Gemini 4 Carbon vs Gemini 4 Argon: la actualización de 15 días que no puedes llamar

Dos modelos, una misma tabla de precios, separados por nueve puntos de índice — y solo uno de ellos tiene un endpoint. Gemini 4 Carbon se anunció el 28 de octubre de 2026, quince días después de que Gemini 4 Argon pasara a ser invocable en la API Gemini de pago, y la propia publicación de Google describe a Carbon como el más potente de los dos. Sin embargo, la potencia no es lo mismo que la disponibilidad: hoy no hay ninguna entrada gemini-4-carbon en la lista de modelos de Google ni en su página de precios, y quienes lo están ejecutando son defensores cibernéticos y socios de confianza admitidos mediante el Fairwind Program de la empresa. La versión honesta de esta comparación es una comparación de capacidades entre dos modelos y una comparación de acceso entre un modelo y un programa.

Lo que Google hizo constar el 28 de octubre

El anuncio lo hizo Koray Kavukcuoglu, vicepresidente sénior de Google DeepMind, en una publicación titulada "nuestro próximo modelo de frontera". Carbon sucede a Argon —anunciado el 30 de septiembre y disponible de forma general desde el 13 de octubre— dentro del mismo número de generación. El enfoque declarado de Google es la ciberseguridad y el trabajo de agentes de largo horizonte, el tipo de tarea en la que un agente sigue atravesando callejones sin salida durante días, en lugar de una en la que un prompt obtiene una única respuesta.

Tres detalles importan más que el marketing:

• El acceso está escalonado y sin fecha. Carbon llegó primero a "un subconjunto de defensores cibernéticos", luego se amplía mediante el Fairwind Program y después a desarrolladores, empresas y consumidores "lo antes posible". No se dio ninguna fecha para los últimos tres grupos.

• El lanzamiento forma parte del proceso voluntario de pruebas previas al lanzamiento del Gobierno de Estados Unidos. Google afirma que está participando y que todavía está perfeccionando las salvaguardas antes de un acceso más amplio.

• Ninguna tarjeta de modelo pública, ningún endpoint, ningún identificador. La lista de modelos de la API de Gemini, consultada el 29 de octubre, contiene exactamente una entrada de Gemini 4 — Gemini 4 Argon — y la página de precios no contiene ninguna para Carbon. La ventana de contexto que Google publicó para Argon (un 1M de tokens unificado, con decodificaciones de hasta 1M) no se ha vuelto a declarar para Carbon; Artificial Analysis indica 1M de tokens para este modelo, lo cual es un listado de terceros y no una especificación de Google.

La brecha de nueve puntos, y quién la midió

Artificial Analysis reconstruyó su Intelligence Index como v5 el 27 de octubre, el día antes de que se lanzara Carbon, reemplazando dos benchmarks, actualizando otros tres y haciendo privada la mayor parte del índice. Ese momento es la razón para tener cuidado con cualquier gráfico de antes y después que veas esta semana: las puntuaciones anteriores a la reconstrucción no están en la misma escala que las posteriores. En la lista actual, posterior a la reconstrucción, ambos modelos han sido puntuados y la diferencia es real y medida por el mismo instrumento.

• Intelligence Index v5 — Carbon 59, primero de 52 modelos listados; Gemini 4 Argon 50, decimotercero.

• Coste por tarea de indexación a precio estándar — Carbon $7,76 frente a Argon $7,68. El modelo más nuevo obtiene nueve puntos más por ocho céntimos más por tarea.

• Precisión — Carbon 58 %, una mejora de diez puntos frente a Argon; AA-Omniscience 54 frente a 46.

• Alucinación — Carbon 11 %, frente al 4 % de Argon. Carbon sigue siendo el segundo más bajo en los trackers, pero va en la dirección equivocada.

• Volumen de salida — 123 k tokens por tarea de indexación, un 29 % por debajo de los 173 k de Claude Opus 5.5, lo que contribuye a que el coste por tarea se mantenga bajo pese al mismo precio de lista.

• Velocidad — 99,8 tokens de salida por segundo según la medición de Artificial Analysis, con un tiempo hasta el primer token de 97,48 segundos con esfuerzo de razonamiento alto. Ese es el dato al que hay que prestar atención si vas a poner el modelo detrás de una interfaz interactiva en lugar de un trabajo de larga duración.

