Por Canuto  

Gemini 4 Carbon obtuvo el primer lugar en el Intelligence Index V5 de Artificial Analysis, apenas un punto por delante de Claude Opus 5.5. Su costo por tarea es menor que el de ese modelo, pero la evaluación de alucinaciones y sus resultados en programación muestran que la ventaja de Google no se extiende a todos los usos.
***

  • Gemini 4 Carbon alcanzó 59 puntos en el Intelligence Index V5, frente a 58 de Claude Opus 5.5 y 57 de GPT-6 Astra.
  • Artificial Analysis le asignó 54 puntos en AA-Omniscience, aunque el modelo registró una tasa de alucinación de 11%, superior al 4% de Gemini 4 Argon.
  • Google comenzó a ofrecerlo a defensores cibernéticos mediante Fairwind y prevé ampliar el acceso a través de socios de confianza.

Gemini 4 Carbon supera por poco a Claude Opus 5.5 en un nuevo ranking de IA

Google presentó Gemini 4 Carbon, un modelo de inteligencia artificial que quedó en primer lugar en el Intelligence Index V5 de Artificial Analysis, con una ventaja estrecha sobre Claude Opus 5.5. La evaluación le asignó 59 puntos, uno más que el modelo de Anthropic y dos más que GPT-6 Astra de OpenAI, mientras que el costo por tarea también lo situó por debajo del de Claude.

El resultado no significa que Carbon domine todas las pruebas ni que sea infalible. El modelo logró la puntuación más alta en AA-Omniscience, una evaluación sobre conocimiento y respuestas incorrectas, pero registró una tasa de alucinación superior a la de Gemini 4 Argon, su predecesor, según los datos citados en el análisis.

Una ventaja estrecha en inteligencia y costos

En el índice general de Artificial Analysis, Gemini 4 Carbon en su configuración high obtuvo 59 puntos y superó por uno a Claude Opus 5.5 max con fallback. GPT-6 Astra max alcanzó 57 puntos, mientras Muse Wonder Full Max de Meta quedó nueve puntos por detrás de Carbon y Claude Fable 5.1 max con fallback, diez puntos abajo.

El resultado lo coloca al frente de nueve evaluaciones incluidas en el índice, aunque Carbon encabezó cuatro de ellas, no todas. En esa comparación, las puntuaciones generales sugieren una mejora competitiva de Google frente a lanzamientos recientes, pero también muestran que la distancia entre los primeros modelos es corta y puede cambiar con nuevas versiones.

El costo estimado por tarea del Intelligence Index fue de USD $7,76 para Gemini 4 Carbon. La cifra es menor que los USD $10,04 de Claude Opus 5.5 max con fallback, pero supera los USD $6,25 de GPT-6 Astra max; por ello, la ventaja económica depende del modelo con el que se compare.

El análisis también calculó que Carbon utiliza 123.000 tokens de salida por tarea, un 29% menos que los 173.000 de Claude Opus 5.5 max. Con precios estándar de USD $4 por entrada y USD $20 por salida, el costo de Carbon queda cerca del de Gemini 4 Argon, en USD $7,68 por tarea, pese a que Carbon suma nueve puntos más en el índice.

El desempeño no es igual en todas las tareas

La ventaja de Carbon se concentra en la combinación de puntuación general y costo dentro de ciertos rangos de precio, no en todas las capacidades. Artificial Analysis señaló que el modelo queda por detrás de Claude Code con Claude Opus 5.5 en programación, por lo que el primer puesto general no basta para concluir que sea la mejor opción para desarrollo de software.

En trabajo de conocimiento, Carbon también perdió frente a Grok 4.7, Muse Wonder y Kimi K3.1 Pro. Esas diferencias importan para empresas y usuarios que comparan modelos según tareas concretas, porque un buen promedio en un benchmark no garantiza resultados equivalentes en programación, investigación o generación de respuestas especializadas.

