Gemini 4 Carbon es número uno en el índice y no está disponible: qué cambió el 28 de octubre

Google DeepMind publicó Gemini 4 Carbon: nuestro próximo modelo de frontera el 28 de octubre de 2026, y dentro de esa publicación estaba la cifra que desde entonces se ha citado en todas partes: 59 en el Artificial Analysis Intelligence Index v5.0 — primer lugar, un punto por delante de Claude Opus 5.5 con 58, y nueve por delante de Gemini 4 Argon, el modelo en el que se basa Carbon y el que Google ha estado vendiendo en su API de pago desde el 13 de octubre. Artificial Analysis es el evaluador externo detrás de esa cifra, y había publicado la fila ese mismo día. Lo que no llegó el 28 de octubre, ni el 29 ni el 30 de octubre, fue una forma para que cualquiera fuera de un programa designado pudiera llamar al modelo.

Esa brecha —entre un ranking superior verificado y una puerta sin manilla— es toda la historia de la semana. Carbon no es una filtración, no es un rumor ni una vista previa que alguien detectó en una tabla de clasificación. Es un modelo anunciado, sometido a benchmarks, con precio, con una tarifa publicada y sin un ID de modelo publicado. A continuación, lo que realmente cambió, lo que Google no reveló y lo que significan las cifras una vez que dejas de leer la puntuación del titular y empiezas a leer las nueve pruebas de las que se calcula el promedio.

Lo que decía la publicación, y las cuatro cosas que no decía

El anuncio nombra a Koray Kavukcuoglu, vicepresidente sénior y arquitecto jefe de IA de Google DeepMind, y posiciona a Carbon como un modelo de ciberseguridad e ingeniería de largo plazo construido sobre Argon. La redacción sobre el acceso es precisa y merece leerse dos veces: «A partir de esta semana, pondremos Carbon a disposición de un subconjunto de defensores cibernéticos», luego «ampliaremos gradualmente el acceso a más socios de confianza a través de nuestro Fairwind Program» y, por último, a desarrolladores, empresas y consumidores «lo antes posible», una vez que se perfeccionen las salvaguardas. Google también afirma que participa en el proceso voluntario de pruebas previas al lanzamiento del gobierno de Estados Unidos. No aparece ninguna fecha en esa secuencia.

Cuatro cosas que normalmente contiene una página de modelo están ausentes:

• ID del modelo — la lista de modelos de la API Gemini, consultada el 30 de octubre, no contiene ninguna entrada de Carbon. Su única cadena de Gemini 4 es gemini-4-argon.

• Ventana de contexto — no se indica en la publicación de Google y no aparece en su página de precios. La página del modelo de Artificial Analysis indica 1M; se trata de una cifra de terceros, no de una especificación del proveedor, y es la única en circulación.

• Número de parámetros y arquitectura — no divulgados, y ningún informe técnico acompaña el lanzamiento.

• Una ficha de modelo — ninguna publicada al 30 de octubre, razón por la cual todos los medios secundarios citan la entrada del blog en lugar de una especificación.

Los precios, en cambio, se publican en su totalidad, lo que hace que el conjunto de omisiones parezca deliberado y no algo inacabado: Google está dispuesto a decirte cuánto cuesta Carbon antes de estar dispuesto a decirte qué es.

El 59 es un promedio de nueve pruebas, y Carbon gana cuatro de ellas.

El análisis propio de Artificial Analysis es más útil que la clasificación. Carbon lidera 4 de las 9 evaluaciones constituyentes —HLE-Diamond, Terminal-Bench-Science, AA-Omniscience y AutomationBench-AA—, lo que significa que la puntuación de primer lugar proviene de ser muy bueno en todos los aspectos, y no de arrasar en el conjunto. Las áreas en las que no lidera son las primeras que notaría un desarrollador que contrata un agente.

• Agentes de programación — Carbon obtiene 59 en el Coding Agent Index con Antigravity CLI. Claude Opus 5.5 alcanza 62 en Claude Code. Tres puntos, en la carga de trabajo exacta donde el marketing de Google se apoya con más fuerza.

