Iniciar sesiónElegir plan
Blog · Pruebas de modelos

Dos lanzamientos en dos semanas, y Google vuelve arriba

Dos semanas después de Argon, Google lanzó Carbon. Tomó el primer puesto en dos rankings el primer día y ahora está abierto a cualquier desarrollador de pago al precio de Argon. El propio consejo de Google sigue siendo usar Argon para la mayoría del trabajo. Dónde destaca Carbon, dónde no, por qué la factura sube al mismo precio y cuándo cambiar.

Gemini 4 Carbon se lanzó el 28 de octubre y al final del día Google ocupaba el primer puesto tanto en el Artificial Analysis Intelligence Index como en la tabla Text de Arena. Gemini 4 Argon había salido apenas dos semanas antes.

En el lanzamiento solo un grupo reducido de defensores de ciberseguridad podía usarlo. Todos los demás veían las puntuaciones sin poder probarlo. El 10 de noviembre, Google abrió la API a cualquier desarrollador de pago y el precio no se movió: igual que Argon, $2 de entrada y $10 de salida por millón de tokens.

Mismo precio, mejor modelo, ¿por qué no cambiar sin más? Google lo respondió por sí mismo. Su anuncio dice que Argon sigue siendo la mejor opción para la mayoría de tareas de ingeniería de software y trabajo de conocimiento. Carbon es para los problemas difíciles, y gasta muchos más tokens que Argon explorando, razonando y comprobando su trabajo.

En resumen: Carbon es para problemas difíciles, no un reemplazo directo de Argon. Refactorizaciones entre módulos, bugs imposibles de rastrear y ejecuciones largas de agente van a Carbon. Ediciones diarias y pruebas siguen en Argon. El precio por token es bajo, pero Carbon piensa largo y escribe mucho, así que la tarea suma, y el precio por token se duplica el 1 de diciembre. Está en Go, Plus y Pro en CodingPass.

Primero en 14 de 17 benchmarks

Tabla oficial de benchmarks: Gemini 4 Carbon frente a Gemini 4 Argon, GPT-6 Astra, Claude Opus 5.5 y Claude Fable 5.1 en capacidades generales, programación agéntica, uso de ordenador, trabajo de conocimiento, comprensión multimodal, contexto largo, ciencia y matemáticas, y ciberseguridad
Tabla oficial de benchmarks; la columna azul es Carbon. Fuente: página del modelo Gemini 4 de Google DeepMind.

Si escribes código, importan tres filas sobre todo.

  • Programación agéntica en terminal. 65.2% en Terminal-Bench 4.0: 5.6 puntos por delante de Opus 5.5 y unos 8 por delante de Argon. Ninguna otra fila abre tanta brecha entre Carbon y Argon.

  • Contexto largo. 96.2% en GraphWalks (256k a 1M), frente a 84.2% de Argon y 66.8% de Opus 5.5. Saltando por un repositorio grande y siguiendo enlaces entre archivos, apenas falla.

  • Ciberseguridad. Primero en encontrar, explotar y parchear vulnerabilidades, los tres. Es lo que Google más quería lucir, pero estas puntuaciones se midieron sin salvaguardas y las capacidades cibernéticas completas solo están disponibles solicitando acceso al Fairwind Program.

No gana en todo. En FrontierSWE 2, que corrige repositorios reales, GPT-6 Astra (65.5%) y Opus 5.5 (62.3%) superan su 61.2%. En uso de ordenador en OSWorld, Opus 5.5 lidera por casi 6 puntos. En RiemannBench, Carbon llega a perder frente al propio Argon de Google.

Y el primer puesto duró dos semanas. Claude Fable 5.2 salió el 10 de noviembre, y el Artificial Analysis Intelligence Index sitúa ahora a Fable 5.2 en 65 y a Carbon en 60.

Mucho mejor, y mucho más lento

Más cerca del uso diario que cualquier benchmark está la tabla Agent de Arena. Mide una sola cosa: si el problema se resolvió realmente en sesiones de agente de usuarios reales.

Tabla Agent de Arena: Claude Opus 5.5 (Max) primero con +21.1%, Gemini 4 Carbon (High) segundo con +16.2%, Gemini 4 Argon (High) séptimo con +11.0%
Tabla Agent de Arena: Carbon segundo, Argon séptimo. Fuente: publicación de lanzamiento de Arena en X.

Carbon queda segundo, solo por detrás de Opus 5.5 Max. Argon queda séptimo. Arena también destacó una señal aparte: cuando el usuario cambia los requisitos o corrige a mitad de tarea, ¿el modelo escucha y cambia de rumbo? Carbon es primero en esa métrica.

Peter Gostev, responsable de evaluación de capacidades en Arena, había usado Carbon antes del lanzamiento. Según sus palabras, “se siente mucho mejor que Argon” y “esta vez es algo serio por parte de Google”.

