Por Canuto  

Gemini 4 Carbon, el modelo de Google que todavía no llega al público general, obtuvo el primer lugar en el Artificial Analysis Intelligence Index v5 con 59 puntos. La evaluación también muestra avances frente a Gemini 4 Argon en programación, trabajo de conocimiento y precisión, aunque Claude Opus 5.5 mantiene la delantera en agentes de programación.
***

  • Gemini 4 Carbon alcanzó 59 puntos en el índice general y lideró cuatro de sus nueve evaluaciones.
  • En el índice de agentes de programación quedó a tres puntos de Claude Opus 5.5, con resultados destacados en dos pruebas de código.
  • Su costo estimado por tarea fue de USD $7,76, mientras que la evaluación de omnisciencia registró 58% de precisión y 11% de alucinaciones.

Gemini 4 Carbon, el modelo más reciente de Google evaluado por Artificial Analysis, alcanzó el primer puesto de su Intelligence Index v5 con una puntuación de 59. El resultado lo coloca por delante de otros modelos en el indicador general, aunque la clasificación no significa que lidere cada tipo de tarea: Carbon quedó detrás de Claude Opus 5.5 en el índice de agentes de programación y tampoco encabezó la evaluación de trabajo de conocimiento agéntico.

El lanzamiento, además, sigue siendo limitado. Google está habilitando Carbon para usuarios seleccionados y aún no lo ofrece de forma pública, mientras aplica un descuento promocional de 50% cuya fecha de término no ha confirmado; las cifras comparativas de la evaluación, sin embargo, utilizan los precios estándar de ambos modelos Gemini.

Un primer puesto impulsado por razonamiento y ciencia

El 59 de Gemini 4 Carbon le dio el primer lugar en cuatro de las nueve evaluaciones que conforman el Intelligence Index v5. Artificial Analysis destacó sus resultados en HLE-Diamond, Terminal-Bench-Science, AA-Omniscience y AutomationBench-AA, pruebas que examinan capacidades distintas y no una sola destreza aislada del modelo.

La organización atribuyó el avance principalmente al rendimiento en razonamiento complejo, conocimiento y tareas científicas. Esa combinación ayuda a explicar por qué Carbon encabeza el índice agregado, pero no permite concluir que sea el mejor sistema para cualquier uso: en programación y trabajo de conocimiento obtuvo mejoras importantes sin alcanzar el primer lugar de esas categorías.

La diferencia entre una clasificación general y los resultados por tarea importa para interpretar el anuncio. Un índice resume varias mediciones en una puntuación, mientras que las pruebas individuales permiten ver dónde destaca el modelo y dónde conserva terreno por recuperar; en este caso, los cuatro liderazgos específicos conviven con posiciones inferiores en otras áreas relevantes.

La comparación más directa dentro de la propia familia de Google es con Gemini 4 Argon. Según los datos publicados, Carbon aventajó a Argon por nueve puntos en el Intelligence Index, pese a que ambos comparten el precio estándar de USD $4 por millón de tokens de entrada y USD $20 por millón de tokens de salida.

Avance en programación, sin superar a Claude

En el Artificial Analysis Coding Agent Index, Gemini 4 Carbon con razonamiento alto obtuvo 59 puntos al utilizar Antigravity CLI. Solo quedó tres puntos por debajo de Claude Code con Claude Opus 5.5 en configuración máxima, que registró 62; la distancia refleja una competencia estrecha, pero mantiene a Claude en la primera posición de esa clasificación.

Carbon también ocupó el segundo lugar en Terminal-Bench 4.0, con un resultado de 64%, y en FrontierCode v1.1, con 51%. En esta última prueba, Claude Opus 5.5 en configuración máxima alcanzó 56%, de acuerdo con los resultados difundidos; el desempeño supone un avance para Google en programación, un área en la que, según la fuente, sus modelos habían quedado históricamente rezagados.

