Gemini 4 Carbon lidera el índice de Artificial Analysis y llega primero a especialistas en ciberdefensa, con avances en programación y seguridad.
Google presentó Gemini 4 Carbon, un modelo de IA diseñado para resolver tareas de ingeniería prolongadas y trabajar en la detección y corrección de vulnerabilidades. Su anuncio incluye resultados en programación, razonamiento y seguridad informática, aunque el acceso inicial estará restringido a especialistas en ciberdefensa.
Gemini 4 Carbon alcanza 59 puntos en la versión 5.0 del Artificial Analysis Intelligence Index, frente a los 50 de Gemini 4 Argon, presentado dos semanas antes. En Terminal-Bench 4.0 obtiene un 65.2 % y en SWE-sweep registra un 9.6 %, dos evaluaciones relacionadas con la programación mediante agentes.
Google informa que sus equipos observaron ejecuciones del modelo durante varios días para investigar errores y preparar correcciones en grandes bases de código y sistemas de bajo nivel. En desarrollo web, Carbon suma 1768 puntos y ocupa el cuarto lugar de WebDev Arena, con una mejora de 89 puntos Elo.
Las pruebas publicadas también incluyen un 80.0 % en RiemannBench, orientada a problemas científicos y matemáticos, y un 72.5 % en Chartography, vinculada con comprensión multimodal. Google no detalla en este anuncio el número de parámetros ni la arquitectura interna del modelo.
En SEC-bench Pro, utilizada para evaluar la detección de vulnerabilidades reales en programas informáticos, Carbon obtiene un 88.2 %, frente al 83.4 % de Argon. Google señala que sus evaluaciones externas de ciberseguridad se realizaron sin las salvaguardias del modelo.
En ExploitGym, una prueba que mide la capacidad de explotar vulnerabilidades de software, Gemini 4 Carbon obtiene un 54.8 % frente al 42.0 % de Argon cuando ambos disponen de diez horas por tarea. Al reducir el tiempo disponible a seis horas, Carbon registra un 53.5 %, mientras que Argon alcanza un 39.5 %.
En CWE-bench, una evaluación de la capacidad para generar correcciones de seguridad funcionales, Carbon obtiene un 71.0 %. Grok 4.7, Gemini 4 Argon y GPT-6 Astra le siguen con un 68.0 % cada uno.
En las pruebas internas de Google, Carbon superó en más del doble la tasa de éxito de Argon al generar código seguro. También registró un 0.0 % de ataques exitosos en los intentos evaluados por Gray Swan IPI, una prueba de resistencia a la inyección indirecta de instrucciones.
El acceso comenzará esta semana con un grupo limitado de especialistas en ciberdefensa y se extenderá gradualmente a participantes seleccionados del programa Fairwind, sin fecha anunciada para su disponibilidad general. El precio introductorio será de US$2 por millón de tokens de entrada y US$10 por millón de salida, con un descuento del 95 % para entradas almacenadas en caché.
Tras el período introductorio, Google establece precios de US$4 y US$20 por millón de tokens de entrada y salida, respectivamente.