La pega aparece en todos los relatos: es lento. Lumina, un evaluador que construyó escenas 3D con Carbon en Arena, lo vio claramente superior a Argon pero increíblemente lento, de 2 a 4 veces más lento según la tarea.

Mismo precio por token, factura mayor

Carbon y Argon cuestan lo mismo por token. Toda la diferencia está en cuántos tokens usan.

Tres gráficos de Artificial Analysis: Intelligence Index con Fable 5.2 en 65 y Carbon en 60; tiempo por tarea con Carbon en 25.6 minutos; coste por tarea con Carbon en $7.76
Inteligencia, tiempo por tarea y coste por tarea. Fuente: página de Gemini 4 Carbon en Artificial Analysis.

En toda la ejecución del Intelligence Index, Carbon generó 205 millones de tokens de salida. La mediana en modelos de su categoría es 72.8 millones, así que son unas 2.8 veces más. Una tarea llevó 25.6 minutos de media, frente a una mediana de 12.6.

La página de precios de Google tampoco lo oculta: en la misma tarea, Argon usa menos tokens por turno y responde antes. Más tokens significan más dinero y más espera. Arena indica que el coste por tarea de Carbon es un 72% menor que el de Opus 5.5 Max. Es cierto, pero se compara contra el ajuste más caro que existe, no contra Argon.

Los precios se duplican después del 30 de noviembre

$2 / $10 es un precio introductorio. La página de precios de Google lo deja claro: desde el 1 de diciembre, tanto Carbon como Argon pasan a $4 de entrada y $20 de salida por millón de tokens, y las lecturas de caché suben de $0.10 a $0.20.

Los $7.76 por tarea de Artificial Analysis ya están calculados con el precio nuevo.

En CodingPass, empieza en medium

En CodingPass, Carbon tiene tres niveles de esfuerzo de razonamiento —low, medium y high— y el pensamiento no se puede desactivar:

  • Envía reasoning_effort (Chat Completions), reasoning.effort (Responses) u output_config.effort (Messages), y corre en el nivel elegido.
  • Si no envías ninguno, corre en high.
  • Si pides sin pensamiento (none, o thinking desactivado), corre en low, el nivel mínimo.

Empieza en medium. El punto fuerte de Carbon es no soltar un problema difícil, pero la mayoría de peticiones no necesitan el tramo largo de pensamiento que hace en high. Sube cuando se atasque.

Terminal
curl https://codingpass.ai/v1/chat/completions \  -H "Authorization: Bearer $CODINGPASS_API_KEY" \  -H "Content-Type: application/json" \  -d '{    "model": "gemini-4-carbon",    "reasoning_effort": "medium",    "messages": [{"role": "user", "content": "Find the root cause of the flaky test in tests/sync.test.ts"}]  }'

En OpenCode, Cline y otras herramientas compatibles con OpenAI, añade gemini-4-carbon a la lista de modelos y listo.

Cuándo cambiar a Carbon

  1. Argon sigue siendo el predeterminado. Lo dice Google y lo confirman las cuentas de tokens. Argon es rápido y la misma cuota rinde más.

  2. Saca Carbon cuando te atasques. Cambios que cruzan varios módulos, un bug que llevas persiguiendo toda la tarde, una tarea de agente que debe correr largo rato: ahí compensan la espera extra y la cuota extra.

  3. Ejecuta los trabajos pesados en noviembre. CodingPass tarifica a precios oficiales de API, así que en cuanto se duplique el precio por token el 1 de diciembre, la misma cuota cubrirá la mitad de tokens.

Preguntas frecuentes

¿Puedo usar Carbon en Go?
Sí. Igual que Argon, Carbon está en Go, Plus y Pro. Consume de la misma cuota mensual y se aplican como siempre los límites de 5 horas y semanal.
¿Cómo se tarifica Carbon?
Como cualquier otro modelo: entrada, salida y lecturas de caché a los precios oficiales de API de Google. Hasta el 30 de noviembre son $2 / $10 / $0.10 por millón de tokens, y desde el 1 de diciembre $4 / $20 / $0.20. Los tokens de razonamiento cuentan como salida. Las reglas completas están en la página de límites de uso.
¿Puedo desactivar el razonamiento de Carbon?
No. El nivel mínimo de Carbon es low, y una petición sin pensamiento corre en low. Para algo rápido y barato, usa Argon o Gemini 3.8 Flash.
Embarque

Gemini 4 Carbon, en tu agente.

Go, Plus y Pro incluyen Carbon, tarificado a precios oficiales de API. Sin cargos sorpresa, cancela cuando quieras.

  • ID de solicitud en cada respuesta
  • Reembolso total si has usado el 5% o menos
  • Sin cargos sorpresa
Elegir GoGuía de OpenCode

$10/mes hasta que canceles.