Google lanza Gemini 4 Carbon, centrado en ciberseguridad y agentes de larga duración

Dos semanas después de Gemini 4 Argon llega Gemini 4 Carbon, que Google presenta como su modelo más potente. Según Google, lidera el índice de Artificial Analysis y obtiene un 0 % de éxito de ataques en una prueba de inyección indirecta de instrucciones. Dice también que sus agentes internos han trabajado días seguidos en tareas de varios pasos.

El despliegue es escalonado: primero un grupo de defensores en ciberseguridad, luego socios de confianza, con pruebas previas del Gobierno de EE. UU. Precio de lanzamiento: 2 $/10 $ por millón de tokens de entrada/salida, que subirá a 4 $/20 $.

Carbon ocupa el puesto número 1 en la versión 5.0 del Índice de Inteligencia Artificial Analítica, recientemente actualizada , con una puntuación de 59. Muestra avances significativos en tareas de codificación y agentes, así como en capacidades clave para la defensa de la ciberseguridad, logrando un liderazgo firme en SEC-bench Pro (88,2 %) para la detección de vulnerabilidades, ExploitGym (54,8 %) para la explotación y CWE-bench (71,0 %) para la aplicación de parches. En las pruebas internas, Carbon impulsa una mejora considerable en la generación de código seguro, y en entornos de codificación en vivo con nuestros propios equipos, muestra tasas reducidas de errores y falsificación.

Basándose en Gemini 4 Argon , lanzado hace dos semanas, Carbon ilustra el ritmo vertiginoso con el que estamos ampliando las fronteras de la ciencia. Nuestros investigadores y modelos trabajan codo con codo para acelerar el desarrollo de capacidades, al tiempo que reforzamos nuestras medidas de seguridad.

Estamos adoptando un enfoque meticuloso para el lanzamiento y participamos activamente en el proceso voluntario del gobierno estadounidense para las pruebas de modelos previas al lanzamiento. A partir de esta semana, pondremos Carbon a disposición de un subconjunto de expertos en ciberseguridad y, gradualmente, ampliaremos el acceso a otros socios de confianza a través de nuestro programa Fairwind . Continuamos recabando comentarios y perfeccionando las medidas de seguridad antes de que Carbon esté disponible para desarrolladores, empresas y consumidores a través de nuestras plataformas de producto lo antes posible.

El Gemini 4 Carbon se lanzará al mismo precio de introducción. ¹ como Argon a 2 dólares por millón de tokens de entrada y 10 dólares por millón de tokens de salida, con tokens de entrada en caché con un descuento del 95 % sobre el precio de los tokens de entrada.

Mejorar la codificación y el razonamiento para tareas desafiantes a largo plazo.

Diseñado para abordar problemas de ingeniería mucho más complejos y a largo plazo, Carbon está creado para flujos de trabajo automatizados y sostenidos. Internamente, nuestros equipos han visto a Carbon funcionar durante días para superar obstáculos y abordar tareas de ingeniería complejas y multietapa, como la identificación de la causa raíz y la corrección de errores sutiles en grandes bases de código y sistemas de bajo nivel.

Basándonos en los comentarios de los usuarios, nos centramos en mejorar el rendimiento del modelo en diversos ámbitos, como la codificación, las tareas automatizadas y científicas, así como el desarrollo web full-stack y la comprensión multimodal. Gracias a la mejora en la calidad de los resultados y los artefactos en el desarrollo web, Carbon subió 89 puntos Elo y se posicionó en el puesto #4 (1768) de WebDev Arena .

Rendimiento de ciberseguridad de vanguardia para ayudar a construir sistemas seguros.

Gemini 4 Carbon supone un salto cualitativo en las capacidades de ciberseguridad. Alcanza un rendimiento de vanguardia en todo el ciclo de vida de la defensa cibernética: detección, validación y corrección de vulnerabilidades.

Nuestros equipos ya están observando importantes avances en ciberdefensa. En pruebas internas, Carbon logra una tasa de éxito más del doble en la generación de código seguro en comparación con Argon. Como otro ejemplo, el equipo de Chrome informó que Carbon tuvo un rendimiento más de 10 veces superior al del modelo fronterizo de otro laboratorio al generar parches de alta calidad. Wiz, nuestra plataforma líder de seguridad en la nube, también observa que Carbon lidera las pruebas de penetración web, una capacidad fundamental para la iniciativa Scan for Good de Wiz .