Artificial Analysis también mide lo que el titular oculta: en su Coding Agent Index, Carbon obtiene 59 con Antigravity CLI, tres puntos por detrás de Claude Code ejecutando Claude Opus 5.5 con 62. El propio resultado de Google en desarrollo web apunta en la dirección opuesta — WebDev Arena con 1,768, cuarto puesto, una ganancia de 89 Elo — lo que recuerda que «número uno en general» y «mejor en código» son afirmaciones distintas.

Los números del propio Google son los más elocuentes en la publicación.

Google presentó un conjunto sustancial de datos de seguridad, y vale la pena separar lo que se mide de lo que se afirma. En SEC-bench Pro, descubrimiento de vulnerabilidades, Carbon obtiene un 88,2 % frente al 83,4 % de Argon. ExploitGym, que valida la explotación, pasa del 42,0 % al 54,8 %. CWE-bench, parcheo, pasa del 68,0 % al 71,0 %. Internamente, Google afirma que Carbon genera código libre de vulnerabilidades más del doble de a menudo que Argon, y que su equipo de Chrome descubrió que era más de diez veces mejor que «el gran modelo frontera de otro laboratorio» a la hora de producir parches de alta calidad —una comparación sin un adversario nombrado y sin método publicado.

Las cifras de seguridad son más importantes que las de capacidad, porque son el primer lugar en el que Google ha publicado que Carbon supera a Argon en comportamiento y no solo en puntuaciones. En la prueba comparativa de inyección indirecta de prompts de Gray Swan, la tasa de éxito de los ataques de Carbon es del 0,0 % frente al 0,7 % de Argon. En Terminal-Bench 4.0, se intentó hacer trampa en el 0,4 % de las ejecuciones y no se logró en ninguna, mientras que el comportamiento de Argon fue peor. Las alertas de desalineación de alta gravedad en la codificación en vivo interna cayeron casi un 80 %, las afirmaciones no respaldadas se redujeron a la mitad, la extralimitación cayó un 26 % y la insuficiencia de servicio un 29 %.

Dos salvedades deberían ir junto a esas cifras, no en una nota al pie. Google dice que las evaluaciones de ciberseguridad se realizaron sin salvaguardas, lo cual es la forma correcta de medir la capacidad bruta de un modelo y la forma incorrecta de predecir lo que hará un sistema desplegado. Y los multiplicadores más grandes —el 2x de código seguro y el 10x de parcheo— son benchmarks internos y un informe de equipo, no resultados independientes. La lectura que hizo The Register el día del lanzamiento fue que el argumento de seguridad es prometedor y en gran medida reportado por el proveedor; nada publicado desde entonces ha cambiado eso.

Las cifras que circulan en la cobertura del lanzamiento sitúan a Carbon por delante en Vals Index v2.2 (70,4 % frente a 69,2 %), SWE-sweep (9,6 % frente a 4,3 %), FrontierSWE 2 (61,2 % frente a 55,0 %), Agents' Last Exam v1.1 (77,4 % frente a 69,0 %), OSWorld-2.1 (81,5 % frente a 74,7 %) y GraphWalks de contexto largo (96,2 % frente a 84,2 %). Son cifras reportadas por Google a menos que el propietario de un benchmark indique lo contrario, y el patrón es coherente: Carbon es una mejora amplia, no uniforme, y sigue por detrás de Opus 5.5 y GPT-6 Astra en varias pruebas de ingeniería de software y uso de computadora.

Mismo precio de etiqueta, distinto reloj

Ambos modelos tienen la misma tarifa publicada: $2 por millón de tokens de entrada y $10 por millón de tokens de salida en la etapa introductoria, con la entrada en caché a un 95% de descuento, y después pasan a $4 y $20. La asimetría está en el calendario. La ventana introductoria de Argon tiene una fecha: la página de precios de Google dice que las cifras más altas empiezan el 1 de diciembre de 2026, y sus niveles batch, flex y priority se publican junto con ellas. El descuento de Carbon no tiene ninguna fecha de finalización; el anuncio solo dice «después del período introductorio».