• Terminal-Bench 4.0 — Carbon es segundo con 64 %, por detrás de Claude Opus 5.5.

• FrontierCode v1.1 — segundo con un 51 %, de nuevo por detrás de Opus 5.5.

• AA-Briefcase — 1.609 Elo, 126 más que los 1.483 de Gemini 4 Argon. Es el mayor salto individual del lanzamiento, y aun así deja a Carbon por detrás de Grok 4.7 (1.638), Muse Wonder (1.659) y Kimi K3.1 Pro (1.678).

• AA-Omniscience v1.1 — 54, por delante de los 48 de Opus 5.5 y los 46 de Argon. La precisión aumentó 10 puntos hasta el 58%, y la tasa de alucinaciones subió del 4% al 11%. La segunda cifra no aparece en la publicación de Google.

La lectura honesta de 59, entonces, es que Carbon es el modelo de propósito general más potente del ranking y el segundo agente de programación más potente, con una tasa de alucinaciones empeorada que Google no reveló voluntariamente. Las tres afirmaciones proceden de la misma página.

La tabla del propio Google, etiquetada como de Google

Las cifras de los proveedores son las que acabarán en las presentaciones de adquisiciones, así que merecen una atribución precisa en lugar de compartir frase con la puntuación independiente. Todo lo que sigue está reportado por Google y no ha sido reproducido fuera de Google:

• SEC-bench Pro — 88,2 % en descubrimiento de vulnerabilidades, la afirmación principal en ciberseguridad.

• ExploitGym — 54,8 % en explotación, frente a 42,0 % de Gemini 4 Argon.

• CWE-bench — 71,0 % en aplicación de parches.

• WebDev Arena — subió 89 puntos Elo hasta 1.768, cuarto lugar. Esta es una arena pública y, por lo tanto, verificable, razón por la cual es la afirmación del proveedor que menos necesita una salvedad.

• Inyección indirecta de prompts de Gray Swan — 0,0 % de éxito de ataque, frente al 0,7 % de Argon. Trampas en Terminal-Bench 4.0: 0,0 % exitosas, 0,4 % intentadas.

• Afirmaciones internas de ingeniería: más del doble de éxito en la generación de código seguro frente a Argon; una declaración del equipo de Chrome de que Carbon produjo parches "más de 10 veces" mejores que el modelo de frontera de un laboratorio rival; alertas de desalineación grave reducidas casi un 80 %; aserciones sin respaldo reducidas aproximadamente a la mitad; exceso de alcance en las tareas reducido un 26 % y prestación insuficiente reducida un 29 %.

La tabla de Google no es uniformemente halagüeña, y los dos puntos donde pierde son los que vale la pena recordar: FrontierSWE 2 fue para GPT-6 Astra, y el subconjunto offline de OSWorld-2.1 fue para Claude Opus 5.5. Una publicación de lanzamiento que publica sus propias derrotas es más creíble que una que publica diecisiete victorias sin una columna para el resto; exactamente por eso las líneas de derrotas son lo primero que hay que revisar cuando un proveedor afirma haber arrasado.

El tarifario, y el reloj que Google no puso en marcha

El precio introductorio de Carbon es de $2 por millón de tokens de entrada y $10 por millón de tokens de salida, con la entrada en caché al 95% de descuento. Luego, la publicación afirma que "$4 por 1 millón de tokens de entrada y $20 por 1 millón de tokens de salida se aplicarán" una vez que expire el período introductorio, y no indica ninguna fecha de expiración. Argon, en cambio, tiene una fecha límite firme: su tarifa introductoria se extiende hasta el 30 de noviembre de 2026, y la tarifa estándar entra en vigor el 1 de diciembre. El reloj de Carbon no ha empezado a correr, y no empezará hasta que el modelo tenga un endpoint público que vender.

