IA · Noticia

Gemini 4 Carbon frente a Claude y GPT: precio, velocidad y benchmarks

El nuevo modelo de Google encabeza el Artificial Analysis Index v5, pero su despliegue sigue siendo limitado. La comparación muestra sus ventajas, los resultados de Claude y GPT y la diferencia entre precio promocional y coste de benchmark.

Por CherTra News DeskCherTra News29 de octubre de 20265 min de lectura

Equipos de red y servidores en un centro de datos; fotografía contextual, no es hardware de Google ni una imagen de Gemini.Foto de Kevin Ache / Unsplash

Un nuevo modelo, pero no un lanzamiento abierto

Google anunció Gemini 4 Carbon el 28 de octubre y lo describió como su modelo más potente, con énfasis en ciberseguridad y tareas de larga duración. El acceso inicial es limitado: comienza con un grupo de defensores cibernéticos y se amplía después a socios de confianza mediante Fairwind mientras se prueban las salvaguardas. A 29 de octubre, Google no había anunciado disponibilidad general para desarrolladores, empresas o consumidores.

Artificial Analysis situó Carbon en el primer puesto de su Intelligence Index v5, con 59 en la configuración de razonamiento alto indicada. Es un índice compuesto de trabajo, programación, ciencia y pruebas generales, no una medida universal de calidad. Los benchmarks del lanzamiento son cifras declaradas por Google; el índice independiente permite una comparación más amplia, pero también responde a pruebas y configuraciones concretas.

Qué muestra la comparación — y qué no

La tabla utiliza, cuando es posible, la misma instantánea de Artificial Analysis Index v5 y añade precios API de los proveedores, velocidad AA, tiempo hasta la primera respuesta y coste por tarea. Los puntos del índice aparecen redondeados como en las páginas comparativas. Carbon supera a Opus 5.5 por un punto y a GPT-6 Astra por dos; Opus lidera FrontierCode 2.0, Sonnet AA-Briefcase y Astra el subconjunto difícil CritPt. No hay un ganador único.

GPT-6.1 Terra salió el 26 de octubre, después de GPT-6.1 Sol, y se incluye como modelo adicional en vez de omitirlo. Su puntuación v5 es inferior a las anteriores, pero su precio estándar de 1/5 dólares y su perfil rápido con entrada de imagen lo hacen relevante para tareas visuales o de uso de ordenador con presupuesto ajustado. No sustituye directamente a Astra o Sol: hay que comparar la configuración de razonamiento y el producto adecuados.

Gemini 4 Carbon frente a modelos frontier comparables

Métrica	Gemini 4 Carbon	Claude Opus 5.5	Claude Sonnet 5.5	GPT-6 Astra	GPT-6.1 Sol	GPT-6.1 Terra
AA Intelligence Index v5 (más alto)	59	58	54	57	55	51
Entrada API / 1 M de tokens, estándar	$4	$4	$2	$10	$2	$1
Salida API / 1 M de tokens, estándar	$20	$20	$10	$50	$10	$5
Entrada/salida introductoria por 1 M	$2 / $10 hasta el 30 nov.	—	—	—	—	—
Entrada en caché / 1 M de tokens	$0.20 ($0.10 intro)	$0.20	$0.10	$1.00	$0.10	$0.05
Velocidad de generación AA	98 t/s	98 t/s	137 t/s	78 t/s	79 t/s	91 t/s
AA primer token de respuesta, razonamiento incluido	103 s	648 s	410 s	232 s	249 s	—
Coste AA por tarea del Index, precio estándar	$7.76	$10.04	$10.02	$6.24	$1.27	$0.96
Ventana de contexto	1M	1M	1M	1M	1M	1M
Salida máxima documentada	No publicado	128k	128k	128k	128k	128k
Modalidades de entrada	Texto, imagen, audio, vídeo	Texto, imagen	Texto, imagen	Texto, imagen	Texto, imagen	Texto, imagen
Configuración de razonamiento AA	High	Max + fallback	Max + fallback	Max	Max	Max
Estado de API / despliegue al 29 oct.	Acceso inicial limitado; aún no disponible de forma general	API pública	API pública	API pública; despliegue en ChatGPT	API pública; Work/Codex	API pública; Work/Codex

Las cifras de Artificial Analysis (AA) corresponden a la consulta del 29 de octubre de 2026; los puntos y configuraciones se muestran tal como los publica AA. Se indican tarifas API estándar, salvo cuando se especifica el precio introductorio de Carbon. El coste AA por tarea es el coste ponderado de su conjunto de evaluaciones del Index, no el precio de una petición habitual. El tiempo hasta el primer token de respuesta incluye el razonamiento; no equivale a los tokens generados por segundo. Un guion indica que no se verificó un valor comparable en la fuente citada.

