La corona de Gemini 4 Carbon vale poco hasta que los defensores la tengan primero

Cuando un modelo es tan bueno encontrando y explotando fallos que su creador no te deja usarlo, ¿es un producto o una nota de prensa? Gemini 4 Carbon, de Google, es las dos cosas, y cuál de ellas gana dependerá de lo que ocurra en las próximas semanas.

Este es el resumen. Google lanzó Carbon el miércoles, según informa The Verge, y presume de «mejoras significativas» en programación, tareas con agentes y ciberseguridad, además del primer puesto en el Artificial Analysis Intelligence Index (v5.0), con Claude Opus 5.5 y GPT-6 Astra por detrás. De momento solo está disponible para un grupo selecto de empresas de ciberdefensa a través del programa Fairwind, y el acceso se ampliará más adelante. El precio de lanzamiento es de 2 dólares por millón de tokens de entrada y 10 dólares por millón de tokens de salida.

La corona es más endeble de lo que sugiere el titular

Google cita una puntuación de 59 en el índice. Ars Technica lo pone en perspectiva: todos los modelos punteros se mueven en la misma franja en estas pruebas, y la distancia entre Carbon y la competencia es de apenas unos puntos. Señala también que Carbon supera a Argon por márgenes mínimos en todas las pruebas que Google ha facilitado, y que, por lo que se sabe, podría ser una mejora posterior al entrenamiento y no un modelo nuevo.

Nos parece el nivel de escepticismo adecuado. Una ventaja de unos pocos puntos en una clasificación, anunciada por la empresa a la que beneficia, es marketing hasta que otro la reproduzca. Las cifras de ciberseguridad merecen el mismo trato: el 88,2 % en SEC-bench Pro, el 54,8 % en ExploitGym y el 71 % en CWE-bench son datos de Google, y la afirmación de que Carbon rindió más de 10 veces mejor generando parches de alta calidad se mide frente a un modelo de «otro laboratorio» sin nombre. Los rivales anónimos dan pie a fanfarronadas imposibles de refutar.

El orden de acceso es la verdadera noticia

Lo más interesante es cómo se distribuye Carbon. Google dice que sigue el proceso de revisión voluntaria del Gobierno de EE. UU. y que empieza por los defensores. Es un buen instinto. Un modelo que puntúa bien tanto al encontrar vulnerabilidades como al convertirlas en exploits es de doble uso por definición. Dárselo primero a los defensores solo sirve si les saca una ventaja real, y eso es una promesa sobre plazos, no sobre capacidad.

Y los plazos son vagos. Google no se compromete a ningún calendario para el lanzamiento general. Ars sugiere que, si ocurre como con Argon, Carbon podría estar disponible en un par de semanas, pero eso es una deducción, no un compromiso. Dos semanas son mucho tiempo en seguridad. Si los atacantes cuentan con herramientas comparables de otra procedencia, o si Carbon llega al público antes de que los defensores hayan corregido lo que encuentra, el planteamiento de «los defensores primero» se queda en una bonita historia sobre una ventaja mínima.

Hay además un problema más discreto: una versión preliminar cerrada implica que nadie ajeno al grupo selecto puede comprobar nada de esto. Es de suponer que los socios de Fairwind tienen incentivos y capacidad para ponerlo a prueba a fondo. Nos encantaría que ellos, o laboratorios independientes, publicaran lo que encuentren, incluidos los fallos.

Qué debería hacer un lector escéptico

Hay que reconocer lo que merece reconocimiento: el resultado en inyección de instrucciones es notable si se confirma. Ars cuenta que Carbon resistió todos los ataques intentados en la evaluación de Grey Swan, frente al 0,7 % de Argon y el 8,5 % de GPT-6 Astra. Eso importa más para los agentes que funcionan durante días que una pequeña ventaja en el índice. Pero sigue siendo una sola evaluación, comunicada en los términos que Google ha elegido publicar.

Nuestro veredicto: trata la corona del índice como una nota al pie y las afirmaciones de ciberseguridad como una hipótesis. Si trabajas en seguridad, pide los detalles de la evaluación y una prueba a través de un socio de Fairwind en lugar de fiarte del gráfico. Si eres desarrollador, no rediseñes nada en torno a Carbon todavía; el precio de lanzamiento es atractivo, pero The Express Tribune informa de que subirá a 4 y 20 dólares por millón de tokens. Lo más probable es que la corona del benchmark se olvide con el próximo lanzamiento. Lo que quedará es si los defensores llegaron a corregir los fallos antes de que todos los demás tuvieran la misma capacidad.