Google ha presentado Gemini 4 Carbon, el modelo que define como el más potente de la compañía, y lo ha hecho con una decisión poco habitual: anunciarlo sin ponerlo al alcance del público. El despliegue ha empezado esta semana con un grupo reducido de especialistas en ciberseguridad y se ampliará de forma gradual a socios de confianza a través del programa Fairwind, que según las informaciones reúne a más de 650 organizaciones, con verificación de antecedentes y la prohibición expresa de compartir o revender el acceso. Para desarrolladores, empresas y usuarios particulares no hay fecha: Google dice que llegará “lo antes posible”, pero condicionado a seguir reforzando las salvaguardas.

La razón de ese freno está en lo que el modelo sabe hacer. Carbon llega con dos apuestas explícitas, la ciberseguridad y las tareas de largo recorrido. En la primera, las cifras que publica la propia empresa son llamativas: un 88,2 % en SEC-bench Pro, una prueba de detección de vulnerabilidades en programas reales, un 54,8 % en ExploitGym, que mide la capacidad de verificar y explotar fallos, y un 71 % en CWE-bench, centrada en generar correcciones. Google asegura que supera al modelo anterior de la familia, Gemini 4 Argon, lanzado hace unas dos semanas, con una tasa de éxito más de dos veces superior al generar código seguro, y que el equipo de Chrome ha observado una calidad de parches más de diez veces mejor que la de un modelo puntero de otra compañía. Todas esas evaluaciones, conviene subrayarlo, se hicieron sin salvaguardas activas, y son datos de la propia empresa, no de auditores externos.

La segunda apuesta es la autonomía. Según Google, sus equipos internos han visto a Carbon trabajar durante días en problemas de ingeniería de varios pasos, como localizar la causa raíz de errores sutiles en grandes bases de código y corregirlos, sin rendirse ante los callejones sin salida. Es el tipo de capacidad que convierte a un asistente en algo más parecido a un agente que ejecuta una tarea completa, y es la que más interés genera en las empresas tecnológicas.

En las clasificaciones comparativas, el modelo ocupa el primer puesto del índice de inteligencia v5.0 de Artificial Analysis, con 59 puntos, por delante de Claude Opus 5.5 y GPT-6 Astra, según el desglose que recoge la prensa especializada. Google afirma además que obtiene el mejor resultado en 15 de las 17 evaluaciones de su tabla comparativa, y también reporta una mejora de 89 puntos Elo en WebDev Arena, que le sitúa en el cuarto puesto. Pero el panorama no es tan nítido como el titular: los análisis señalan que OpenAI sigue liderando en algunas pruebas concretas de ingeniería de software y que Anthropic destaca en la interacción directa con interfaces de ordenador, y que Carbon presenta una tasa de alucinaciones ligeramente superior a la de Argon en pruebas factuales concretas.

El apartado de seguridad es el que más tiempo ocupa en el anuncio. Google dice que Carbon usa la misma pila de protección que Argon, con entrenamiento específico, defensas contra el mal uso en tiempo real, resistencia a la inyección de instrucciones y monitorización del razonamiento. Entre las mejoras que cita figuran que las alertas de desalineación graves en sus entornos de programación internos han bajado casi un 80 %, que las afirmaciones sin respaldo se han reducido a la mitad, que los intentos de hacer trampa en una prueba de programación han caído al 0,4 % y que el ataque por inyección de instrucciones en una prueba de referencia ha pasado de un 0,7 % de éxito con Argon a un 0,0 %. La empresa participa además en el proceso voluntario de pruebas previas al lanzamiento del Gobierno de Estados Unidos.

Hay una paradoja que explica todo este despliegue cauteloso. Una herramienta que encuentra y corrige vulnerabilidades mejor que casi nadie es, por definición, también una herramienta que podría encontrarlas y explotarlas para atacar. Que Google dé prioridad de acceso a los defensores y se reserve el resto es una forma de decir que, en este terreno, los límites de uso importan tanto como las capacidades. El debate sobre si ese enfoque es suficiente, o si simplemente retrasa lo inevitable, está abierto.

Para el mercado, el mensaje es doble. Por un lado, la carrera por el modelo más capaz se ha vuelto muy corta, con lanzamientos separados por semanas y diferencias de un punto en los índices. Por otro, las empresas que desarrollan software ya tienen que plantearse qué significa que una IA pueda auditar, parchear y atacar código a ritmos que antes eran impensables. Cuando se abra el acceso, el precio de lanzamiento anunciado será de 2 dólares por millón de tokens de entrada y 10 por millón de salida, y subirá después a 4 y 20.