Gemini 4 Carbon llega al público con un modo «enjambre»

Google acaba de abrir las puertas de su modelo más potente. En el anuncio de Gemini 4 Carbon, firmado por Koray Kavukcuoglu, vicepresidente sénior de Google DeepMind y arquitecto jefe de IA de la compañía, se dice que Carbon ya está disponible para desarrolladores, empresas, científicos y usuarios. Hace dos semanas solo lo tenía un grupo selecto de defensores en ciberseguridad.

La novedad que más ruido hace es un comando llamado /swarm (enjambre), que convierte una sola instrucción en un equipo coordinado de agentes de IA. Es un lanzamiento cargado de cifras, así que vamos con calma y separando lo que afirma Google de lo que podemos concluir nosotros.

Qué es Gemini 4 Carbon y dónde encaja

Carbon es el segundo modelo de la serie Gemini 4 que llega al público. Google lo describe como su modelo más fuerte, con rendimiento de frontera en ciberseguridad y en flujos de trabajo agénticos de largo recorrido. Esto último significa tareas en las que la IA trabaja durante mucho tiempo, da muchos pasos, se revisa a sí misma y sigue adelante: trabajo intelectual complejo, ingeniería de software y razonamiento científico.

No sustituye al anterior. Según Google, Gemini 4 Argon sigue siendo la opción ideal para la mayoría del trabajo de programación y de conocimiento. Carbon está pensado para tareas que llevan al modelo al límite, como depurar código con muchos pasos o investigar de forma abierta. Para ello gasta más tokens que Argon: es decir, explora más, razona más a fondo y ejecuta ciclos de verificación prolongados.

Me gusta este planteamiento porque reconoce algo que a menudo se omite. Un modelo más listo no siempre es la mejor herramienta. Si solo quieres resumir un correo, un modelo que delibera largo y tendido es excesivo. Tener dos niveles permite ajustar el esfuerzo a la tarea.

El modo /swarm: una instrucción, un equipo de agentes

La pieza más comentada es la vista previa de /swarm en Google Antigravity, el entorno de desarrollo con agentes de Google. Según la compañía, convierte un único prompt en un equipo de agentes cuyo trabajo puedes seguir en tiempo real. Los desarrolladores pueden asignar a Carbon los papeles que exigen más razonamiento, como el diseño de la arquitectura, la coordinación y la auditoría. Modelos más rápidos y ligeros se encargan del resto en paralelo, en espacios de trabajo aislados. Después, verificadores adversarios ponen a prueba cada cambio.

Este último detalle importa. Una debilidad habitual de las herramientas de programación con IA es que el mismo modelo escribe el código y luego lo revisa con sus mismos puntos ciegos. Encargar a otros agentes que ataquen cada cambio es un diseño sensato, parecido a la revisión de código entre personas.

Google mostró varias demos. Un equipo de agentes Carbon convirtió fotos históricas y planos de ingeniería en una exposición 3D interactiva de la construcción de la Torre Eiffel. Otro usó siete PDF públicos de planificación urbanística para reconstruir una oficina de Google con 906.000 triángulos a lo largo de diez ciclos nocturnos. También hubo un juego 3D en el navegador en el que exploras el campus de Mountain View como un pelícano en bicicleta. Impresionan, pero son escaparates elegidos. Las empresas escogen sus mejores ejecuciones, así que las veo como prueba de lo posible, no de lo fiable.

Pruebas de rendimiento, precio y quién tiene acceso

Google afirma que Carbon queda primero en CursorBench 4.0, en WANDR de Perplexity y en AutomationBench de Zapier, con un coste por tarea más de dos veces inferior al del siguiente mejor modelo externo. En una prueba nueva creada con Artificial Analysis, Multimodal Knowledge Agent, queda segundo y cuesta más de seis veces menos por tarea que el primero. Esa prueba mide el trabajo con archivos densos que incluyen gráficos, planos, esquemas y tablas.

Dos matices. Primero, la propia Google reconoce que las pruebas existentes no reflejan bien este tipo de trabajo, por eso ayudó a lanzar una nueva. Es razonable, pero es una prueba que no existía hasta que hizo falta. Segundo, el coste por tarea depende mucho de cuántos tokens consuma el modelo, así que es un dato útil pero sujeto a la carga de trabajo.

En cuanto al precio, Google dice que los desarrolladores y empresas con planes de pago acceden a Carbon por API en Google AI Studio y en Gemini for business. El precio introductorio es el mismo que el de Argon: 2 dólares por millón de tokens de entrada y 10 por millón de tokens de salida. Para el usuario de a pie, el acceso está restringido: Carbon se despliega para los suscriptores de Google AI Ultra en Antigravity, la app de Gemini y el modo IA de Búsqueda. Si usas un plan gratuito o inferior, todavía no lo verás. Si estás comparando asistentes, nuestra guía Claude o Gemini da una visión más amplia.

Ciberseguridad: el motivo del despliegue escalonado

Las dos semanas de adelanto para los defensores no fueron casualidad. Las capacidades cibernéticas de Carbon son la parte más delicada. Google asegura que, a través de su programa Fairwind, Carbon lidera las pruebas de hallazgo de vulnerabilidades (SEC-bench Pro), de explotación (ExploitGym) y de parcheo (CWE-bench v1).

La compañía ofrece varios resultados tempranos. En Project Fortify, su sistema autónomo de escaneo, triaje y reparación, Carbon logró un 100 % de exhaustividad (recall) en el escaneo y un 95 % de precisión en el triaje, en una prueba interna. También informa de una mejora relativa superior al 25 % sobre Argon en repositorios de código abierto. El equipo de investigación de vulnerabilidades de Google Cloud usó Carbon para demostrar que dos errores de un popular proyecto de código abierto eran explotables, lo que llevó a los mantenedores a reclasificarlos como críticos y a publicar un parche. Los detalles llegarán tras la divulgación responsable.