Con precios estándar, Artificial Analysis sitúa el costo de Carbon por tarea del Intelligence Index en $7,76 —unos 23% por debajo de Claude Opus 5.5 (max) a $10,04, y aproximadamente 1,2 veces GPT-6 Astra (max) a $6,25, con 123k tokens de salida por tarea. Son dólares por tarea, no dólares por token, y la distinción importa: un modelo que es más barato por token pero piensa más tiempo aún puede costar más por respuesta.

Esta es la parte del lanzamiento que cobrará relevancia en el momento en que Carbon tenga un endpoint, y es la parte para la que la regla de traspaso sobre el catálogo completo de modelos está pensada. OrcaRouter cobra un 0 % de margen y traslada el precio de lista del propio proveedor, de modo que una reducción o una subida de la tarifa del proveedor se hace efectiva del lado nuestro el mismo día, en lugar de después de un ciclo de reajuste de precios. Hoy esa regla se aplica a los modelos de Google que sí enrutamos; Carbon no es uno de ellos, y las páginas que afirman lo contrario están vendiendo algo que todavía nadie puede entregar.

Lo que un desarrollador realmente puede hacer esta semana

El 30 de octubre, el catálogo de OrcaRouter no contiene ninguna cadena que coincida con Gemini 4. Los modelos Gemini de frontera que se pueden llamar hoy están un escalón por debajo y tienen precios acordes: Gemini 3.1 Pro Preview a $2 de entrada y $12 de salida por millón de tokens con una ventana de contexto de 1M tokens, y el nivel Flash — Gemini 3.8 Flash, Gemini 3.6 Flash, Gemini 3.5 Flash — desde $0.75 de entrada. Eso es lo que "el modelo superior está restringido" significa en la práctica: el trabajo aún tiene que entregarse, y se entrega con el mejor modelo que tenga una puerta abierta.

Si estás evaluando Carbon para un flujo de trabajo de seguridad, la forma creíble de prepararte sin apostar una ruta de producción a un modelo no lanzado es construir primero el mecanismo de respaldo. La conmutación automática por error entre proveedores con una sola clave significa que un modelo principal que empieza a devolver errores o se ralentiza se sustituye dentro de la misma llamada, de modo que el día en que Carbon abra, el cambio consistirá en modificar la cadena del modelo, no en rehacer la arquitectura.

El precedente que marca la fecha a seguir

Argon es la única plantilla utilizable para lo que viene después. Google lo anunció el 30 de septiembre de 2026, lo pasó a disponibilidad general en la API de pago el 13 de octubre y abrió su ventana de precio introductorio hasta el 30 de noviembre. Eso supone trece días desde el anuncio hasta un endpoint invocable. Si se aplica la misma aritmética al anuncio de Carbon del 28 de octubre, la fecha implícita sería alrededor del 10 de noviembre: aritmética basada en un único precedente, no un compromiso, y Google ha sido explícito en que primero deben concluir las pruebas gubernamentales previas al lanzamiento.

La otra variable es menos cómoda: el modelo que se lance dentro de dos semanas puede no ser el modelo que obtuvo 59. Carbon se basa en Argon, y hay una observación no confirmada del 21 de octubre, cuando un monitor de arena de terceros señaló un cambio de capacidades en el alias gemini-4-argon y algunos desarrolladores lo interpretaron como una llegada anticipada de los pesos de Carbon. Si el plan de Google es integrar el post-entrenamiento de Carbon dentro del nombre Argon en lugar de lanzar un segundo endpoint, entonces lo que hay que vigilar no es en absoluto un nuevo ID de modelo: es un incremento de versión en el que ya puedes invocar.

La clasificación se mantendrá por un tiempo; los primeros puestos de la tabla suelen durar hasta que responda el siguiente laboratorio. Lo que no se sostendrá es la suposición que subyace a la mayor parte de la cobertura de esta semana: que un modelo número uno es un modelo que se puede poner en un producto. El 30 de octubre, Gemini 4 Carbon es el mejor modelo del mundo por un punto publicado, y el único modelo de frontera de esta generación sin dirección. Gemini 4 Argon, anunciado cuatro semanas antes y nueve puntos por debajo, tiene la dirección, la lista de precios con un plazo real y el tráfico.