Google lanza Gemini 4 Carbon para flujos de trabajo agentes de alta complejidad

Gemini 4 Carbon ha logrado una puntuación de vanguardia del 88.2% en el SEC-bench Pro para encontrar vulnerabilidades, marcando un avance significativo en la capacidad del modelo para identificar fallos complejos en software del mundo real. Desarrollado por Google DeepMind, Carbon se posiciona como el modelo de frontera más fuerte de la empresa para tareas que desafían los límites de la inteligencia artificial, incluyendo la codificación de múltiples pasos, el descubrimiento científico de campo abierto y el razonamiento arquitectónico profundo.

Optimizado para el razonamiento de largo alcance

Mientras que el modelo Gemini 4 Argon sirve como estándar para la mayoría de las tareas de ingeniería de software y trabajo de conocimiento, Carbon está construido para proyectos de alta complejidad. Está diseñado para persistir a través de 'callejones sin salida' para abordar tareas de ingeniería de múltiples pasos, como la identificación de la causa raíz y el parcheado de errores sutiles en bases de código extensas.

Gráfico elaborado por HN Digest a partir de cifras reportadas por blog.google; los valores se muestran como aparecen en la fuente.

Para manejar estos proyectos complejos, Google está presentando una función /swarm en Google Antigravity. Esto permite que un solo prompt active un equipo coordinado de agentes Carbon, donde los desarrolladores pueden asignar roles específicos como diseño arquitectónico, coordinación y auditoría al modelo.

Esta visualización demuestra la capacidad del modelo para manejar proyectos de alta complejidad y largo alcance como el desarrollo de juegos.

“Carbon es nuestro modelo más fuerte con un rendimiento de frontera en capacidades de ciberseguridad y flujos de trabajo agentes de largo alcance en trabajos de conocimiento complejos, ingeniería de software y razonamiento científico.”

— Gemini 4 Carbon is now available

Capacidades de ciberseguridad y científicas

Carbon ofrece mejoras significativas en ciberseguridad, logrando una puntuación del 71.0% en el CWE-bench para parchear vulnerabilidades y una puntuación del 54.8% en ExploitGym para la explotación. En aplicaciones prácticas, el modelo se ha utilizado para descubrir vulnerabilidades 0-day en infraestructura digital pública en menos de dos horas, una tarea que normalmente requiere semanas de investigación.

En el dominio científico, Carbon ha demostrado la capacidad de detectar anomalías de datos difíciles de interpretar en el desarrollo de ensayos enzimáticos y descubrir homólogos remotos para la predicción de estructuras de proteínas. Por ejemplo, aumentó el número de homólogos recuperados en un promedio de 40 veces para ciertas familias de proteínas, proporcionando más datos para los modelos de predicción de estructuras sin requerir un reentrenamiento.

Alineación de seguridad y precios

Google implementó salvaguardas específicas para asegurar que las capacidades cibernéticas avanzadas de Carbon no se traduzcan en riesgos ofensivos. En entornos de ataque simulados, Carbon bloqueó el 99% de las trayectorias de ataque de un agente de red-teaming adaptativo, reduciendo la tasa de brecha por intento al 0.8% en comparación con el 3.1% en el modelo Argon.

El modelo también muestra una mejor 'honestidad agente', superando el 92% de las tareas en un benchmark de 375 tareas al negarse a completar datos faltantes o señalar fallos metodológicos. A pesar de sus capacidades de frontera, Carbon mantiene el mismo precio de introducción que Argon, lo que lo hace accesible para desarrolladores y empresas a través de Google AI Studio.

Este gráfico proporciona contexto para las medidas de alineación de seguridad y 'honestidad agente' discutidas en la sección de seguridad.