | Salida hasta 30-nov | Entrada desde 1-dic | Salida desde 1-dic |
|---|---|---|---|---|
| Estándar | 2,00 | 10,00 | 4,00 | 20,00 |
| Batch o Flex | 1,00 | 5,00 | 2,00 | 10,00 |
| Priority | 3,60 | 18,00 | 7,20 | 36,00 |
Puntos a tener en cuenta:
- El precio de lanzamiento termina el 30 de noviembre de 2026. Desde el 1 de diciembre el precio estándar se duplica.
- No hay umbrales por longitud de prompt: cada nivel tiene un único precio.
- La caché de contexto es implícita (la caché explícita no se admite) y cuesta 0,10 dólares por millón hasta el 30 de noviembre y 0,20 desde el 1 de diciembre en el nivel estándar.
Para entender la cuenta, lee costo por token, tokens y ventana de contexto.
¿Cuándo elegirlo y cuándo no?
Elígelo cuando:
- Tu tarea es de ciberseguridad o de ingeniería larga y compleja.
- Quieres un modelo de máxima capacidad de Google para comparar con uno más barato del mismo laboratorio, como Gemini 4 Hydrogen.
No lo elijas cuando:
- La tarea es repetitiva y de alto volumen. Un modelo pequeño cuesta mucho menos.
- Necesitas pesos abiertos: ver modelos abiertos vs. cerrados.
- Tu cuenta es gratuita: Carbon exige el nivel de pago.
- Necesitas el acceso para ciberseguridad del Programa Fairwind: Google lo da de forma gradual a defensores y socios de confianza.
Ejemplo
Ejemplo ilustrativo: un equipo de producto mantiene una aplicación web y quiere revisar un módulo de inicio de sesión antes de un lanzamiento. Le pasan a Carbon el código del módulo y piden: “Lista posibles vulnerabilidades, indica cuáles se pueden explotar y propón un arreglo con la causa raíz”. El modelo devuelve cinco hallazgos. El equipo no aplica nada sin más: una persona de seguridad confirma cuáles son reales y cuáles son falsos positivos antes de tocar el código.
Qué probar mañana: elige una tarea larga que hoy le dividas a un modelo en varias partes, dásela completa a Carbon y a un modelo menor, y compara cuántas veces cada uno pierde el hilo.
Errores comunes
- Leer “puesto 1” en un índice como “el mejor para mi caso”: un índice general no mide tu tarea.
- Comparar sus puntajes con los de otro laboratorio como si fueran la misma prueba.
- No mirar la fecha de cambio de precio: el 1 de diciembre el precio estándar pasa de 2 y 10 a 4 y 20 dólares.
- Dar por buena una respuesta de seguridad sin revisión humana: un hallazgo puede ser un falso positivo.
- Olvidar que Google evaluó los benchmarks de ciberseguridad sin guardrails: prueba el modelo con la configuración que usarás en producción.