Gemini 4 Carbon: más ciberseguridad, pero acceso todavía limitado

Google ha presentado Gemini 4 Carbon como su modelo más potente hasta ahora, pero no lo ha abierto todavía al público general. El despliegue comienza con un grupo limitado de defensores de ciberseguridad y socios de confianza. Esta diferencia entre anuncio y disponibilidad es esencial: Carbon ya tiene resultados publicados y un precio previsto, aunque la mayoría de desarrolladores, empresas y consumidores aún no puede utilizarlo.

El anuncio del 28 de octubre de 2026 pone el foco en programación, tareas largas y ciberseguridad. Google afirma que Carbon alcanza un 88,2 % en SEC-bench Pro, un 54,8 % en ExploitGym y un 71,0 % en CWE-bench. Son cifras llamativas, pero cada prueba mide un entorno concreto. No demuestran que el modelo pueda proteger una organización sin supervisión, ni autorizan a emplearlo contra sistemas ajenos.

Índice

Qué es Gemini 4 Carbon y qué está disponible hoy

Gemini 4 Carbon pertenece a la familia Gemini 4 y sucede, por capacidad, a Gemini 4 Argon, presentado dos semanas antes. Google lo describe como un modelo de frontera pensado para problemas de ingeniería que exigen mantener contexto, probar alternativas y corregir errores durante periodos prolongados. La compañía asegura que sus equipos internos lo han mantenido trabajando durante días sobre fallos complejos y grandes bases de código.

Sin embargo, Carbon no aparece aún como modelo estable en la documentación pública de la API de Gemini. En el momento de publicar este artículo, la guía para desarrolladores enumera Gemini 4 Argon como el modelo estable de la serie. Google prevé ampliar Carbon a desarrolladores, empresas y consumidores “lo antes posible”, pero no ha dado una fecha concreta ni un identificador público de API.

El acceso inicial se limita a defensores de ciberseguridad seleccionados y se ampliará gradualmente a socios de confianza mediante el programa Fairwind. Google también indica que participa en el proceso voluntario del Gobierno de Estados Unidos para realizar pruebas previas al lanzamiento. Por tanto, quien vea una web que promete acceso inmediato y general a Carbon debería contrastarla con la documentación oficial antes de facilitar datos o pagar.

Qué significan sus resultados de ciberseguridad

Los tres porcentajes más destacados corresponden a fases diferentes del trabajo defensivo. Conviene entenderlas por separado, porque agruparlas bajo la etiqueta “seguridad” puede crear una expectativa falsa de autonomía completa.

Encontrar vulnerabilidades: SEC-bench Pro

SEC-bench Pro reúne casos verificables procedentes de software real, entre ellos componentes de Chromium V8, Mozilla SpiderMonkey y el núcleo Linux. El repositorio público documenta 344 casos con entornos reproducibles, pruebas de concepto y comprobaciones sobre versiones vulnerables y corregidas. Google atribuye a Carbon un 88,2 % en una evaluación sin las barreras de seguridad habituales.

Ese dato sugiere una capacidad elevada para investigar fallos dentro de un banco de pruebas, pero no debe confundirse con una tasa de detección garantizada en cualquier producto. El resultado puede depender del arnés, del tiempo, de las herramientas disponibles y de cómo se puntúe cada tarea. Además, una vulnerabilidad encontrada por un agente debe ser reproducida, clasificada y comunicada de forma coordinada antes de considerarla una incidencia confirmada.

Comprobar si un fallo es explotable: ExploitGym

ExploitGym estudia si un modelo puede desarrollar una prueba de explotación a partir de vulnerabilidades ya corregidas. El conjunto descrito por sus autores abarca 898 fallos de proyectos de código abierto, V8 y Linux. Carbon obtiene, según Google, un 54,8 %. El porcentaje es inferior al de detección porque validar la explotabilidad exige encadenar más pasos y producir un comportamiento observable.

Esta capacidad tiene valor defensivo: ayuda a priorizar qué hallazgos podrían tener consecuencias reales. También es una capacidad de doble uso. Por eso el acceso inicial no es masivo y por eso las organizaciones necesitan autorización, aislamiento, registro de acciones y reglas claras. Un resultado de laboratorio no convierte una prueba ofensiva sin permiso en una actividad legítima.

