Google presentó Gemini 4 Carbon, su nuevo modelo de Inteligencia Artificial, con acceso inicial para un grupo seleccionado de equipos de ciberdefensa. El sistema alcanzó el primer puesto en la versión 5.0 del índice de Artificial Analysis, con 59 puntos.
La empresa ampliará gradualmente el acceso a otros socios mediante Fairwind, su programa de colaboración. La disponibilidad para desarrolladores, empresas y consumidores llegará después de recoger comentarios y ajustar las protecciones.
“Estamos adoptando un enfoque deliberado para el despliegue”, escribió Koray Kavukcuoglu, vicepresidente sénior de Google DeepMind y arquitecto jefe de IA de Google. La compañía participa en el proceso voluntario del gobierno de EEUU para evaluar modelos antes de su lanzamiento.
Gemini 4 Carbon encabeza una evaluación de nueve pruebas
Artificial Analysis combina nueve evaluaciones de matemáticas, ciencias, programación y tareas de varios pasos. La organización realiza sus propias mediciones y resume los resultados en una puntuación compuesta, que permite comparar el desempeño de los modelos en ese conjunto de ejercicios.
Carbon, en su configuración High, obtuvo 59 puntos. Le siguieron dos configuraciones de Claude Opus 5.5, con 58 y 57 puntos. Las posiciones corresponden al índice agregado y a las configuraciones evaluadas, que pueden producir resultados diferentes según los recursos utilizados para responder.
El indicador distribuye su ponderación en cuatro áreas del mismo peso. Cada una aporta un 25% del total y cubre agentes, programación, capacidades generales y lo que la industria denomina “razonamiento” científico. Entre los ejercicios hay tareas de trabajo con aplicaciones, problemas de física y programación dentro de un entorno de terminal.
Artificial Analysis recomienda interpretar el resultado según el uso previsto. Un puntaje agregado mayor refleja un mejor desempeño conjunto, mientras una prueba particular puede aportar más información para quien necesita programar, resolver tareas científicas o automatizar un trabajo específico.
Las pruebas de seguridad exigen comprobar las correcciones
Google informó resultados de 88,2% en SEC-bench Pro para encontrar vulnerabilidades, 54,8% en ExploitGym para comprobar si pueden aprovecharse y 71% en CWE-bench para corregirlas. Indicó que esas evaluaciones se ejecutaron sin las protecciones de uso del modelo.
SEC-bench Pro utiliza problemas de seguridad en programas reales, con objetivos como V8, Firefox y Linux. Cada tarea se ejecuta en un entorno aislado, con un límite de tiempo, y recoge archivos y registros para comprobar el resultado. La evaluación distingue el hallazgo de una debilidad de la generación de una demostración que permita reproducirla.
En CWE-bench, una solución debe bloquear la forma de aprovechar la falla y conservar el funcionamiento de las pruebas existentes. El control automático exige ambas condiciones. Su versión 1 añade una revisión separada de tres modelos evaluadores, cuyo resultado se informa junto al control programático.
Ese criterio conecta el resultado con la evaluación de herramientas de ciberseguridad. Una corrección debe resolver el defecto y mantener las funciones legítimas del programa. En un ejemplo público de CWE-bench, el decodificador de imágenes debe rechazar entradas defectuosas y conservar los píxeles que produce con datos válidos.
Google anunció un precio inicial de US$2 por millón de tokens de entrada y US$10 por millón de salida. Los tokens son las unidades de texto que el modelo procesa y genera. Después del período introductorio, los precios subirán a US$4 y US$20, respectivamente.
