Gemini 4 Carbon vs. GPT-6 Astra: dos buques insignia con acceso restringido, una trampa de reajuste de precios

Ambos modelos se lanzaron desactivados. GPT-6 Astra llegó el 3 de septiembre de 2026 como el primer modelo de OpenAI que cruza el umbral crítico de ciberseguridad bajo su propio Preparedness Framework, y llegó a las empresas desactivado por defecto hasta que los administradores recibieron los controles para activarlo, el 9 de septiembre. Gemini 4 Carbon llegó el 28 de octubre de 2026 a una cohorte designada de defensores de ciberseguridad a través del Fairwind Program de Google y solo se abrió a los desarrolladores de la API de pago el 10 de noviembre. Esa historia compartida explica por qué la comparación es más interesante que un marcador: dos laboratorios de frontera llegaron por separado a la conclusión de que un modelo con esta capacidad necesita una barrera de acceso, y las dos barreras funcionan de manera distinta. También explica la cifra que la mayoría de los compradores pasa por alto: Carbon cobra la misma tarifa por una solicitud de 900.000 tokens que por una de 9.000, mientras que GPT-6 Astra aplica un nuevo precio a toda la solicitud una vez que se superan los 272.000 tokens de entrada.

Donde los dos son verdaderamente idénticos

Empieza por las filas que coinciden, porque acotan la decisión más rápido que las filas que difieren.

• Ventana de contexto — 1.000.000 de tokens para Carbon; 1.050.000 para Astra, de los cuales 922.000 corresponden a la entrada máxima y 128.000 a la salida máxima. En un prompt práctico, se trata del mismo margen, y ambos proveedores lo expresan en millones redondos.

• Modalidad de entrada — texto, imagen y archivo para Astra; texto, imagen, audio, video y PDF para Carbon. La compatibilidad de audio y video de Carbon es la única diferencia real en la fila.

• Posicionamiento — trabajo profesional de horizonte prolongado en lugar de chat. O​penAI vende Astra para trabajo que va desde una instrucción hasta un artefacto terminado a lo largo de muchos pasos, en las superficies de trabajo en lugar del producto de chat. G​oogle vende Carbon como su modelo más potente para tareas complejas de horizonte prolongado, con bucles de verificación ampliados en ingeniería de software, ciberseguridad, trabajo del conocimiento y ciencia. Ninguno de los dos proveedores afirma tener un mejor chatbot.

• Acceso restringido en el lanzamiento: Astra a un conjunto limitado de organizaciones desde el primer día y, después, el despliegue más amplio en ChatGPT y la API; Carbon a defensores de la ciberseguridad y socios de Fairwind durante doce días antes del acceso de pago a la API.

• Posición independiente: ambos se miden en el Artificial Analysis Intelligence Index v5.0.1, lo que no ocurre con todos los modelos de esta franja de precios y hace que las cifras sean comparables entre sí de una manera en que la mayoría de las comparaciones entre laboratorios no lo son.

• Fecha de corte de conocimientos — la de Astra es el 30 de abril de 2026. Google no ha publicado ninguna fecha de corte para Carbon, y su documentación del modelo no incluye ese campo, así que esa fila es unilateral y conviene saberlo antes de construir una canalización sensible a la recencia dando por hecho que está actualizada.

La línea de 272.000 tokens, resuelta paso a paso

Esta es la parte de la comparación que cambia los presupuestos, así que se resuelve con aritmética en lugar de adjetivos.

GPT-6 Astra cobra $10 por millón de tokens de entrada y $50 por millón de salida hasta 272.000 tokens de entrada. A partir de ese límite cobra $20 y $75, y toda la solicitud se vuelve a calcular, no solo los tokens que superan el límite. Un prompt de 300.000 tokens no cuesta un poco más que uno de 270.000; cuesta el doble en entrada y un 50 % más en salida, por los 300.000 tokens completos.

Gemini 4 Carbon no tiene niveles por longitud. Su tarifa es de $4 por millón de tokens de entrada y $20 por millón de tokens de salida a partir del 1 de diciembre de 2026, y de $2/$10 hasta el 30 de noviembre. No hay ningún escalón en ninguna longitud de contexto, lo que significa que se aplica la misma tarifa tanto si envías 2000 tokens como 900 000.

Envía una solicitud de análisis de documentos de 400.000 tokens frente a ambos, con la tarifa de Carbon posterior al 1 de diciembre:

• GPT-6 Astra — 400.000 tokens de entrada a $20 por millón son $8,00 por el prompt, antes de cualquier salida. La misma solicitud por debajo del límite de 272.000 tokens habría costado $4,00; cruzar ese límite lo duplicó.

G​emini 4 Carbon — 400.000 tokens de entrada a $4 por millón son $1,60. Ningún aspecto de la longitud cambió la tarifa.

