El nuevo modelo de Google logra un 88,2 % en detección de vulnerabilidades y lidera pruebas de explotación y reparación de fallos. Su potencia abre una nueva batalla tecnológica y plantea riesgos sobre el uso malicioso de la inteligencia artificial.
Una inteligencia artificial capaz de encontrar, explotar y reparar fallos informáticos.
La carrera por desarrollar la inteligencia artificial más avanzada acaba de entrar en un terreno especialmente delicado. Google ha presentado Gemini 4 Carbon, un nuevo modelo de su familia Gemini que destaca por sus capacidades en ciberseguridad y programación avanzada. La compañía asegura que obtiene resultados de referencia en pruebas diseñadas para detectar vulnerabilidades, comprobar si pueden explotarse y desarrollar soluciones para corregirlas.
Los resultados anunciados por Google son contundentes: un 88,2 % en SEC-bench Pro, centrado en la identificación de vulnerabilidades; un 54,8 % en ExploitGym, dedicado a comprobar la posibilidad de explotación de fallos; y un 71 % en CWE-bench, que evalúa la reparación de debilidades de software.
La presentación oficial se produjo el 28 de octubre de 2026, y la noticia fue difundida por The Hacker News un día después. Google describe Carbon como su modelo más avanzado hasta la fecha en capacidades de ciberseguridad y tareas complejas de larga duración.
Pero el dato verdaderamente relevante no es únicamente que una máquina consiga mejores puntuaciones en determinados exámenes. Es que la inteligencia artificial empieza a demostrar capacidades que, hasta hace poco, exigían equipos especializados de investigadores y profesionales de seguridad informática.
La misma tecnología que puede ayudar a proteger sistemas también puede facilitar la búsqueda de puntos débiles que un atacante trataría de aprovechar.
Los resultados de Gemini 4 Carbon: tres pruebas que marcan la diferencia
Google ha presentado tres indicadores principales para explicar el rendimiento de Gemini 4 Carbon en ciberseguridad. Cada uno mide una fase distinta del trabajo de los especialistas.
- SEC-bench Pro: 88,2 %. Evalúa la capacidad para localizar vulnerabilidades reales en programas y sistemas informáticos.
- ExploitGym: 54,8 %. Mide si el modelo puede comprobar que determinados fallos son explotables, un paso importante para determinar su gravedad práctica.
- CWE-bench: 71 %. Examina la capacidad para corregir vulnerabilidades y generar soluciones de código.
La diferencia entre encontrar un fallo y demostrar que puede utilizarse es fundamental. Un programa puede contener una debilidad teórica que resulte difícil de explotar en condiciones reales. Por eso, la validación permite a los responsables de seguridad establecer prioridades y concentrar recursos en los problemas más peligrosos.
La tercera fase consiste en reparar el problema desde su origen. No basta con aplicar una solución provisional si la causa del fallo permanece en el código. Google sostiene que Carbon puede identificar esa causa y generar correcciones funcionales.
La compañía también afirma que el modelo consigue más del doble de éxito que Gemini 4 Argon en sus pruebas internas de generación de código seguro. Asimismo, asegura que el equipo de Chrome observó un rendimiento más de diez veces superior al de otro modelo avanzado de un laboratorio rival en una evaluación interna de generación de parches de calidad.
Estas últimas comparaciones proceden de pruebas comunicadas por Google. No deben confundirse con una evaluación independiente y universal de todos los modelos disponibles.
Gemini 4 Carbon lidera el índice de Artificial Analysis
El rendimiento de Carbon no se limita a las pruebas específicas de ciberseguridad. Según la versión 5.0 del Artificial Analysis Intelligence Index, el modelo alcanza una puntuación de 59 puntos, que lo sitúa en primera posición en la clasificación consultada.
En esa comparación, Google coloca a Carbon por delante de otros modelos de referencia:
- Gemini 4 Carbon: 59 puntos.
- Claude Opus 5.5: 58 puntos.
- GPT-6 Astra: 57 puntos.
- GPT-6.1 Sol: 55 puntos.
Artificial Analysis mantiene una evaluación comparativa de modelos mediante distintas pruebas de razonamiento, programación y ejecución de tareas. Su índice no mide exclusivamente la ciberseguridad: combina varias evaluaciones para ofrecer una referencia general sobre capacidades de inteligencia artificial.
Por tanto, conviene separar dos cuestiones. Una es la clasificación global de inteligencia del índice; otra, el rendimiento específico en detección, explotación y reparación de vulnerabilidades. No son pruebas intercambiables ni permiten concluir que un modelo sea el mejor en todas las tareas.
Google limita el acceso: primero, los especialistas en ciberdefensa
Pese a presentar Carbon como un salto tecnológico, Google no ha anunciado una apertura inmediata e indiscriminada del modelo.
La compañía ha optado por un despliegue gradual. Durante la primera fase, el acceso estará limitado a un grupo seleccionado de profesionales de ciberseguridad. Posteriormente, Google prevé ampliar la disponibilidad a otros colaboradores de confianza mediante su programa Fairwind.
La empresa afirma que continúa trabajando en las salvaguardas antes de ofrecer el modelo a desarrolladores, compañías y consumidores a través de sus productos.
Esta decisión responde a una preocupación evidente: un sistema capaz de localizar vulnerabilidades y comprobar su explotación puede ser una herramienta defensiva extraordinaria, pero también puede aumentar las posibilidades de quienes pretendan atacar infraestructuras, empresas o servicios digitales.