Artificial Analysis fija el precio de ambos a la tarifa estándar de $4/$20, por lo que sus cifras de coste por tarea son la forma justa de compararlos, y la tarifa introductoria no lo es. Un presupuesto basado en $2/$10 para cualquiera de los modelos tiene un precipicio, y para Argon el precipicio ahora tiene fecha.

OrcaRouter no enruta ninguno de estos dos modelos hoy: Gemini 4 Carbon no tiene ningún identificador público que enrutar, y Gemini 4 Argon tampoco está en nuestro catálogo. La regla de pass-through sigue siendo la relevante, porque decide qué ocurre cuando eso cambie: cobramos 0% de margen sobre el precio de lista del proveedor, así que la tarifa que Google publica es la que ve el cliente, incluido un ajuste a mitad de contrato de $2/$10 a $4/$20. Lo que sí enrutamos de esa misma familia es Gemini 3.8 Flash, a $0.75 por millón de tokens de entrada y $3.75 por millón de tokens de salida con las lecturas de caché a $0.075, que es otra clase de modelo, pero es el endpoint de Google que puedes poner en una ruta de producción esta semana.

¿Quién debería elegir cuál?

Si eres un defensor dentro del perímetro de Fairwind, la decisión no te corresponde tomarla y Carbon está disponible para ti ahora — la pregunta interesante es si las mejoras en seguridad sobreviven a tu propio harness, ya que las publicadas se midieron sin salvaguardas y en parte en las suites internas de Google.

Si tienes que lanzar algo este trimestre, Argon es la respuesta por defecto. Tiene un endpoint, un precio publicado y una fecha para el descuento, lo que es más de lo que tiene Carbon. Sus puntos débiles son conocidos: Terminal-Bench 4.0 en la parte alta de los cincuenta según las cifras de lanzamiento de Google, frente a Opus 5.5 con un 66,4%, y una tasa de alucinaciones que Carbon desde entonces ha superado en la dirección equivocada.

Si estás definiendo el alcance de un producto de seguridad, la decisión no se trata tanto de qué modelo gana como de cuál puedes probar. Carbon no está disponible, así que cualquier proveedor que hoy te cite el rendimiento de «Gemini 4 Carbon» está citando una etiqueta. Argon más tu propia evaluación es la línea base honesta contra la cual se podrán contrastar más adelante las afirmaciones de Carbon.

La cadencia de quince días es la verdadera historia.

Argon tiene cuatro semanas. Carbon llegó dentro del mismo número de generación en lugar de como Gemini 4.1 o Gemini 5, lo que indica cómo Google pretende lanzar productos de aquí en adelante: variantes, no versiones. La lectura de Ars Technica el día del lanzamiento fue que Carbon es esencialmente un Argon ligeramente mejor —posiblemente una actualización posterior al entrenamiento— y las notas de la versión respaldan esa forma: precio idéntico, contexto idéntico, modalidades de entrada idénticas, combinación de capacidades distinta.

Para cualquiera que esté integrando, eso tiene una consecuencia concreta. El nombre de un modelo ya no es una descripción estable de su comportamiento. gemini-4-argon describía una cosa el 13 de octubre y puede describir otra tras una actualización silenciosa; el avistamiento en la arena que cubrimos el 21 de octubre, en el que un alias parecía servir pesos diferentes, ni se confirma ni se refuta con el lanzamiento. La defensa es la poco glamurosa: fija el identificador con el que realmente se te evaluó, conserva un conjunto de evaluación con fecha y trata cualquier alias como algo que puede moverse debajo de ti.

Qué ver a continuación

• La primera gemini-4-carbon entrada en la lista de modelos de Google — eso, y no el anuncio, es el momento en que Carbon se convierte en un producto.

• 1 de diciembre, cuando vence el descuento introductorio de Argon y cambia la comparación efectiva para todos los compradores que aún lo utilizan.

• Una evaluación pareada de terceros de Carbon frente a Argon en las pruebas comparativas de seguridad, ejecutada con salvaguardias, ya que aún no se ha publicado ninguna.

Hasta que llegue el primero de esos, el ranking es de Carbon y la decisión es de Argon. Es algo inusual de escribir sobre un modelo que acaba de ser llamado el mejor del mundo, pero es lo que dicen los endpoints.