Corregir la causa: CWE-bench

CWE-bench evalúa agentes que deben localizar y parchear debilidades en repositorios. Su conjunto reservado contiene 120 tareas, 73 tipos de debilidad y verificadores deterministas, además de un panel de agentes que juzga los resultados. Google declara un 71,0 % para Carbon. La página pública del benchmark mostraba previamente un máximo del 68 % para otros modelos, lo que permite entender por qué el anuncio presenta Carbon como un avance.

Aun así, aprobar una prueba no elimina la revisión de código. Un parche puede superar los casos disponibles y crear una regresión no cubierta. En producción siguen siendo necesarios revisión humana, integración continua, pruebas específicas, despliegue gradual y posibilidad de revertir. La IA puede acelerar una propuesta; la responsabilidad del cambio permanece en el equipo.

Más allá de la seguridad: programación y tareas de larga duración

La tabla de Google sitúa Carbon por encima de Argon en varias pruebas de programación, uso del ordenador, contexto largo, ciencia y comprensión multimodal. Entre ellas figuran un 65,2 % en Terminal-Bench 4.0, un 81,5 % en el subconjunto sin conexión de OSWorld-2.1 y un 96,2 % en GraphWalks con recorridos sobre contextos de 256.000 a un millón de elementos. Son señales de amplitud, no una garantía uniforme.

El dato más interesante para empresas quizá no sea una puntuación aislada, sino la idea de persistencia: mantener un objetivo, investigar un fallo, probar hipótesis y volver atrás cuando una ruta no funciona. Esa continuidad puede ser útil en migraciones, revisión de dependencias, documentación o modernización de código. También aumenta el coste de un error si el agente dispone de permisos excesivos.

Para aprender a convertir capacidades generales en procesos concretos, puede resultar útil comparar esta noticia con nuestro análisis del workshop de inteligencia artificial para negocios. Si el objetivo es crear activos visuales y campañas, el Taller IA Content para emprendedores aborda un uso distinto y más cercano a la producción de contenidos. Ambas referencias son formaciones comerciales; Carbon, en cambio, es infraestructura de modelo y todavía no está disponible de forma general.

Precio anunciado y disponibilidad real

Google señala que Carbon tendrá el mismo precio introductorio que Argon: 2 dólares por millón de tokens de entrada y 10 dólares por millón de tokens de salida, con un descuento del 95 % para entrada almacenada en caché. Tras el periodo introductorio, la tarifa prevista será de 4 dólares por millón de tokens de entrada y 20 dólares por millón de salida.

Esto no equivale a una oferta contratable hoy por cualquier usuario. Falta conocer la fecha de apertura, las regiones, cuotas, límites, modalidades de servicio y condiciones aplicables a cada superficie. Tampoco basta con multiplicar tokens: un flujo agente puede generar muchas llamadas, utilizar herramientas externas y permanecer activo durante horas o días. El coste total depende de la arquitectura, la longitud del contexto, los reintentos y la supervisión.

Cuando Carbon llegue a servicios gestionados, convendrá separar tres preguntas: dónde se procesa la información, quién puede acceder a ella y qué acciones puede ejecutar el agente. Nuestro artículo sobre estándares de acceso a modelos mediante terceros explica por qué una pasarela no hereda automáticamente todos los controles del proveedor original. También ayuda a contextualizar la distribución empresarial el análisis de modelos de OpenAI en Google Cloud.

Qué dice Google sobre alineación y ataques indirectos

El anuncio atribuye a Carbon mejoras frente a atajos, afirmaciones sin respaldo, exceso de iniciativa e instrucciones ambiguas. Google asegura que los avisos internos de desalineación grave cayeron cerca de un 80 %, que las afirmaciones no sustentadas se redujeron aproximadamente a la mitad frente a Argon y que el modelo disminuyó tanto el exceso como la falta de actuación.

También afirma un 0,0 % de éxito para ataques en la prueba de inyección indirecta de instrucciones de Gray Swan, frente al 0,7 % comunicado para Argon. La propia investigación de Gray Swan recuerda que los agentes pueden encontrar instrucciones maliciosas en correos, páginas o código. Un cero en una configuración concreta no prueba inmunidad universal: cambian los ataques, los intentos, las herramientas y el contexto.