Carbon destaca en los principales parámetros de referencia externos (evaluados sin restricciones):

• Detección de vulnerabilidades reales: La clave de la ciberseguridad reside en la detección de vulnerabilidades reales. Carbon alcanza un excelente resultado del 88,2 % en SEC-bench Pro , descubriendo de forma autónoma fallos complejos ocultos en software real.

• Validación de riesgos mediante la explotación: Para priorizar qué vulnerabilidades corregir primero o corregir en absoluto, los ciberdefensores recurren cada vez más a modelos que verifican qué vulnerabilidades son explotables. Carbon establece un nuevo récord en el popular benchmark de explotación ExploitGym (54,8%).

• Corrección de la causa raíz: Tras identificar las vulnerabilidades, solucionar la causa raíz es un paso fundamental en el ciclo de vida de la ciberseguridad. Carbon alcanza el 71,0 % en la plataforma CWE-bench de Collinear , transformando los hallazgos validados directamente en correcciones de código funcionales.

Avances en la seguridad y protección de modelos de vanguardia

Gemini 4 Carbon se basa en la misma arquitectura de seguridad multicapa de Argon, que combina entrenamiento de modelos, defensas contra el uso indebido en tiempo real, resistencia a la inyección instantánea y monitorización de la cadena de pensamiento. En particular, logramos avances significativos en la alineación del modelo con Argon, y en nuestro informe de Seguridad informamos sobre su tendencia a comportarse de forma coherente . Con Carbon, nos propusimos ir un paso más allá en la alineación y entrenamos el modelo para que respondiera correctamente a tareas complejas o de alta presión.

• Reduciendo atajos y aprovechando vulnerabilidades: Con Carbon, redujimos aún más los intentos de atajos durante el entrenamiento, garantizando al mismo tiempo un rendimiento de codificación de alta calidad. Carbon redujo las trampas exitosas en Terminal-Bench 4.0 al 0,0 %, y los intentos de hacer trampa disminuyeron al 0,4 %, mejorando la precisión general. En entornos de codificación reales con nuestros equipos internos, observamos que las alertas de desalineación de alta gravedad se redujeron en casi un 80 %.
• Mayor transparencia y honestidad: En nuestras pruebas internas, Carbon reduce las afirmaciones sin fundamento aproximadamente al doble en comparación con Argon. Incluye advertencias metodológicas directamente en el producto final o retiene las acciones bloqueadas con una lista clara de lo que aún se requiere, en lugar de inventar información o eludir la evidencia faltante.
• Mejora de la colaboración con el usuario ante la ambigüedad: en lugar de adivinar o forzar un camino a seguir, Carbon recupera las fuentes relevantes y muestra las discrepancias al usuario antes de actuar; como resultado, los usuarios deberían observar una experiencia de colaboración mucho mejor con Carbon.
• Cumplir con lo prometido sin extralimitarse: Carbon redujo simultáneamente el exceso de compromiso en un 26 % y la falta de servicio en un 29 %, lo que dio como resultado una ejecución mucho más fiable de los planes de varias etapas de principio a fin, respetando las limitaciones del proyecto y manteniéndose estrictamente dentro del alcance.
• Resistencia a la inyección inmediata: Si bien Argon lideraba anteriormente el índice de referencia de inyección inmediata indirecta (IPI) de Gray Swan en resistencia a la inyección inmediata con una tasa de éxito de ataque muy baja del 0,7 %, Carbon alcanza el 0,0 %, resistiendo todos los intentos de ataque evaluados.

Próximamente disponible para desarrolladores, empresas y consumidores.

Para avanzar en el sector, es necesario actuar con rapidez y, al mismo tiempo, con una planificación meticulosa. Con Gemini 4 Carbon, nuestro objetivo es lograr avances significativos en ingeniería de software y ciberseguridad sin comprometer la seguridad ni la fiabilidad. Estamos deseando ver cómo los primeros profesionales de la ciberseguridad utilizan este modelo y esperamos poder ofrecer Carbon a desarrolladores, empresas y consumidores próximamente.