Google anunciou Gemini 4 Carbon, un novo modelo de intelixencia artificial orientado á resolución de tarefas complexas de programación e á detección e corrección de vulnerabilidades de seguridade. O sistema encabeza o Artificial Analysis Intelligence Index coa puntuación de 59 puntos e mellora os resultados do seu predecesor, Gemini 4 Argon, presentado dúas semanas antes.
Carbon acadou un 88,2 % de precisión en SEC-bench Pro, unha proba centrada na detección de vulnerabilidades en software real, un 54,8 % en ExploitGym, que avalía a capacidade para comprobar se os fallos poden explotarse, e un 71 % en CWE-bench, orientado á corrección de vulnerabilidades mediante cambios no código.
As melloras tamén afectan á programación e á execución de tarefas prolongadas. Google asegura que o modelo pode traballar durante días en procesos de enxeñaría complexos, como localizar a causa de erros difíciles e corrixilos en grandes bases de código e sistemas de baixo nivel. En WebDev Arena, unha clasificación centrada no desenvolvemento web, subiu 89 puntos Elo ata acadar a cuarta posición, con 1.768 puntos.
As probas internas tamén apuntan a avances na xeración de código seguro, cunha taxa de éxito máis do dobre que a de Argon. O equipo de Chrome observou, ademais, un rendemento máis de dez veces superior ao doutro modelo avanzado de intelixencia artificial á hora de producir correccións de alta calidade. Estas cifras proceden de avaliacións comunicadas por Google e non constitúen unha comparación independente de todos os sistemas dispoñibles.
Nas probas internas, Carbon reduciu aproximadamente á metade as afirmacións sen respaldo respecto de Argon, mentres que as alertas graves de desaxuste detectadas durante sesións de programación diminuíron case un 80 %. No banco de probas Terminal-Bench 4.0, as tentativas de facer trampas con éxito baixaron ao 0 %, e as tentativas totais quedaron no 0,4 %.
O modelo tamén acadou unha taxa de éxito do 0 % para os ataques avaliados no Gray Swan Indirect Prompt Injection Benchmark, destinado a medir a resistencia fronte a instrucións maliciosas introducidas indirectamente. Estes resultados corresponden ás probas descritas por Google e non garanten unha protección absoluta en situacións reais.
O acceso inicial a Gemini 4 Carbon estará limitado a un grupo de especialistas en defensa dixital e ampliarase progresivamente a outros colaboradores de confianza a través do programa Fairwind. Google sinala que está a participar no proceso voluntario de avaliación de modelos antes do seu lanzamento promovido polo Goberno estadounidense e que seguirá revisando as medidas de protección antes de ofrecer o sistema a desenvolvedores, empresas e consumidores.
O prezo inicial será o mesmo que o de Gemini 4 Argon: 2 dólares por millón de tokens de entrada e 10 dólares por millón de tokens de saída. Os tokens de entrada almacenados en caché terán un desconto do 95 % sobre a tarifa habitual.