Añade 20.000 tokens de salida y la diferencia se amplía: Astra los factura a 75 $ por millón, o 1,50 $, frente a los 20 $ por millón de Carbon, o 0,40 $. La solicitud completa queda en 9,50 $ frente a 2,00 $. Para una canalización que lee bases de código completas o conjuntos de documentos enteros, se trata de una diferencia de cinco veces en la carga de trabajo exacta para la que se venden ambos modelos, y resulta invisible en una tarifa que solo indica las cifras principales.

La ventaja de Carbon es más estrecha en prompts cortos, donde ambos se sitúan dentro de su banda económica y los $10/$50 de Astra frente a los $4/$20 de Carbon quedan en un 60% más barato en lugar de cinco veces más barato. Lo que hay que modelar es el precipicio, no el titular.

Las puntuaciones, y los dos puntos de referencia que van en sentido contrario

Artificial Analysis tiene ambos modelos, medidos en el mismo índice, que es la comparación más clara disponible:

• Índice de Inteligencia v5.0.1 — G​emini 4 Carbon 60 con esfuerzo alto, cuarto de 74. GPT-6 Astra 57 con esfuerzo máximo, octavo de 74. El propio dial de Carbon lo lleva a 58 en medio y 54 en bajo; el de Astra da 55 en xhigh y alto, 52 en medio y 43 en bajo.

• Coste por tarea de indexación: 7,76 $ para Carbon frente a 6,24 $ para Astra. Astra es el modelo más económico por tarea completada pese a costar más por token, porque es menos verboso en la evaluación.

• Velocidad de salida: 79 tokens por segundo para Carbon, 37 para Astra. Esta es la diferencia más amplia en los datos independientes y favorece a Carbon por más de 2x.

• Tiempo hasta el primer token de respuesta: 67 segundos para Carbon frente a 238 segundos para Astra. Cuatro minutos hasta el primer token es una categoría de latencia distinta, y es la razón por la que Astra se despliega detrás de una cola en lugar de un controlador de solicitudes.

• Verbosidad — Carbon consumió 105 millones de tokens de salida en el índice; la página de Astra no publica una cifra equivalente con el máximo esfuerzo, por lo que esa fila no se puede comparar y no debería intentarse adivinar.

Los separan tres puntos en sus ajustes más altos, y el orden se mantiene estable al variar el nivel de esfuerzo: el nivel medio de Carbon (58) sigue superando al máximo de Astra (57). Pero los datos independientes también contienen el contraejemplo que importa. La propia publicación de Google del 10 de noviembre admite que Carbon pierde frente a GPT-6 Astra en FrontierSWE 2 —una de las dos pérdidas en benchmarks que enumera—, y se trata de una comparación reportada por el proveedor, procedente del propio material de lanzamiento del modelo, lo que la hace tan fiable como puede serlo una concesión. Para que conste, Carbon también pierde frente a Claude Opus 5.5 en OSWorld-2.1 offline.

El resto de la hoja de lanzamiento de Carbon es propia de G​oogle y no ha sido reproducida: primero en CursorBench 4.0, en WANDR de Perplexity y en AutomationBench de Zapier con un coste por tarea más de 2 veces inferior al del siguiente mejor modelo externo; segundo en un nuevo benchmark Multimodal Knowledge Agent con un coste medio por tarea más de 6 veces inferior; empatado en el primer puesto en la evaluación financiera de extremo a extremo de Hebbia; líder entre 23 configuraciones de frontera en el GMI de Balyasny. En el ámbito de ciberseguridad, SEC-bench Pro 88,2 %, ExploitGym 54,8 %, CWE-bench 71,0 % y Project Fortify con un 100 % de recall en escaneos y un 95 % de precisión en el triaje. Cada una es una afirmación sobre una combinación de tareas específica, publicada por el proveedor, no auditada por nadie fuera de G​oogle, sobre un modelo que ha estado disponible de forma general durante un día.

Dos puertas, dos problemas diferentes

La puerta de Astra es una clasificación. Cruzar el nivel Critical según el Preparedness Framework de OpenAI es una conclusión sobre lo que el modelo puede hacer, y las consecuencias son estructurales: las implementaciones empresariales se entregan desactivadas de forma predeterminada, los administradores deben habilitar el modelo de forma explícita y las salvaguardas se amplían por niveles en lugar de abrirse todas a la vez. La ventaja de esa configuración es que el control recae en el administrador del cliente. El costo es que un despliegue empresarial tiene un paso de aprobación adicional que no tiene que ver con la adquisición.

La barrera de acceso de Carbon era una cohorte. La publicación de Google del 28 de octubre nombró primero a los defensores cibernéticos, luego a los socios de Fairwind Program y después a los desarrolladores y consumidores «lo antes posible». No había ID del modelo, ni endpoint, ni salvedad sobre la lista de precios, ni ficha del modelo publicada. El 10 de noviembre se abrió la API de pago y apareció la lista de precios, y el control de acceso pasó de quién puede llamar al modelo a quién puede llamarlo sin pagar —es decir, nadie. Carbon no tiene ningún nivel gratuito: se factura cada token, incluidos los tokens de pensamiento y las instrucciones del sistema de herramientas cuando el grounding está habilitado.

