Gemini 4 Carbon: El modelo más potente de Google llega primero a los ciberdefensores
Google anunció Gemini 4 Carbon la semana pasada con puntuaciones máximas en tareas de seguridad, acceso limitado y resultados independientes mixtos en precisión.
La semana pasada, Google anunció el Gemini 4 Carbon, al que llama su próximo frontier model, es decir, el más capaz. La mayoría de la gente todavía no puede usarlo. Un pequeño grupo de defensores de la ciberseguridad obtiene acceso primero, seguido por socios confiables a través del programa Fairwind de Google, y desarrolladores, empresas y consumidores más tarde, sin fecha especificada. Su hermano Gemini 4 Argon ya está disponible.
Sobre el papel, el modelo funciona bien. Google reporta puntajes máximos en 15 de 17 filas de comparación, incluido 88,2 % en SEC-bench Pro para encontrar vulnerabilidades, 54,8 % en ExploitGym para verificar si un exploit funciona y 71,0 % en CWE-bench para parchear. Las cifras independientes de Artificial Analysis coinciden en términos generales, pero muestran una ventaja más estrecha: Carbon obtiene una puntuación de 59 en su Intelligence Index, frente a 58 de Claude Opus 5.5 y 57 de GPT-6 Astra. Está detrás de Opus 5.5 con Claude Code en un índice de agente de codificación (59 versus 62). El precio de lanzamiento es de $2 por millón de tokens de entrada y $10 por millón de tokens de salida (los tokens son los pequeños trozos de texto por los que facturan los modelos), aumentando luego a $4 y $20, sin fecha de finalización dada para la tasa de introducción.
Qué hay detrás de esto: La implementación restringida es la parte interesante. Un modelo que es bueno para encontrar y reparar agujeros de seguridad es, con la misma habilidad, bueno para atacar. Darles a los defensores una ventaja es una forma de permitirles parchear antes de que la herramienta esté ampliamente disponible, razón por la cual las pruebas de Google se informaron sin guardrails y por qué la versión limitada es una protección sensata. Hay preguntas abiertas. Google no ha publicado un informe técnico, recuento de parámetros ni detalles de API. Sus propios resultados vienen sin estimaciones de incertidumbre. Y las afirmaciones de precisión entran en conflicto: Google dice que las afirmaciones no respaldadas se redujeron aproximadamente a la mitad, mientras que Artificial Analysis midió las alucinaciones (respuestas incorrectas seguras) que aumentaron del 4% al 11% en una prueba.
Qué significa esto para ti: Hoy, nada, porque no puedes usarlo. Cuando llegue, trate las clasificaciones de los titulares como punto de partida y pruébelo en sus propias tareas; Los clientes potenciales pequeños rara vez deciden el trabajo real. Si ejecuta sitios web o software, el mensaje más amplio es que las herramientas de seguridad impulsadas por IA están mejorando rápidamente, por lo que mantener su software actualizado es aún más importante. También tenga en cuenta el precio: vale la pena planificar una tarifa inicial que luego se duplica.
Fuentes
"Matemáticas sin ego": una publicación invitada en el blog de Terence Tao pregunta para qué sirven las matemáticas en la era de la IA
Tres autores sostienen en el blog de Terence Tao que la IA debería impulsar a los matemáticos a valorar la comprensión por encima de la producción, la clasificación o el crédito.