Por esa razón, una organización no debería sustituir controles técnicos por una puntuación. Los permisos mínimos, la separación de entornos, la confirmación antes de acciones sensibles, el filtrado de datos y los registros auditables siguen siendo obligatorios. Si un agente lee información externa y además puede modificar sistemas, debe asumirse que cualquier contenido recuperado puede intentar alterar su comportamiento.

Hechos confirmados, inferencias y predicciones

Hechos confirmados

Google anunció Gemini 4 Carbon el 28 de octubre de 2026.
El acceso inicial se limita a defensores de ciberseguridad y socios seleccionados.
La documentación pública de la API todavía no lo enumera como modelo estable disponible.
Google publica resultados del 88,2 % en SEC-bench Pro, 54,8 % en ExploitGym y 71,0 % en CWE-bench.
El precio anunciado es introductorio y comenzará cuando el servicio se abra en las superficies correspondientes.

Inferencias razonables

El lanzamiento escalonado indica que Google considera que las capacidades de explotación y tareas prolongadas requieren más observación antes de una distribución amplia. También es razonable esperar que las primeras aplicaciones se concentren en revisión de código, clasificación de hallazgos, generación de parches y operaciones controladas, porque son áreas donde el anuncio ofrece datos concretos.

Predicciones que todavía no son hechos

Es probable que Carbon llegue a la API, a servicios empresariales y a productos de consumo, porque Google lo anuncia expresamente. No sabemos cuándo, en qué países ni con qué límites. Tampoco puede afirmarse aún que sustituirá a Argon, reducirá costes totales o superará a otros modelos en proyectos reales. Esas conclusiones exigirán acceso, evaluaciones independientes y mediciones dentro de cada organización.

Cómo prepararse sin adelantarse al producto

Define una tarea medible. Elige un repositorio y un conjunto de incidencias con resultados verificables. Evita probar primero en producción.
Limita permisos. Separa lectura, propuestas de cambio y despliegue. Las acciones irreversibles deben requerir aprobación humana.
Conserva una línea base. Mide calidad, tiempo, coste y errores con el proceso actual antes de introducir el modelo.
Evalúa el arnés completo. El resultado depende también de herramientas, contexto, políticas y verificadores, no solo del nombre del modelo.
Repite pruebas adversarias. Incluye instrucciones maliciosas en documentos y páginas de ensayo para verificar que el sistema no abandona el objetivo autorizado.
Comprueba la documentación oficial. Espera a que Google publique el identificador, la disponibilidad y las condiciones de uso aplicables.

Preguntas rápidas sobre Gemini 4 Carbon

¿Puedo usar Gemini 4 Carbon ahora?

No de forma general. El acceso empieza con un grupo limitado de defensores y socios. La API pública continúa mostrando Argon como modelo estable de Gemini 4.

¿Es un modelo exclusivo de ciberseguridad?

No. Google también destaca programación, tareas agentes, ciencia, comprensión multimodal y contexto largo. La ciberseguridad recibe especial atención por la magnitud de las mejoras y por sus riesgos de doble uso.

¿Un 88,2 % significa que encuentra casi todos los fallos?

No. Significa que obtuvo ese resultado en una configuración concreta de SEC-bench Pro comunicada por Google. No describe todos los lenguajes, productos, vulnerabilidades o condiciones reales.

¿Carbon elimina el riesgo de inyección de instrucciones?

No puede concluirse eso. El 0,0 % publicado corresponde a una evaluación específica. Los controles de permisos, aislamiento y confirmación siguen siendo necesarios.

Conclusión: avance técnico, acceso deliberadamente limitado

Gemini 4 Carbon reúne avances relevantes en programación prolongada y ciberseguridad, y sus cifras justifican seguirlo de cerca. La lectura responsable del anuncio tiene dos partes inseparables: Google comunica mejoras medibles, pero todavía limita el acceso mientras amplía pruebas y salvaguardas.

Para empresas y desarrolladores, el siguiente paso no es buscar atajos de acceso, sino preparar evaluaciones reproducibles, permisos mínimos y métricas. Cuando Carbon esté disponible, esas bases permitirán saber si mejora un flujo real. Hasta entonces, sus resultados son evidencia prometedora del proveedor, no una garantía universal ni una autorización para delegar seguridad sin supervisión.