Google presenta Gemini 4 Carbon, liderando un importante benchmark de IA

Google ha lanzado Gemini 4 Carbon, un nuevo modelo de IA de vanguardia que ha alcanzado el primer puesto en uno de los benchmarks independientes de IA más seguidos. Sin embargo, a diferencia de la mayoría de los lanzamientos, no estará disponible para todos de inmediato.

La puntuación más alta en el Índice de Inteligencia

Según pruebas independientes de Artificial Analysis, informadas por Tom’s Hardware el 3 de noviembre, Gemini 4 Carbon obtuvo 59 en el Índice de Inteligencia V5 de Artificial Analysis, superando por poco a Claude Opus 5.5 de Anthropic, con 58, y a GPT-6 Astra de OpenAI, con 57. Ocupó el primer lugar en cuatro de las nueve evaluaciones del índice.

También parece ser eficiente: Carbon utilizó unos 123.000 tokens de salida por tarea, un 29% menos que Claude Opus 5.5 en las mismas pruebas.

La mejor puntuación en conocimiento, pero no perfecta

En el benchmark de conocimiento AA-Omniscience, que recompensa las respuestas correctas y penaliza las inventadas, Carbon logró la puntuación más alta de cualquier modelo: 54 en una escala de -100 a +100. Su precisión aumentó al 58% desde el 48% del anterior Gemini 4 Argon. Sin embargo, su tasa de alucinaciones también subió, al 11% desde el 4%, por lo que incluso el mejor modelo está lejos de acertar siempre.

Google afirma que Carbon está diseñado para rechazar tareas que no puede completar en lugar de inventar respuestas, y para mostrar fuentes y acciones sugeridas con mayor frecuencia.

No es el mejor en todo

El mismo análisis determinó que Carbon queda por detrás de Claude Code con Opus 5.5 en programación y está rezagado frente a varios rivales en algunas tareas de trabajo basadas en conocimiento. En segmentos de precio más bajos, los modelos de pesos abiertos de laboratorios chinos siguen ofreciendo una mejor relación calidad-precio.

Un despliegue prudente

En lugar de un lanzamiento público, Google primero está dando acceso a determinados «defensores cibernéticos» a través de su programa Fairwind, con una disponibilidad más amplia mediante socios de confianza más adelante. Google afirma que realizó pruebas voluntarias previas al lanzamiento con el Gobierno de Estados Unidos y que quiere reforzar sus salvaguardas de ciberseguridad antes de abrir el modelo a los desarrolladores. «Estamos adoptando un enfoque deliberado para el despliegue», indicó la empresa.

Qué significa para usted

• La mayoría de los usuarios aún no pueden probarlo. Siga utilizando los modelos actuales de Gemini, ChatGPT o Claude para el trabajo cotidiano.
• Los benchmarks están muy ajustados. Una ventaja de un punto rara vez cambia los resultados reales; el mejor modelo depende de su tarea.
• Compruebe siempre los datos. Incluso el modelo con la puntuación más alta sigue cometiendo errores.