Gemini 4 Carbon de Google se ha situado en el primer puesto del Intelligence Index V5 de Artificial Analysis, con 59 puntos, uno más que Claude Opus 5.5. Según el análisis, el modelo quedó primero en cuatro de las nueve evaluaciones de la batería de benchmarks. Google lo lanzó la semana pasada y, en un primer momento, lo está poniendo a disposición de defensores de la ciberseguridad seleccionados a través de su programa Fairwind, con planes de ampliar el acceso más adelante.

El modelo también encabezó la evaluación AA-Omniscience v1.1 de Artificial Analysis, que mide la recuperación de conocimientos y las alucinaciones. Obtuvo 54 puntos en una escala de -100 a +100. Aunque fue el mejor resultado de la comparación, la puntuación indica que incluso los modelos mejor clasificados pueden seguir teniendo dificultades para recordar información de forma fiable.

La puntuación de Gemini 4 Carbon en el Intelligence Index lo sitúa dos puntos por delante de GPT-6 Astra de OpenAI y nueve puntos por delante de Muse Wonder Full de Meta. Artificial Analysis también informa de un coste de 7,76 dólares por tarea en el benchmark, ligeramente inferior al de Gemini 3.8 Flash (high) y varios dólares menor que el de Claude Opus 5.5 o Sonnet 5.5 en las configuraciones evaluadas. Sigue siendo más caro que algunos modelos de OpenAI y considerablemente más caro que DeepSeek V4.1 Flash 1017, de pesos abiertos, que obtuvo 32 puntos en el índice.

Los resultados no colocan a Carbon por delante en todos los ámbitos. Artificial Analysis afirma que queda por detrás de Claude Code con Claude Opus 5.5 en programación, y de Grok 4.7, Muse Wonder y Kimi K3.1 Pro en tareas de conocimiento. El gráfico Pareto Frontier de Arena.ai sitúa a Carbon en lo más alto entre los modelos más caros, mientras que entre las opciones de menor coste figuran modelos chinos de pesos abiertos como GLM 5.3-Flash y DeepSeek V4 Pro.

Google afirma que está adoptando un enfoque gradual para el despliegue y que participa en el proceso voluntario del Gobierno de Estados Unidos para probar modelos antes de su lanzamiento. La empresa planea dar acceso primero a un subconjunto de defensores de la ciberseguridad y, después, ampliarlo a través de socios de confianza del programa Fairwind. Google dice que quiere perfeccionar las salvaguardas del modelo antes de ponerlo a disposición de los desarrolladores, centrándose en limitar su uso indebido en ciberseguridad.

La empresa también afirma que Carbon resistió todos los intentos de hacer que actuara de forma indebida en el benchmark Gray Swan Indirect Prompt Injection. Google sostiene que el modelo produce la mitad de afirmaciones sin respaldo que Gemini 4 Argon, presentado dos semanas antes, y reduce en un 26% los excesos del modelo. Estas son afirmaciones de la empresa; los resultados de los benchmarks disponibles no significan que el modelo esté libre de errores.

Fuentes: Tom's Hardware.