Estas cifras describen el comportamiento observado en pruebas de agentes de programación, no una garantía de que Carbon supere a sus rivales en cada proyecto de software o entorno de desarrollo. El resultado también depende de la configuración evaluada: la comparación citada utiliza Carbon con razonamiento alto y Claude Opus 5.5 en modo máximo, además de herramientas concretas para ejecutar las tareas.

En trabajo de conocimiento agéntico, Carbon mejoró frente a Argon, pero no desplazó a los modelos que encabezan esa clasificación. En AA-Briefcase alcanzó 1.609 puntos Elo, 126 más que Gemini 4 Argon con razonamiento alto, que obtuvo 1.483; aun así, quedó por debajo de Grok 4.7 con 1.638, Muse Wonder con 1.659 y Kimi K3.1 Pro con 1.678.

Costos, precisión y límites de la comparación

Artificial Analysis calculó que Carbon cuesta USD $7,76 por tarea del Intelligence Index a precio estándar. La cifra es aproximadamente 23% inferior a los USD $10,04 atribuidos a Claude Opus 5.5 en configuración máxima, aunque resulta cerca de 1,2 veces superior a los USD $6,25 de GPT-6 Astra en su configuración máxima.

La estimación de costo también considera el volumen de tokens de salida empleado por tarea. Carbon utilizó 123.000 tokens, 29% menos que los 173.000 de Claude Opus 5.5; la cifra de costo por tarea no debe leerse como una tarifa fija para cualquier consulta, sino como una comparación calculada con las tareas y precios estándar usados en la evaluación.

Frente a Gemini 4 Argon, el costo por tarea fue prácticamente equivalente: USD $7,76 para Carbon y USD $7,68 para Argon, según las cifras publicadas. La diferencia central es que Carbon logró nueve puntos más en el índice general sin cambiar el precio estándar por millón de tokens, aunque el descuento promocional de lanzamiento puede alterar temporalmente el gasto de quienes tengan acceso.

En AA-Omniscience v1.1, una evaluación actualizada de conocimiento y respuestas, Carbon logró 54 puntos. Superó por seis puntos a Claude Opus 5.5 en configuración máxima, que obtuvo 48, y por ocho a Gemini 4 Argon, con 46; en esa misma prueba, la precisión de Carbon llegó a 58%, diez puntos porcentuales más que la de Argon.

El avance en precisión vino acompañado de una tasa de alucinación mayor que la de Argon: subió de 4% a 11%. Aun así, Artificial Analysis indicó que Carbon presentó la segunda tasa más baja entre los modelos comparados, solo por detrás de Argon; Claude Opus 5.5 y GPT-6 Astra registraron 50% cada uno en esa medición.

Acceso todavía restringido y especificaciones

Carbon mantiene una ventana de contexto de un millón de tokens y admite texto, imágenes, video y voz como entrada, con texto como salida. Estas características amplían los tipos de material que el sistema puede recibir, aunque los resultados de las pruebas citadas no permiten deducir por sí solos cómo responderá ante cada caso práctico o combinación de formatos.

El precio estándar informado es de USD $4 por millón de tokens de entrada y USD $20 por millón de tokens de salida, igual que el de Gemini 4 Argon. Los tokens de entrada almacenados en caché cuentan con un descuento de 95% y cuestan USD $0,20 por millón al precio estándar, mientras el descuento promocional de lanzamiento para el modelo es de 50% y no tiene una fecha de finalización confirmada.

Por ahora, Google limita el acceso a usuarios seleccionados y no ha anunciado en la información citada cuándo habilitará el modelo para el público general. Esa restricción significa que el primer lugar del índice y las comparaciones de precio ofrecen una referencia del rendimiento medido, pero no equivalen a disponibilidad abierta para empresas, desarrolladores o consumidores.

La fotografía que dejan las pruebas es la de un modelo que mejora de forma apreciable frente a Argon y ya compite cerca de los líderes en programación, sin dominar todavía todas las categorías. Su posición en el índice general, el costo estimado por tarea y el equilibrio entre precisión y alucinaciones serán puntos de referencia para evaluar Carbon cuando su acceso se amplíe y más usuarios puedan contrastar esos resultados con sus propios usos.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados