Gemini 4 Carbon: el mejor modelo de Google, quién lo puede usar y cuánto cuesta

1. La ficha: lo que Google publicó y lo que no

El post de lanzamiento de Google es generoso en benchmarks y escaso en especificaciones. Da un precio y un plan de despliegue, pero no da model ID, ventana de contexto, lista de modalidades ni cantidad de parámetros, y el patrón de URL de la model card de Argon devuelve un 404 para Carbon. Donde Google calla, el recuadro de abajo lo dice y recurre a listados de terceros, marcados como tales.

El reporte de seguridad que enlaza el post es el de Argon (octubre de 2026), y busqué en su texto: Carbon no aparece. Dice que Google no puede descartar que Argon sin mitigaciones alcance el Critical Capability Level de Cyber Uplift Level 1, y por eso Argon salió con mitigaciones cyber. Para un sucesor que se vende por la explotación de vulnerabilidades, eso explica el despliegue escalonado.

2. Qué mejora frente a Gemini 4 Argon

Google publica su tabla de benchmarks como imagen, así que tomo las filas de la nota de VentureBeat, cuyos números de ciberseguridad coinciden con los del post de Google. Según la cuenta de Google, Carbon tiene el mejor puntaje en 15 de 17 filas. Todos son reportados por el vendor, y Google aclara que las evaluaciones cyber se corrieron sin guardrails. Frente a Argon: SEC-bench Pro 88,2% contra 83,4%, ExploitGym 54,8% contra 42,0%, CWE-bench 71,0% contra 68,0%, Agents’ Last Exam v1.1 77,4% contra 69,0%, GraphWalks 96,2% contra 84,2% y FrontierSWE 2 61,2% contra 55,0%.

El control independiente es Artificial Analysis. Su comparación entre Carbon y Argon, que leí el 3 de noviembre, muestra que el Intelligence Index v5 pasa de 50 a 59 con razonamiento high, Terminal-Bench 4.0 de 57% a 65% y FrontierCode 2.0 de 26% a 41%. Si lo comparás con mi post de Argon, que citaba un 53: la versión 5.0 cambió la mezcla de pruebas, así que los puntajes viejos y nuevos no se mezclan.

Los tres cambios que vende Google

3. Quickstart: construí sobre Argon hoy y cambiá con una línea

Hoy no podés llamar a Carbon salvo que estés en la primera cohorte: Google no publicó un model ID y su post no nombra ninguna superficie de producto para desarrolladores. Por eso el código de abajo corre sobre gemini-4-argon, con el model ID leído de la configuración. El segundo ejemplo usa ejecución en background, la forma documentada de correr los trabajos largos para los que se vende Carbon: el servidor ejecuta la tarea, te devuelve un ID de interacción al instante y vos consultás el estado sin mantener una conexión abierta.

Los snippets siguen la documentación de Google; no los corrí. Necesitás una GEMINI_API_KEY de un proyecto con tier de pago, porque Argon no está en el tier gratuito. Cuando Carbon se abra, leé su página en la documentación para ver las diferencias (niveles de thinking, límites de salida, caching) antes de cambiar la variable.

# pip install -U google-genai
# export GEMINI_API_KEY="YOUR_API_KEY"  (paid-tier project: Argon has no free tier)
import os

from google import genai

# SWAP POINT: the only line that changes when Carbon opens.
# Set GEMINI_MODEL to the ID Google lists on its models page. Don't guess it.
MODEL = os.environ.get("GEMINI_MODEL", "gemini-4-argon")

client = genai.Client()

with open("payments/retry.py", encoding="utf-8") as f:
    source = f.read()

interaction = client.interactions.create(
    model=MODEL,
    input="Find race conditions in this retry logic and propose a minimal patch:\n\n" + source,
    generation_config={
        "thinking_level": "medium",  # low | medium (default) | high
        "max_output_tokens": 32768,  # thinking and the answer share this limit
    },
)

print(interaction.output_text)

import os
import time

from google import genai

MODEL = os.environ.get("GEMINI_MODEL", "gemini-4-argon")  # same swap point
BUDGET_SECONDS = 45 * 60  # your limit, not Google's

client = genai.Client()

with open("audit_bundle.txt", encoding="utf-8") as f:
    bundle = f.read()  # the files you want audited, concatenated

interaction = client.interactions.create(
    model=MODEL,
    input="Audit this code for injection and broken access control. For each "
    "finding give file, line, severity and a minimal patch.\n\n" + bundle,
    background=True,  # needs store=True, the default
    generation_config={
        "thinking_level": "high",
        "max_output_tokens": 131072,  # without it, background stops at 64K
    },
)
print("interaction id:", interaction.id)  # save it: you can poll or cancel later

started = time.monotonic()
while interaction.status in ("in_progress", "queued"):
    if time.monotonic() - started > BUDGET_SECONDS:
        client.interactions.cancel(id=interaction.id)
        raise TimeoutError(f"Cancelled {interaction.id} after {BUDGET_SECONDS} s")
    time.sleep(10)
    interaction = client.interactions.get(id=interaction.id)

if interaction.status != "completed":
    raise RuntimeError(f"Finished with status: {interaction.status}")

# Output over 64K arrives as several model_output steps: join them all.
text = "".join(
    content.text
    for step in interaction.steps
    if step.type == "model_output"
    for content in step.content
    if content.type == "text"
)
print(text)

# Lists the models your key can see and keeps the Gemini 4 names.
# Today this should print only Argon.
curl -s "https://generativelanguage.googleapis.com/v1beta/models?pageSize=1000" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  | grep -oE '"name": *"models/gemini-4[^"]*"'

4. Cuánto cuesta un trabajo largo, con precio intro y de lista

Google le pone a Carbon exactamente el precio de Argon, así que las filas de Argon en la página de precios de la Gemini API son la mejor guía: $2 de entrada, $0.10 de entrada cacheada y $10 de salida por 1M de tokens hasta el 30 de noviembre, después $4, $0.20 y $20, sin recargo por contexto largo en la lista. La promo de Carbon no tiene fecha de fin. Acá va una corrida de un agente calculada en papel; los supuestos son míos, así que reemplazalos con números de tus propios logs.

Se destacan tres cosas. La promo reduce a la mitad cada línea, y la de Carbon no tiene fecha de fin, así que presupuestá a $4/$20 desde el primer día. El caché vale más que la promo: $9.87 sin cache hits, $2.10 con ellos. Y a precio de lista Carbon queda al lado de Opus 5.5 ($4.20 contra $4.45) y a casi el doble de GPT-6.1 Sol, por eso el costo por tarea de Artificial Analysis ($7.76 Carbon, $10.04 Opus 5.5, $1.27 Sol) es el número a seguir.

5. Acceso: quién entra y cómo pedirlo

Las reglas de elegibilidad de Fairwind las cubrí en mi guía de Gemini 4 Argon; acá va qué cambia con Carbon, y una cosa que cambió en la página del programa desde entonces.

En Google Cloud, Fairwind ya tiene una forma concreta. La página de Vertex AI de Gemini 4 Argon lista un segundo model ID, gemini-4-argon-cyber-permissive, para descubrimiento de vulnerabilidades, ingeniería inversa, verificación de exploits y generación de parches. Está detrás de una allowlist (los pedidos van por tu equipo de Google o por Fairwind), corre solo en las ubicaciones global y us y no soporta computer use. Un Carbon permisivo podría aparecer ahí de la misma forma, pero Google no dijo que vaya a pasar.

6. Límites honestos

Planificá alrededor de esto antes de prometerle Carbon a alguien.

Veredicto

Gemini 4 Carbon parece el mejor modelo de Google: nueve puntos sobre Argon en la versión más difícil del índice de Artificial Analysis, los mejores puntajes en búsqueda y explotación de vulnerabilidades, y un precio intro que no supera al de Argon. Para equipos de seguridad y trabajos largos de ingeniería autónoma, es el modelo para el que conviene hacer fila.

Para el resto todavía no hay decisión que tomar, porque no lo podés llamar. Construí sobre Argon hoy, dejá el model ID en configuración, corré las tareas largas en modo background y medí el costo por tarea verificada, así en un día sabés si Carbon se gana su lugar cuando se abra.