Esa diferencia merece decirse sin rodeos para cualquiera que esté planificando un despliegue. La restricción de Astra es un interruptor administrativo que controla alguien de su organización. La restricción de Carbon es una factura sin límite mínimo y, desde el 11 de noviembre, sin límites de velocidad publicados — la página del modelo de G​oogle no los indica, así que el rendimiento es algo que se descubre llamando a la API en lugar de leyendo sobre ella.

¿Cuál poner detrás de la decisión difícil?

Para el trabajo con documentos y bases de código de contexto largo, la respuesta es Carbon y la razón es la línea de 272.000 tokens en lugar de la brecha de índice de tres puntos. El reajuste de precios de Astra es una trampa justo para la carga de trabajo para la que fue creado; un modelo vendido como de trabajo profesional de extremo a extremo en horizontes largos es un modelo que superará habitualmente los 272.000 tokens de entrada, y cada una de esas solicitudes paga el doble sobre todo el prompt.

Para el servicio sensible a la latencia, ninguno de los dos es adecuado y la elección es irrelevante. 67 segundos hasta el primer token frente a 238 es una competencia entre dos modelos que pertenecen a una cola de procesamiento por lotes.

Para una carga de trabajo en la que se mantienen las fortalezas específicas de Astra —y la propia concesión de FrontierSWE 2 de G​oogle dice que hay al menos una—, la brecha de tres puntos es menor que el intervalo de confianza de un único índice, y cambiar cuesta más que la diferencia. Astra también lleva dos meses en producción y Carbon un día, lo que es una ventaja real en un modelo cuyos modos de fallo ya has catalogado.

La fila de coste por tarea merece otra revisión, porque es la cifra a la que recurrirá un escéptico. Astra a 6,24 $ frente a Carbon a 7,76 $ significa que Astra es un 20 % más barata por tarea de indexación completada, aunque cuesta un 150 % más por token. La conciliación está en la verbosidad: Astra piensa menos en el índice y Carbon piensa más. Si tu carga de trabajo se parece al índice, la cifra por tarea es la honesta. Si se parece a la lectura de un documento de 400.000 tokens, la cifra por tarea es irrelevante y el tramo por longitud lo decide todo. La mayoría de las cargas de trabajo reales son del segundo tipo, y por eso la comparación de precios destacada subestima la ventaja de Carbon en lugar de exagerarla.

Ejecutar ambos, que es lo que harán la mayoría de los equipos

El resultado realista de una comparación tan reñida es que un equipo acabe con ambos: Carbon para las lecturas largas y el trabajo adyacente a la ciberseguridad, y Astra para todo aquello que los pipelines existentes ya demostraron que hace bien. Ambas son API de proveedor de pesos cerrados, así que eso implica dos contratos, dos superficies de SDK y dos relaciones de facturación: la situación que un router está pensado para aplanar. Ambas están en el catálogo aquí: openai/gpt-6-astra a los $10 y $50 de OpenAI con la lectura en caché de $1.00 y el mismo escalonamiento por tokens de 272,000, y la misma interfaz compatible con OpenAI que los otros 216 modelos de la clave. Gemini 4 Carbon no está en nuestro catálogo y se accede a él mediante la API de pago de Google; nada de lo aquí presente debe interpretarse como que afirmamos servirlo.

Lo que el enrutamiento aporta en este emparejamiento concreto es una cadena de respaldo. Carbon ha estado disponible para el público general durante un día, con límites de tasa no publicados, que es precisamente la situación en la que un segundo modelo detrás del mismo endpoint convierte una caída en una respuesta más lenta en lugar de una solicitud fallida. También significa que el reajuste de precios del 1 de diciembre se materializa como un cambio de configuración en lugar de una migración: el precio de lista del proveedor se traslada con un margen del 0 %, así que la cifra de nuestro lado cambia el mismo día que la de Google, y una política que enruta los prompts largos al modelo que resulte más barato por token este mes es una línea en un DSL en lugar de una rama de código.

Qué ver

Dos cosas, ambas con fecha. El precio de Carbon se duplica el 1 de diciembre, lo que reducirá a la mitad la brecha principal frente a Astra en prompts cortos, mientras que la brecha de contexto largo quedará intacta: el precipicio empeora, no mejora. Y la escalera de esfuerzo de Astra le da margen de maniobra a OpenAI sin necesidad de un nuevo modelo: xhigh en 55 está tres puntos por debajo de un ajuste máximo que cuesta más por tarea, así que un valor predeterminado de enrutamiento en xhigh es una forma legítima de comprar capacidad de Astra a una tarifa efectiva más baja, y que la mayoría de los compradores nunca prueba.

Lo que no cambiará es el hecho estructural en el que se basa esta comparación. Uno de estos modelos cobra una tarifa plana a cualquier longitud y el otro duplica toda la solicitud a partir de un umbral, y para el trabajo de horizonte largo que ambos proveedores anuncian, esa diferencia vale más de tres puntos de índice.