En la frontera de Pareto de Arena.ai, que compara inteligencia y costo, Carbon aparece en el primer puesto entre los modelos del extremo más caro. En las franjas de menor precio, en cambio, modelos chinos de pesos abiertos como GLM 5.3-Flash y DeepSeek V4 Pro ocupan posiciones competitivas, según los datos presentados en la fuente.

El contraste de precios es amplio: Gemini 4 Carbon resulta unas seis veces más caro por tarea que GPT-6.1 Sol max y cerca de trece veces más caro que DeepSeek V4.1 Flash 1017, un modelo de pesos abiertos que obtuvo 32 puntos en el índice. La comparación muestra que el liderazgo de Carbon se juega entre desempeño y costo, mientras alternativas más baratas sacrifican puntuación general.

La evaluación de alucinaciones requiere matices

Artificial Analysis otorgó a Gemini 4 Carbon 54 puntos en AA-Omniscience v1.1, el resultado más alto entre los modelos evaluados y seis puntos por encima de Claude Opus 5.5 max, que obtuvo 48. La prueba busca medir conocimiento y el manejo de preguntas cuya respuesta el modelo puede no conocer, una dimensión relevante para organizaciones que dependen de información precisa.

Sin embargo, la misma comparación indica que Carbon respondió correctamente el 58% de las preguntas, frente al 48% de Gemini 4 Argon, pero tuvo una tasa de alucinación de 11%, superior al 4% de Argon. La fuente también señala que Claude Opus 5.5 max y GPT-6 Astra max obtuvieron 50 puntos en AA-Omniscience; esa puntuación del índice no debe confundirse con una tasa porcentual de alucinaciones.

Google sostiene que Carbon reduce a la mitad las afirmaciones sin respaldo frente a Gemini 4 Argon, presentado dos semanas antes. También afirma que el modelo tiende a abstenerse cuando no puede completar una acción, en lugar de inventar una respuesta o esconder la falta de evidencia; son afirmaciones de la empresa que conviene distinguir de los resultados medidos por evaluadores externos.

La compañía añade que Carbon presenta con mayor facilidad fuentes y acciones sugeridas cuando detecta incertidumbre o discrepancias, y que reduce en un 26% el exceso de intervención del modelo. Estas características apuntan a un asistente más cauteloso, aunque las cifras del benchmark muestran que una mejora en conocimiento y respuestas correctas no elimina el riesgo de errores fabricados.

Acceso gradual y pruebas de seguridad

Google está distribuyendo Gemini 4 Carbon de forma gradual, con acceso inicial para defensores cibernéticos mediante su programa Fairwind. La empresa planea ampliar su disponibilidad posteriormente a través de socios de confianza, mientras continúa trabajando en salvaguardas antes de ofrecerlo de manera más amplia a desarrolladores.

La compañía describió el despliegue como deliberado y dijo que participa en un proceso voluntario del gobierno de Estados Unidos para probar modelos antes de su lanzamiento. Según Google, Carbon frustró todos los intentos incluidos en Gray Swan Indirect Prompt Injection de inducirlo a realizar acciones que no debía ejecutar.

El acceso restringido busca reducir la posibilidad de que actores malintencionados utilicen capacidades de ciberseguridad para explotar sistemas o facilitar ataques, de acuerdo con la explicación de Google. La empresa indicó que seguirá ajustando las protecciones antes de ampliar el acceso, en una estrategia que recuerda otros lanzamientos limitados de modelos avanzados descritos en la fuente.

Para las organizaciones, el argumento comercial de Carbon combina inteligencia, costos relativamente competitivos y controles de seguridad, pero los resultados disponibles no acreditan una fiabilidad constante. La propia evaluación deja una distancia considerable entre su puntuación de 54 y la certeza absoluta, mientras las diferencias entre métricas de alucinación y precisión invitan a revisar cada indicador por separado.

La disputa entre modelos cambia con rapidez: la posición de Carbon podría durar hasta que otro laboratorio presente una versión superior o más eficiente. Por ahora, Google suma un lanzamiento que destaca en varias pruebas, aunque su desempeño desigual por tarea y la diferencia entre sus propios modelos dejan claro que el primer lugar de un ranking no equivale a una solución universal.


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