EL MAGAZINE SEMANAL
Hay una parte del anuncio de Gemini 4 Carbon que me hizo parar. Google puso a sus agentes a escribir pruebas matemáticas sobre el código que usa Signal para cifrar mensajes. En vez de creerles cuando decían que habían terminado, hizo que otro programa comprobara las pruebas.
El 10 de noviembre de 2026, Google abrió Gemini 4 Carbon a desarrolladores de pago y empresas. También empezó a desplegarlo para suscriptores de Google AI Ultra. El modelo se había presentado el 28 de octubre y los primeros en recibirlo fueron algunos equipos de ciberseguridad. Anuncio de disponibilidad
Tabla de contenidos
- Qué cambia entre Gemini 4 Carbon y Argon
- Cómo funciona /swarm en Google Antigravity
- Qué pudo probar Google sobre Signal
- Qué mostró Carbon fuera de la programación
- Cómo leer los benchmarks y las cifras de seguridad
- Dónde usar Gemini 4 Carbon y cuánto cuesta
- Qué le pediría a un agente antes de darle más trabajo
Qué cambia entre Gemini 4 Carbon y Argon
Si le pides a un agente que arregle una falla que cruza tres servicios, tiene que leer el repositorio, seguir pistas, probar cambios y volver atrás si rompió algo. Para esos trabajos, donde una respuesta depende de muchas decisiones anteriores, Google entrenó a Carbon para sostener el razonamiento y verificar durante más tiempo. Comparte la base de Argon y recibió entrenamiento adicional, incluido aprendizaje por refuerzo.
Carbon suele gastar más tokens y puede tardar más. Google mantiene a Argon como la opción para la mayoría de las tareas de software y de análisis. Carbon entra cuando el problema exige varios intentos, como depurar una falla difícil o investigar una pregunta científica con un camino todavía abierto. Ficha técnica de Google DeepMind
Acepta texto, imágenes, audio y video, y devuelve texto. La API comparte 1.048.576 tokens entre la entrada, el razonamiento y la salida. La respuesta síncrona tiene un límite de 65.536 tokens. Para salidas mayores, Google documenta la ejecución en segundo plano dentro de esa misma ventana. Puedes ajustar el esfuerzo a bajo, medio o alto. El valor predeterminado es medio. Guía de Gemini 4 Carbon para desarrolladores
Cómo funciona /swarm en Google Antigravity
Imagina que hay que migrar varias partes de una aplicación. Un coordinador puede dividir la tarea, varios agentes pueden trabajar a la vez en copias separadas del repositorio y un verificador puede intentar romper el resultado antes de que se integre. Eso es lo que Google está probando con /swarm en Antigravity. El tablero te deja ver quién trabaja en qué y puedes elegir un modelo distinto según el rol.
Los videos muestran resultados del sistema completo. Antigravity coordina agentes, archivos y herramientas. En la tienda, la imagen viene de Nano Banana. En la oficina, los planos son la fuente para el modelado. /swarm está en vista previa en la app y la CLI, y el uso paralelo puede consumir la cuota más rápido. Despliegue y funcionamiento de /swarm en Antigravity
Qué pudo probar Google sobre Signal
Una prueba de software normal ejecuta casos y busca fallas. Una prueba formal parte por escribir una propiedad precisa y demuestra que se cumple bajo los supuestos del modelo. Por ejemplo, qué pueden averiguar sobre mensajes anteriores quienes consiguen una clave posterior. Si la propiedad quedó mal escrita o dejó algo fuera, el verificador puede aceptar una prueba correcta para la pregunta equivocada.
En AlphaProof Code, el equipo humano revisó las especificaciones con ayuda de Carbon y Claude Opus 5.5. Después, agentes con Carbon generaron alrededor de 6,5 millones de líneas de pruebas en Lean. El núcleo de Lean comprobó esas pruebas contra las especificaciones y la semántica de la máquina. El trabajo se hizo sobre código compilado AArch64 de libsignal y cubrió propiedades del intercambio de claves PQXDH y de Triple Ratchet, entre ellas autenticación y secreto de mensajes anteriores bajo los supuestos del estudio.
Google reportó cuatro semanas de trabajo. La demostración cubre partes concretas de la biblioteca criptográfica. La aplicación completa, el dispositivo y la infraestructura que la rodea quedan fuera de ese resultado. Los investigadores publicaron el código y las especificaciones para que se pueda examinar el alcance. Paper, especificaciones y código de AlphaProof Code
En una copia de prueba, el equipo volvió a introducir dos fallas que ya se habían corregido y obtuvo pruebas de que esas versiones alteradas eran inseguras. Es una buena manera de ver qué aporta el verificador cuando el código cambia. Explicación del experimento por Google DeepMind
Qué mostró Carbon fuera de la programación
En investigación de proteínas, los modelos de estructura se benefician de encontrar secuencias de parientes evolutivos. A veces hay tan pocos parientes conocidos que la predicción parte con poca información. Google usó agentes con Carbon para buscar parientes remotos en grandes catálogos genéticos y de estructuras.
En siete familias del conjunto ciego CASP17 con pocos parientes conocidos, el equipo recuperó en promedio 40 veces más secuencias emparentadas. El número mide los resultados de la búsqueda. El efecto sobre la precisión de las estructuras todavía requiere una evaluación más amplia, según Google. Resultados de investigación del anuncio
Cómo leer los benchmarks y las cifras de seguridad
En CursorBench 4.0, que prueba tareas de programación en el entorno de Cursor, Carbon en esfuerzo alto marcó 60,4% a US$9,22 por tarea. Fable 5.2 en Max quedó en 60,0% a US$32,79. Argon en alto marcó 52,9% a US$4,57. En ese escenario, Carbon fue más barato que Fable y aproximadamente el doble de caro que Argon. Cambian la cuenta el entorno, los tokens, la configuración y la cantidad de intentos.
Resultados y metodología de CursorBench · Evaluaciones de Google DeepMind
En otra prueba, Multimodal Knowledge Agent, Carbon en alto obtuvo 54% en la rúbrica ponderada y Fable 5.2 en Max obtuvo 57%. La prueba se hizo con documentos que mezclan gráficos, tablas, imágenes y planos. Google colaboró con Artificial Analysis en su diseño. Sirve para ver cómo cambia el orden cuando la tarea consiste en leer archivos densos y producir un entregable. Resultados de Artificial Analysis
Las cifras de 88,2% al encontrar vulnerabilidades en SEC-bench Pro, 54,8% en ExploitGym y 71,0% al parchear en CWE-bench v1 corresponden a Carbon para ciberseguridad, distribuido por Fairwind. En otro ensayo, el acceso público obtuvo 0% de éxito de inyección indirecta en el benchmark de Gray Swan. Google reporta que en sus pruebas adversariales más sofisticadas todavía hay margen de mejora. Informe de seguridad de Gemini 4 Carbon
Dónde usar Gemini 4 Carbon y cuánto cuesta
- Desarrollo. Gemini API pagada con el ID gemini-4-carbon, Google AI Studio y Android Studio.
- Empresas. Gemini for business por API o selector de modelos, además de Antigravity y CodeMender en los accesos que anuncia Google.
- Suscriptores de Google AI Ultra. Despliegue en la app Gemini, AI Mode de Google Search y Antigravity.
- Equipos de ciberseguridad. Acceso especializado por solicitud en Fairwind.
| Tarifa API pública por millón de tokens | Hasta el 30 de noviembre | Desde el 1 de diciembre |
|---|---|---|
| Entrada | US$2 | US$4 |
| Salida | US$10 | US$20 |
| Entrada con acierto de caché implícita | US$0,10 | US$0,20 |
La salida facturable incluye razonamiento. El descuento de caché aplica a la entrada cuando hay un acierto. La guía indica que se activa automáticamente para prompts de al menos 4.096 tokens. Para presupuestar, cuenta también los reintentos, los agentes que corren en paralelo y las herramientas que cobran por separado. Documentación de acceso y precios
Qué le pediría a un agente antes de darle más trabajo
Si mañana lo probara en Efeonce, partiría con una migración chica de Greenhouse que ya sabemos revisar. Le daría un entorno de prueba, una falla que se pueda reproducir y tres condiciones escritas. Qué puede cambiar, qué tiene que seguir funcionando y cómo lo vamos a comprobar. A otro agente le pediría que tratara de romper lo que hizo el primero.
Lo que me interesa de Signal está en ese orden. Primero alguien tuvo que ponerse de acuerdo sobre qué quería demostrar. Después los agentes se pusieron a trabajar y Lean comprobó la prueba. Cuando el equipo cambió el código para volver a introducir un fallo, también pudo demostrar que esa versión se rompía. Yo quiero ese nivel de claridad cuando un agente toca algo que después vamos a mantener nosotros.
Haría la misma prueba con Argon y Carbon. Mediría cuánto tardan, cuánto gastan y cuántos cambios puede aceptar una persona con la evidencia que recibe. Si Carbon cuesta más pero encuentra una falla que al equipo le habría tomado una tarde, ahí veo el negocio. Si me entrega un cambio que tengo que investigar desde cero, todavía tengo trabajo pendiente.
Julio Reyes
Nos leemos el lunes en Glitch.