En qué difieren los resultados de referencia

Métrica	Gemini 4 Carbon (High)	Claude Opus 5.5 (Max, default fallback)	GPT-6 Astra (Max)
Artificial Analysis Intelligence Index v5.0	59	58	57
FrontierCode 2.0 · agentes de programación	41%	46%	42%
Terminal-Bench 4.0 · programación en terminal	65%	60%	59%
AutomationBench-AA · flujos de trabajo con agentes	78%	70%	68%
AA-Briefcase v1.1 · trabajo del conocimiento (Elo)	1609	1800	1568
CritPt v2 · subconjunto avanzado de física	63%	61%	71%
HLE-Diamond · razonamiento y conocimiento	69%	68%	64%
Terminal-Bench-Science 0.1	65%	59%	63%
SEC-bench Pro · seguridad, dato declarado por Google	88.2%	—	—
ExploitGym · seguridad, dato declarado por Google	54.8%	—	—
CWE-bench · corrección de vulnerabilidades, dato declarado por Google	71.0%	—	—

Los valores comparativos proceden de Artificial Analysis Intelligence Index v5.0 para las configuraciones indicadas. Las tres puntuaciones cyber de Google son datos declarados por el proveedor y no comparten una configuración de prueba común verificada con los otros modelos; las celdas vacías significan no publicado aquí, no cero.

Precio de lista, promoción y coste por tarea de benchmark

Google anuncia para Carbon un precio inicial de 2 dólares por millón de tokens de entrada y 10 por millón de salida, con un descuento del 95 % para la entrada en caché. La información para desarrolladores fija el periodo introductorio hasta el 30 de noviembre de 2026; después, el precio estándar pasa a 4/20 dólares y la entrada en caché cuesta 0,20 por millón. La tabla muestra ambos valores para no confundir el descuento inicial con el precio posterior. Google cuenta los tokens de thinking como salida.

Artificial Analysis usa el precio estándar de 4/20 dólares en los gráficos de Carbon, no la promoción de lanzamiento. Su estimación de 7,76 dólares por tarea del Intelligence Index es un coste normalizado para ese benchmark, no la factura típica de un cliente. Los tokens de razonamiento, tipo de tarea, caché y prompt cambian el gasto real. Sol y Terra cuestan mucho menos por tarea AA, aunque con otro perfil de uso de tokens.

La velocidad no equivale al tiempo de primera respuesta

Artificial Analysis mide por separado la generación después del primer fragmento y el tiempo hasta el primer token de respuesta. En las pruebas de razonamiento, Carbon genera aproximadamente 98 tokens por segundo, cerca de Opus, más rápido que Astra y Sol y más lento que Sonnet. En la comparación emparejada, la primera respuesta de Carbon tarda unos 103 segundos; Opus y Sonnet tardan más en esta prueba exigente, y Astra y Sol también muestran demoras importantes.

Estas cifras no predicen cuánto tardará una pregunta breve del día a día. La medida AA hasta la primera respuesta incluye el razonamiento y utiliza tareas largas y difíciles. Proveedor, nivel de esfuerzo, tamaño del prompt, salida, región y carga del servicio influyen. Un modelo puede generar deprisa una vez que empieza y aun así tardar en responder; las métricas miden cosas distintas.

Dónde destaca Carbon — y dónde ganan otros modelos

Carbon encabeza el índice elegido y varias evaluaciones, como AutomationBench-AA, HLE-Diamond y Terminal-Bench-Science. Google también comunica 88,2 % en SEC-bench Pro, 54,8 % en ExploitGym y 71,0 % en CWE-bench como resultados de ciberseguridad. Son datos del proveedor sin resultados comparables con configuración común verificada en esta tabla; no prueban seguridad universal ni equivalencia con la defensa en producción.

La segunda tabla muestra contraejemplos: Opus 5.5 lidera FrontierCode 2.0, Sonnet 5.5 obtiene más en AA-Briefcase y GPT-6 Astra va por delante en el subconjunto de física CritPt v2. El ecosistema de herramientas, los harness de programación, el contexto y el precio pueden pesar más que una diferencia de dos puntos. Los benchmarks ayudan a escoger qué probar, pero no deciden por sí solos una adopción.

Disponibilidad y una prueba práctica para elegir

Carbon no estaba disponible de forma general al lanzarse. La fila de API indica un grupo inicial limitado y ampliación gradual a socios, no un registro abierto. Google habla de acceso futuro para desarrolladores, empresas y consumidores después de más evaluaciones. Los otros modelos tienen API pública, aunque el acceso a productos y regiones varía; los precios API no se comparan directamente con cuotas de suscripción.

Para evaluar modelos, ejecuta un conjunto pequeño y representativo de tareas reales con las mismas entradas, herramientas y criterios de aceptación. Mide calidad, tiempo de revisión, latencia inicial, duración total, tokens y coste; incluye fallos y permisos. Carbon resulta interesante si su entrada multimodal, contexto o razonamiento resuelven una necesidad concreta. Otro modelo puede convenir más por rapidez, un flujo de programación específico, acceso actual o presupuesto.

Fuentes y lecturas adicionales

¿Quieres señalar un error factual o sugerir una fuente? Contactar con la redacción.