GPT-6 Cyber vs Claude Mythos vs Gemini 4 Carbon: tres modelos

Actualización (9 de noviembre de 2026): ya han salido Claude Fable 5.2 y Mythos 5.2 - precios, acceso y benchmarks en mi guía de Claude Fable 5.2.

👁 114 lecturas

El otoño de 2026 marca el primer momento en que los tres mayores laboratorios de IA cuentan con un modelo diseñado específicamente para ciberseguridad, y ninguno de ellos está disponible para el público general. Anthropic dispone de Claude Mythos, Google presentó el 28 de octubre Gemini 4 Carbon y OpenAI anunció el 5 de noviembre GPT-6 Cyber. Resulta tentador reunirlos en una tabla y proclamar un ganador. He preparado la comparativa, pero no voy a declarar ningún vencedor, y te explico exactamente por qué.

Tres modelos frente a tres filtros de acceso

Por qué un 54,8% no supera necesariamente al 48,5%

Sobre el papel, Carbon vence en las dos pruebas coincidentes entre ambas compañías. Sin embargo, Google aclara abiertamente que sus resultados se midieron «en una versión sin protecciones de ciberseguridad». OpenAI, por su parte, reporta el rendimiento de GPT-6 Cyber en el mismo modo operativo en que lo reciben los clientes, y añade en su documentación que GPT-6 Astra obtiene un 0% con sus restricciones habituales, subiendo a un 42,4% cuando se eliminan dichas barreras. La presencia o ausencia de filtros puede determinar la totalidad de la puntuación.

A esto se suman variables técnicas que ningún laboratorio desglosa bajo los mismos parámetros: nivel de razonamiento, número de intentos, presupuesto de tiempo de ejecución o versión exacta de la batería de pruebas. OpenAI especifica en su ficha de sistema que sus puntuaciones corresponden al «presupuesto máximo de razonamiento evaluado». Google no detalla este aspecto. Mientras un auditor independiente no ponga a prueba ambos sistemas frente al mismo banco de pruebas y en condiciones idénticas, una distancia de seis puntos porcentuales dice muy poco.

Dónde aporta GPT-6 Cyber mayor respaldo con pruebas reales

Más allá de los benchmarks sintetizados, conviene analizar las pruebas documentadas en entornos reales. En este terreno, OpenAI es la que más información verificable ha presentado:

• Linux: 948 exploits únicos para el kernel y 304 avisos críticos notificados a los mantenedores junto con parches, con un desglose completo de costes (detallado en nuestro artículo sobre Linux).
• Firefox: 81 vulnerabilidades nuevas de gravedad alta, contrastables en parte en el boletín de seguridad MFSA 2026-118 de Mozilla (analizado en el artículo sobre Firefox).
• Auditores externos: NIST CAISSI e Irregular, con métricas publicadas por estos últimos dentro de la ficha de sistema.

Google fundamenta las capacidades de Carbon apoyándose en datos de su propio ecosistema: el equipo de Chrome señala que el modelo genera parches de alta calidad con una eficacia más de diez veces superior a la de un «modelo avanzado de otro laboratorio», mientras que Wiz avala su ventaja técnica en auditorías de penetración sobre infraestructuras de red. Son afirmaciones relevantes, pero carecen de cifras desagregadas que puedan verificarse de forma externa. Anthropic indicó en relación con Mythos que los socios de Glasswing habían detectado miles de fallos, pero aquellos registros corresponden a la primavera y no reflejan la revisión actual del sistema.

En qué aspectos puede destacar Carbon

Carbon no es una herramienta restringida únicamente al ámbito defensivo. Google lo posiciona como su modelo de propósito general más capaz, liderando el índice de Artificial Analysis con 59 puntos y con la intención anunciada de extenderlo a desarrolladores, empresas y usuarios finales. GPT-6 Cyber adopta un enfoque opuesto: es un instrumento de nicho que, en tareas estándar de ingeniería de software, no supera a Astra (82,95% frente al 83,24% en ExpertSWE). Si Carbon llega a una API de carácter general, su disponibilidad será sustancialmente mayor. Su coste inicial de aprox. 1,78 / 8,91 EUR (2 / 10 USD) por millón de tokens es diez veces menor que el de GPT-6 Cyber. He analizado a fondo este modelo en el texto sobre Gemini 4 Carbon, así como el programa Fairwind en el artículo sobre Argon.

Cuál es la posición de Claude

Anthropic fue la primera entidad en plantear un modelo especializado en ciberseguridad de circulación restringida, reservándolo en exclusiva para socios de confianza. Project Glasswing se inició en abril y en junio la empresa amplió los accesos. En el mercado comercial estándar, Anthropic ofrece Claude Opus 5.5 y Fable 5.1, pero no dispone de una modalidad equivalente a Daybreak Blue, donde un analista defensivo acreditado utilice un modelo general con una tasa reducida de rechazos. Tampoco existe una ficha de sistema actualizada de Mythos con datos equiparables a los publicados para GPT-6 Cyber.

Qué alternativa conviene elegir

Para la mayoría de organizaciones, la respuesta directa es ninguna de las tres, puesto que no pueden contratarse de manera convencional. El escenario práctico a día de hoy se resume en los siguientes puntos:

• Si gestionas una gran empresa con equipo de red team: tramita la solicitud de forma simultánea en Daybreak Red y en Fairwind. La aprobación es discrecional, por lo que conviene mantener abiertas ambas vías.
• Si trabajas de forma individual como pentester: el único camino viable disponible es Daybreak Blue con GPT-6 Sol y Luna. He detallado el procedimiento de admisión en la guía de acceso.
• Si te encargas de la defensa interna sin equipo ofensivo dedicado: los modelos estándar (Opus 5.5, GPT-6 Astra o Gemini 4 Argon) bastan para la revisión de código y el despliegue de parches. Mantener un ritmo constante de actualización resulta más determinante que la elección del modelo.

Toda la información técnica detallada sobre el modelo de OpenAI se encuentra reunida en nuestro hub de GPT-6 Cyber.

Fuentes

• OpenAI, presentación de GPT-6 Cyber y ficha de sistema, 5.11.2026
• Google, Gemini 4 Carbon: un nuevo modelo de la familia Gemini 4, 28.10.2026

// sigue leyendoIA en ciberseguridad 2026: de Mythos a GPT-6 CyberPanorama de la IAGemini 4 Carbon vs Argon: diferencias y resultadosHerramientas de IAGoogle Gemini 4 Argon: nuevo modelo para tareas profesionalesNoticias

Kinetyra