› El día en que Gemini 4 Carbon pasó a estar disponible para todo el mundo (10 de noviembre de 2026), lo sometí a más de 50 tareas y planteé las mismas a Claude Fable 5.2, GPT-6.1 Sol y Gemini 4 Argon.
› Todas las llamadas se hicieron a través de OpenRouter con los mismos ajustes, y cada respuesta se evaluó con pruebas unitarias, una plantilla de respuestas correctas o un verificador automático, no según mi impresión.
› Esto es lo que Carbon puede hacer, lo que cuesta y dónde falla.
› Primero, los precios Gemini 4 CarbonGemini 4 ArgonClaude Fable 5.2GPT-6.1 Sol Precio de la API por 1M de tokens (entrada / salida)2 / 10 USD hasta el 30 de noviembre, después 4 / 202 / 10 USD hasta el 30 de noviembre, después 4 / 208 / 40 USD2 / 10 USD Ventana de contexto1,048,5761,048,5761,000,0001,050,000 Resultados con las mismas tareas TareaCarbonArgonFable 5.2GPT-6.1 Sol 23 tareas prácticas (esfuerzo bajo)99,5%*, 0,23 USD, 264 s99,5%*, 0,22 USD, 135 s100%, 1,37 USD, 190 s100%, 0,22 USD, 180 s Agente: 6 documentos con una trampa, tabla y comprobación con Python10/10, 54 s10/10, 38 s10/10, 31 s10/10, 20 s Motor de hoja de cálculo desde cero, 34 pruebas unitarias34/34, 0,47 USD, 518 s34/34, 0,05 USD, 64 s34/34, 0,82 USD, 201 s34/34, 0,05 USD, 77 s Revisión de seguridad de una aplicación Flask, 8 fallos introducidos a propósito8/88/88/88/8 Registro de un servidor web tras una intrusión (análisis SOC)7/77/77/77/7 Parche de un módulo vulnerable, 14 pruebas (esfuerzo medio)0/14 (error de sangría)14/1414/143/14 (problema exclusivo de Windows) 6 tareas de programación, 76 pruebas unitarias (esfuerzo medio)63/7676/7676/7676/76 Fuentes inventadas: 16 publicaciones científicas0 inventadas, 2 errores menores2 inventadas0 inventadas, 0 errores0 inventadas, 1 error Visión: 10 preguntas sobre un gráfico, una tabla y un recibo10/1010/1010/1010/10 * El evaluador restó un punto por una forma gramatical correcta: fue un error suyo, el mismo para ambos modelos Gemini.