Gemini 4 Carbon vs Argon: diferencias y resultados
Carbon frente a Argon exige separar avances técnicos y disponibilidad. Los dos comparten el precio inicial de tokens anunciado, pero solo Argon tiene la fecha de fin del 30 de noviembre. Copiar esa condición o asumir un reemplazo automático en Gemini daría una imagen incorrecta.
👁 115 lecturas
Actualización del 10 de noviembre de 2026: probé ambos con las mismas tareas
Carbon ya está disponible en la API al mismo precio que Argon (2 / 10 USD por millón de tokens hasta el 30 de noviembre; después, 4 / 20). En mis pruebas, ambos lograron una precisión casi idéntica: 99,5% cada uno en 23 tareas prácticas, 8 de 8 cada uno en una revisión de seguridad y 7 de 7 cada uno en un análisis de registros. Carbon fue claramente mejor con las fuentes (0 inventadas de 16, frente a las 2 que inventó Argon), pero mucho más lento: 264 s frente a 135 s en las 23 tareas y 518 s frente a 64 s en un motor de hojas de cálculo (0,47 frente a 0,05 USD). Todos los resultados: mi prueba de Gemini 4 Carbon.
No hemos probado Gemini 4 Carbon y no tenemos acceso al modelo. Este análisis utiliza el anuncio y el informe de Google. Todos los resultados son los publicados por Google; las cifras de otros modelos en su comparación proceden de fabricantes o clasificaciones.
Carbon frente a Argon exige separar avances técnicos y disponibilidad. Los dos comparten el precio inicial de tokens anunciado, pero solo Argon tiene la fecha de fin del 30 de noviembre. Copiar esa condición o asumir un reemplazo automático en Gemini daría una imagen incorrecta.
Carbon frente a Argon
En la tabla de Google, Carbon sube del 57,1% de Argon al 65,2% en Terminal-Bench y del 84,2% al 96,2% en GraphWalks. Pero no gana en todo: GPT-6 Astra alcanza el 65,5% en FrontierSWE 2 frente al 61,2% de Carbon; Opus 5.5 consigue el 87,2% en OSWorld frente al 81,5%. Las cifras de los rivales son las recogidas por Google, no resultados obtenidos aquí.
| Evaluación | Carbon | Argon |
|---|---|---|
| AA Index v5.0 | 59 | 50 |
| SWE-sweep | 9,6% | 4,3% |
| FrontierSWE 2 | 61,2% | 55,0% |
| Terminal-Bench 4.0 (AA) | 65,2% | 57,1% |
| Agents’ Last Exam v1.1 | 77,4% | 69,0% |
| OSWorld-2.1 (offline) | 81,5% | 74,7% |
| AutomationBench (Zapier) | 53,9% | 51,3% |
| GraphWalks 256k-1M (BFS F1) | 96,2% | 84,2% |
| CWE-bench | 71,0% | 68,0% |
| ExploitGym | 54,8% | 42,0% |
| SEC-bench Pro | 88,2% | 83,4% |
Fiabilidad y comportamiento
Google informa de un 0,0% de trampas exitosas y un 0,4% de intentos en Terminal-Bench 4.0. También declara casi un 80% menos de alertas graves de desalineación durante programación, aproximadamente la mitad de afirmaciones sin respaldo que Argon, un 26% menos de actuaciones excesivas y un 29% menos de asistencia insuficiente. Gray Swan IPI registra un 0,0% de ataques exitosos frente al 0,7% de Argon. Son resultados acotados, no ausencia universal de fallos.
Google relata trabajos internos de varios días para localizar causas y reparar errores sutiles en grandes bases de código. Afirma más del doble de eficacia que Argon al generar código seguro. El dato del equipo Chrome de más de diez veces se refiere a parches de alta calidad frente a un competidor sin identificar. No es una medición nuestra de ahorro de tiempo ni de coste en una empresa española.