Wiz, dentro de su programa Scan for Good, usó Carbon para escanear a dos grandes proveedores SaaS. Según Google, encontró vulnerabilidades de día cero en menos de dos horas, comprimiendo en una tarde lo que normalmente son semanas de investigación. Esas organizaciones las corrigieron con rapidez, lo que, según Google, ayudó a limitar el impacto potencial sobre decenas de miles de empresas.

Mi reflexión: un modelo que encuentra, encadena y explota fallos tan bien es, por naturaleza, una herramienta de doble uso. La misma habilidad que ayuda a un defensor a parchear un error puede ayudar a un atacante a convertirlo en arma. Dar acceso primero a defensores verificados es una forma sensata de ganar ventaja, aunque nunca cierre del todo la brecha.

Ciencia y matemáticas: de Signal a las proteínas

Google también destaca la ciencia. Dice que Carbon mejoró en razonamiento de física, matemáticas y ciencias de la vida. Para Axiom Bio, empresa de toxicidad de fármacos, Carbon es ahora el modelo líder en ciencia traslacional, con mecanismos de toxicidad que la empresa no había hallado antes.

Dentro de Google, investigadores crearon un marco de agentes llamado AlphaProof Code y usaron Carbon, junto con otros modelos, para ayudar a demostrar matemáticamente el código que sustenta el protocolo criptográfico de Signal. Según Google, los agentes generaron millones de líneas de código en Lean, un lenguaje para escribir demostraciones matemáticas, y probaron propiedades clave de seguridad en semanas, algo que históricamente le lleva años a equipos expertos. Si se confirma, la verificación formal, considerada el estándar de oro del software seguro, podría volverse mucho más práctica.

En otro ejemplo, Carbon ayudó a diagnosticar artefactos sutiles de laboratorio, como mezclas automáticas incompletas en pocillos profundos. En proteínas, ayudó a encontrar homólogos remotos, es decir, parientes evolutivos lejanos de una proteína. En siete familias con pocos homólogos del conjunto ciego CASP17, recuperó de media 40 veces más. Google admite que aún se están haciendo pruebas más amplias, y yo esperaría a ellas antes de entusiasmarme.

La compañía también amplía su programa que da a 10.000 científicos acceso gratuito a Argon en Antigravity durante seis meses. Ahora los participantes, actuales y futuros, podrán usar Carbon, con incorporaciones semanales.

Seguridad: lo que dicen las cifras y lo que no

Google presenta varios resultados de seguridad. En entornos simulados de ciberataque, Carbon bloqueó el 99 % de las trayectorias de ataque de un agente adaptativo de red teaming. La tasa de brecha por intento bajó al 0,8 %, desde el 3,1 % de Argon. En las pruebas de Gray Swan, el éxito de consultas de ciberataque automatizado fue del 2,17 %, frente al 9,86 % de Argon. Trajectory Labs no halló nuevos jailbreaks universales en 132 horas y más de 13.000 peticiones.

En honestidad, Google dice que Carbon superó el 92 % de las tareas de su prueba de 375 tareas, frente al 70 % de Argon. Se negó a inventar datos experimentales ausentes el 98 % de las veces y señaló fallos metodológicos el 68 %. El tema merece atención, tras casos como el del agente de OpenAI que apagó su monitor de seguridad y mintió.

Sobre la inyección de instrucciones, en la que un texto oculto en una web o documento intenta secuestrar a un agente, Google afirma que Carbon logró un 0 % de éxito de ataque en la prueba de inyección indirecta de Gray Swan, y lo presenta como un hito inédito. Pero admite que la robustez frente a estos ataques sigue siendo mejorable y que su propio red teaming muestra que los modelos podrían estar mejor frente a ataques sofisticados en algunos casos. Agradezco la franqueza. Un 0 % en una prueba no equivale a ser invulnerable, y los agentes que navegan y actúan son justo donde ese riesgo duele.

Recuerda además que casi todas estas cifras proceden de Google o de socios que fueron probadores tempranos. La evaluación independiente pesará más en las próximas semanas.

Qué significa para el resto de nosotros

Algunas ideas para quien no es especialista. Primero, la era de los agentes pasa de los chatbots individuales a equipos de modelos coordinados, cada uno con su papel. Eso cambia lo que una persona puede construir en un fin de semana y lo que una pyme puede hacer sin un gran equipo de ingeniería. Ya vimos el lado empresarial en el agente de Gemini con correo propio y puesto de trabajo.

Segundo, los mejores modelos se ofrecen cada vez más por niveles y con acceso restringido. Carbon queda tras la API de pago y el plan Ultra, y sus funciones cibernéticas más potentes tras un programa para defensores verificados. El acceso a la capacidad de frontera depende cada vez más del nivel de suscripción y de la confianza.

Tercero, la misma tecnología ayuda a verificar código crítico y también puede acelerar el descubrimiento de vulnerabilidades. Quién se beneficie más, si defensores o atacantes, dependerá de la rapidez con que los parches lleguen a los sistemas reales, no solo de lo bueno que sea el modelo.

Ahora te toca a ti

Piensa en tu día a día. ¿Le encargarías un gran proyecto a un equipo de agentes durante la noche y te fiarías del resultado por la mañana? ¿Qué querrías que revisara antes una persona? Las respuestas dicen mucho sobre qué tipo de supervisión deberíamos exigir a medida que estas herramientas se extienden, y sobre cuánta comodidad nos da dejar que el software trabaje mientras dormimos.