Google lanzó la semana pasada Gemini 4 Carbon, su modelo de IA más reciente, y llegó directo a la cima de los rankings. Según Artificial Analysis, es el modelo mejor ubicado en su nuevo conjunto de pruebas Intelligence Index V5, con un punto de ventaja sobre Claude Opus 5.5. Obtiene el primer lugar en cuatro de las nueve evaluaciones y lo hace con un costo por tarea menor que el de otros modelos de punta, como Claude Opus 5.5. Google abre el acceso primero a equipos de ciberdefensa mediante su programa Fairwind, y la disponibilidad general llegará más adelante.
Gemini 4 Carbon también encabeza la nueva prueba AA-Omniscience v1.1 de Artificial Analysis, que mide las alucinaciones y la capacidad de recordar información con precisión. Para gobiernos e instituciones que buscan sacar valor y seguridad de la IA, tener el puntaje más bajo de alucinaciones puede ser un buen argumento de venta.
Aun así, el mejor resultado fue apenas 54 en una escala que va de -100 a +100. Incluso los modelos de punta de 2026 están lejos de recordar información con exactitud de manera consistente.
Un punto sobre Claude Opus 5.5
Los rankings de modelos de IA cambian rápido y seguido en 2026. Que el lanzamiento más reciente de un laboratorio de punta empuje el límite no sorprende, pero Gemini 4 Carbon puede leerse como un regreso de Google después de un año de lanzamientos irregulares.
Gemini 4 Carbon (high) obtiene 59 puntos en el Intelligence Index V5 de Artificial Analysis. Queda un punto sobre Claude Opus 5.5 (max with fallback) y dos sobre GPT-6 Astra (max) de OpenAI. Supera por nueve puntos a Muse Wonder Full (Max) de Meta y por 10 a Claude Fable 5.1 (max with fallback).
La inteligencia general en bruto no lo explica todo. Los desarrolladores buscan la frontera de Pareto, la mejor combinación posible entre costo e inteligencia, y ahí Gemini 4 Carbon también sale bien parado. Su costo por tarea en el Intelligence Index es de 7,76 dólares, algo menor que el de Gemini 3.8 Flash (high). Son varios dólares menos que Claude Opus 5.5 o Sonnet 5.5, ambos en modo max with fallback, y cerca de la mitad de Claude Fable 5.1, que cuesta 12,99 dólares por tarea.
Gemini 4 Carbon sigue siendo más caro que GPT 5 Astra de OpenAI y cuesta unas seis veces más que GPT 6.1 Sol (max). También sale unas 13 veces más caro por tarea que DeepSeek V4.1 Flash 1017, de pesos abiertos, aunque ese modelo obtiene apenas 32 puntos en el Intelligence Index.
No es el mejor en todo, pero puede ser el mejor en la mayoría de los tramos de precio alto, al menos por ahora. Arena.ai lo pone en el primer lugar de su gráfico de frontera de Pareto en el extremo caro del espectro. En los tramos más baratos mandan los modelos chinos de pesos abiertos, como GLM 5.3-Flash y DeepSeek V4 Pro.
Artificial Analysis también señala que Gemini 4 Carbon no programa tan bien como Claude Code con Claude Opus 5.5, y que queda detrás de Grok 4.7, Muse Wonder y Kimi K3.1 Pro en trabajo de conocimiento.
El resultado que más llama la atención es su puntaje de 54 en el AA-Omniscience Index, que mide conocimiento y alucinaciones. Ahí le saca ventajas amplias a la competencia.
| Modelo | Costo por tarea (Intelligence Index) | Tokens de salida por tarea |
|---|---|---|
| Gemini 4 Carbon | 7,76 dólares | 123.000 |
| Claude Opus 5.5 (max) | 10,04 dólares | 173.000 |
| GPT-6 Astra (max) | 6,25 dólares | sin dato |
| Gemini 4 Argon | 7,68 dólares | sin dato |
Según Artificial Analysis, Gemini 4 Carbon cuesta cerca de 23% menos por tarea que Claude Opus 5.5 (max) y unas 1,2 veces lo que cuesta GPT-6 Astra (max). Usa 29% menos tokens de salida que Opus 5.5. Con la misma tarifa estándar de 4 y 20 dólares, su costo por tarea es similar al de Gemini 4 Argon, pero marca 9 puntos más en el Intelligence Index.
Un lanzamiento a paso lento
En el anuncio de Gemini 4, Google destacó su colaboración con el gobierno de Estados Unidos en la revisión de modelos y las pruebas previas al lanzamiento. Igual que hizo Anthropic con Mythos en 2025, Google libera el acceso a Gemini 4 Carbon de forma gradual.
"Estamos adoptando un enfoque deliberado para el despliegue y participamos activamente en el proceso voluntario del gobierno de EE.UU. para pruebas de modelos antes de su lanzamiento", dice el comunicado de Google.
Por eso abre Carbon primero a un grupo de "ciberdefensores" y lo irá ampliando por medio de socios de confianza de su programa Fairwind. Antes de entregarlo a los desarrolladores, quiere ajustar sus barreras de seguridad para que el modelo sirva en ciberseguridad y sea más difícil de usar para crear exploits o ataques.
La idea de frenar a la industria y sumar supervisión al desarrollo de modelos ha subido y bajado en la consideración de las grandes tecnológicas, pero parece instalarse como base para los próximos lanzamientos. Google destaca la seguridad del modelo y asegura que resistió todos los intentos de la prueba Gray Swan Indirect Prompt Injection de hacerlo actuar en contra de sus reglas.
Según Google, Carbon reduce a la mitad las afirmaciones sin respaldo en sus respuestas frente a Gemini 4 Argon, el modelo que presentó hace apenas dos semanas. Si no puede completar una acción, no la ejecuta, en lugar de inventar una respuesta o dar rodeos ante la falta de evidencia.
La empresa también sostiene que Carbon presenta fuentes y acciones sugeridas al usuario cuando hay discrepancias o incertidumbre, en vez de seguir su propio criterio. Con eso, dice, reduce en 26% los casos en que el modelo se excede en sus atribuciones.
Gemini 4 Carbon marca 54 en AA-Omniscience, el puntaje más alto de cualquier modelo y 6 puntos sobre Claude Opus 5.5 (max), que tiene 48. Responde bien más preguntas que Gemini 4 Argon (58% de precisión contra 48%), a cambio de una tasa de alucinación mayor (11% contra 4%). Según Artificial Analysis, esa cifra sigue muy por debajo de Claude Opus 5.5 (max) y GPT-6 Astra (max), ambos en 50%.
¿Cambia la frontera de Pareto?
Durante el último año, los desarrolladores de modelos de punta y de pesos abiertos pusieron el foco en la eficiencia y el costo. Subir la inteligencia y las capacidades, sobre todo con flujos agénticos, avanzó con mucho anuncio, pero varios de los lanzamientos importantes también consideraron el costo como un componente explícito.
Eso no debería cambiar. Según una investigación reciente de Gartner, apenas 3% de las empresas logra mejoras reales de costo y productividad con el uso de IA. A medida que las organizaciones buscan el valor real de la IA, administran presupuestos de tokens y apoyan a los trabajadores que sí ganaron con ella, van a pedir consistencia.
Medir el retorno de la inversión en IA es difícil, y las alucinaciones lo complican todavía más. Si Google logra vender su modelo como el más seguro y el que menos alucina, con alta inteligencia y un costo relativamente bajo, puede tener la fórmula ganadora hasta que salga el siguiente modelo.