Benchmarks publicados por Google
Google utiliza pass@1 y los ajustes de razonamiento más altos mediante Gemini API. Calcula SWE-sweep con mini-swe-agent y ejecuta ExploitGym y SEC-bench Pro en Antigravity, sin Internet y con las mitigaciones desactivadas. Agents’ Last Exam y OSWorld incluyen también ejecuciones propias. El nombre de una evaluación externa no convierte en independientes todos los resultados aportados por Google.
| Evaluación | Carbon | GPT-6 Astra |
|---|---|---|
| FrontierSWE 2 | 61,2% | 65,5% |
| OSWorld-2.1 (offline) | 81,5% | 80,9% |
| Evaluación | Carbon | Opus 5.5 |
|---|---|---|
| FrontierSWE 2 | 61,2% | 62,3% |
| OSWorld-2.1 (offline) | 81,5% | 87,2% |
Precio de la API y planes en euros
La tarifa inicial anunciada es de 2 USD por millón de tokens de entrada y 10 USD de salida; después será de 4 y 20 USD. La entrada en caché cuesta un 95% menos que la entrada estándar. Google no publica cuándo acaba la fase inicial de Carbon. El 30 de noviembre de 2026 corresponde a la promoción 2/10 USD de Argon y no debe trasladarse a Carbon. La tarifa tampoco confirma una API ya abierta al público.
| API / 1M tokens | Entrada USD | Salida USD |
|---|---|---|
| Carbon - inicial | 2 | 10 |
| Carbon - después | 4 | 20 |
| Argon - hasta 30.11.2026 | 2 | 10 |
| Argon - después | 4 | 20 |
Estos precios mensuales en euros proceden de Google One España, consultado el 28 de octubre de 2026. Pro y Ultra anuncian Argon; Plus no confirma ese acceso. Son cuotas de la aplicación, distintas de la facturación por tokens de la API. No se presentan como planes de Carbon ni como garantía de acceso. Si prepara un presupuesto, mantenga separados el gasto fijo en euros y el consumo API anunciado en dólares.
| Plan España | Precio mensual |
|---|---|
| Google AI Plus | 4,99 € |
| Google AI Pro | 21,99 € |
| Google AI Ultra 5x | desde 99,99 € |
| Google AI Ultra 20x | 219,99 € |
Fecha de salida y acceso desde España
La presentación no supone disponibilidad general en España. Google prevé dar acceso esta semana a determinados defensores de ciberseguridad, seguido de una ampliación a socios de confianza mediante Fairwind. Después llegarán desarrolladores, empresas y consumidores lo antes posible, sin fecha concreta. Contratar Google AI no demuestra que Carbon esté habilitado en la aplicación ni en una cuenta determinada.
Fairwind se dirige a gobiernos, organismos nacionales de ciberseguridad, operadores de infraestructuras críticas, grandes plataformas tecnológicas y laboratorios académicos. Google menciona más de 650 socios, sin detallar países. La página todavía describe Argon. Para una organización española, el formulario expresa interés; no garantiza admisión, un plazo ni una clave API inmediata.
Qué no demuestran estos datos
Un equipo que programa y redacta documentación en español debería validar ambas tareas por separado. Los resultados de reparación de vulnerabilidades no miden el uso de terminología, las explicaciones para el cliente o los errores de una documentación interna. Los datos sirven para preparar una futura prueba de migración con casos propios, sin atribuir a Carbon un resultado local que nadie de nuestra redacción ha medido.
Los materiales no aportan aquí una prueba de redacción en español, latencia medida por nosotros o coste por tarea terminada. Un agente que trabaja durante días puede gastar más aunque el token sea barato. Cuando exista acceso, convendrá comparar los mismos documentos o incidencias, con criterios de aceptación y un límite de gasto. Es una propuesta de evaluación futura, no una prueba ya realizada.
Lecturas relacionadas
Guía existente de Gemini 4 Argon | Gemini 4 Carbon
Google · Tus fuentesBrilla más alto en tu Google - con un solo clicAñadir a fuentes preferidas →Fuentes - consulta del 28 de octubre de 2026
- Google, 28.10.2026 - 28.10.2026
- Google, Gemini 4 Carbon model evaluation - 28.10.2026
- Fairwind - 28.10.2026
- Sundar Pichai (X) - 28.10.2026
- Google (X) - 28.10.2026
- Gemini 4 Argon safety report - 28.10.2026
- Google One - 28.10.2026
More on this from FULGOR
benchmarks·Comparativa LLM: 4 modelos abiertos a examen con tareas realesPongo a prueba cuatro grandes modelos de lenguaje de pesos abiertos en 12 tareas concretas en polaco. Analizo tiempos, costes reales y los motivos exactos de cada fallo.