Noticia Inteligencia Artificial
Gemini 4 Carbon: el modelo de Google para cazar fallos de código
- Google presentó Gemini 4 Carbon, con foco en ciberseguridad: 88.2% en SEC-bench Pro, acceso inicial para defensores y sin fecha para el público.
Google anunció Gemini 4 Carbon el 28 de octubre de 2026, dos semanas después de Argon (9to5Google). Lo presentó como su modelo de frontera, con mejoras en programación, tareas de agente y defensa cibernética. El anuncio trae un título: 59 puntos en la versión 5.0 del índice de inteligencia de Artificial Analysis. Esa medición no sale de la empresa.
Ciclo corto. Entre Argon y Carbon pasaron dos semanas. La empresa lo atribuye a que sus investigadores y sus modelos avanzan en paralelo. También pesa la presión por no quedarse atrás frente a Anthropic y OpenAI. En desarrollo web, Carbon suma 89 puntos Elo y queda cuarto con 1,769. Reporta avances en tareas científicas, en desarrollo full-stack y en comprensión multimodal.
Las cifras de seguridad. Google vende el modelo con tres pruebas de defensa:
- SEC-bench Pro, localizar vulnerabilidades: 88.2%
- ExploitGym, medir si el fallo se puede explotar: 54.8%
- CWE-bench, calidad de los parches: 71.0%
Ninguno de los tres tiene una corrida independiente publicada con este modelo. La empresa sí describe el flujo: hallar el error en el código, medir si es explotable en condiciones reales y escribir la corrección.
Cómo se comporta. El entrenamiento apuntó a tareas complejas y de alta presión. Cuando falta evidencia, Carbon busca las fuentes y muestra las discrepancias antes de mover ficha. Si una acción está bloqueada, entrega la lista de lo que falta en vez de rellenar el hueco. En pruebas internas, la empresa reporta la mitad de afirmaciones sin sustento frente a Argon. Suma 26% menos de exceso de alcance y 29% menos de servicio insuficiente en planes de varios pasos.
Acceso con fila. El modelo todavía no está abierto. Esta semana entra para equipos de defensa cibernética y para socios del programa Fairwind, de acuerdo con Hipertextual. Desarrolladores, empresas y consumidores quedan para después, sin fecha. La tarifa introductoria por millón de tokens es la mitad de la que regirá al terminarla. Los tokens cacheados tienen 95% de descuento sobre la entrada.
Uso interno. El equipo de Chrome ya lo emplea para corregir vulnerabilidades reales. Los ingenieros de Google lo corren sobre bases de código enormes, en análisis que se sostienen por periodos largos. El apuro tiene contexto: en meses recientes hubo ataques de agentes autónomos contra empresas y gobiernos. La ciberseguridad se volvió el argumento de venta de toda la industria.
Mi objeción está en el 88.2%. Un modelo que localiza fallos en un banco de pruebas no garantiza hallarlos en el código de producción. Ahí es donde la industria acumula promesas sin respaldo. Que el equipo de Chrome lo use es la señal más útil del anuncio. El resto aguanta hasta que alguien de fuera repita la medición con el mismo modelo y los mismos casos.
La presentación no responde cuántas de las fallas que Carbon detecta en el código de Chrome terminan parcheadas, ni en cuánto tiempo. Ese dato separa una herramienta de auditoría de una diapositiva.