Google asegura que participa en el proceso voluntario del Gobierno de Estados Unidos para evaluar modelos antes de su lanzamiento. El objetivo es someter las capacidades más avanzadas a pruebas previas y reforzar los mecanismos de control.
La cuestión es si las restricciones serán suficientes cuando estas tecnologías se extiendan a un número cada vez mayor de usuarios y organizaciones.
La capacidad ofensiva de la IA ya no es una hipótesis teórica
El anuncio de Google llega en un momento especialmente significativo. Apenas unos días antes, Anthropic había explicado que un modelo interno de investigación basado en Claude había descubierto y encadenado vulnerabilidades en programas ampliamente utilizados.
Según la investigación publicada por la compañía el 27 de octubre, el sistema identificó fallos en Chrome, Safari, Android, Windows y Linux. Anthropic presentó cinco cadenas de ataque que, en sus pruebas de laboratorio, permitieron demostrar impactos que iban desde el acceso a información sensible hasta la ejecución remota de código.
Uno de los ejemplos más llamativos afectaba a Chrome. Anthropic explicó que el modelo había construido una cadena de vulnerabilidades que podía ejecutar código fuera del entorno aislado del navegador en un ordenador Mac.
En Safari, la investigación describió una combinación de fallos que podía permitir a una página maliciosa acceder a información de otros sitios, incluidos datos de navegación y sesiones autenticadas.
El trabajo también incluyó un caso relacionado con Android que requería acceso físico al dispositivo y una vulnerabilidad en Linux que, bajo determinadas condiciones, podía permitir la ejecución de comandos con privilegios de administrador.
Anthropic aseguró que comunicó los fallos a los fabricantes y que las vulnerabilidades descritas habían sido corregidas. La empresa presentó los resultados como una demostración del potencial de la inteligencia artificial para reforzar la investigación de seguridad.
Sin embargo, hay una distinción importante: los exploits se desarrollaron en un entorno de investigación. La publicación no demuestra que se utilizaran en ataques reales contra usuarios o empresas.
Tampoco ofrece un desglose completo de cuánto trabajo realizó autónomamente el modelo y cuánto correspondió a los investigadores humanos. Ese detalle resulta esencial para valorar con precisión el grado de autonomía alcanzado.
La nueva carrera entre Google, Anthropic y OpenAI
Gemini 4 Carbon es también una pieza de la creciente rivalidad entre las principales compañías de inteligencia artificial.
Google intenta diferenciarse mediante modelos especializados en tareas complejas, programación y seguridad informática. Anthropic ha puesto el foco en demostrar que sus sistemas pueden descubrir vulnerabilidades de gran impacto. OpenAI, por su parte, ha presentado GPT-6.1 Terra y ha comunicado que cumple el umbral crítico de ciberseguridad contemplado en su marco de preparación.
La competencia ya no se limita a responder preguntas, redactar textos o generar imágenes. Las grandes tecnológicas quieren desarrollar sistemas capaces de trabajar durante periodos prolongados, analizar grandes bases de código, utilizar herramientas y completar procesos técnicos con una intervención humana cada vez menor.
En el ámbito empresarial, esta evolución puede reducir los tiempos necesarios para revisar aplicaciones, detectar errores y corregir fallos. También puede ayudar a organizaciones con menos recursos a mejorar sus defensas.
Pero la competencia tiene otra cara. Si los modelos se vuelven capaces de construir cadenas de explotación cada vez más sofisticadas, el acceso a conocimientos técnicos avanzados podría dejar de estar limitado a grupos reducidos de especialistas.
La cuestión no es únicamente qué empresa consigue el modelo más potente. También importa qué controles aplica, quién puede utilizarlo y cómo responde ante solicitudes que puedan facilitar un ataque.
Google afirma que Carbon resiste los ataques de prompt injection
La seguridad del propio modelo constituye otro de los aspectos destacados del anuncio.
Google sostiene que Gemini 4 Carbon incorpora varias capas de protección, entre ellas mecanismos de defensa frente a usos maliciosos, supervisión durante la ejecución y resistencia a los ataques conocidos como prompt injection.
Este tipo de ataque consiste en introducir instrucciones manipuladas en documentos, páginas web, mensajes o contenidos que un sistema de inteligencia artificial debe procesar. El objetivo es desviar al modelo de su tarea original y conseguir que revele información o ejecute acciones no autorizadas.
La compañía asegura que Carbon obtuvo un 0 % de éxito de ataque en las pruebas evaluadas del Gray Swan Indirect Prompt Injection Benchmark. En otras palabras, afirma que resistió todos los intentos incluidos en esa evaluación.
El dato debe interpretarse con cautela. Un resultado del 0 % en un conjunto concreto de pruebas no significa que el modelo sea invulnerable a cualquier ataque futuro. Los métodos de manipulación evolucionan y los resultados de laboratorio no garantizan el mismo comportamiento en todos los entornos reales.
Google también afirma que Carbon redujo aproximadamente a la mitad las afirmaciones sin respaldo frente a Argon y que disminuyó los avisos internos de desalineación de alta gravedad en casi un 80 % durante determinadas pruebas de programación.
Son indicadores relevantes, aunque proceden de evaluaciones comunicadas por la propia compañía y no deben presentarse como auditorías externas independientes.
El precio y la disponibilidad de Gemini 4 Carbon
Google ha comunicado un precio introductorio de 2 dólares por cada millón de tokens de entrada y 10 dólares por cada millón de tokens de salida. Una vez finalizado el periodo promocional, las tarifas previstas pasarán a 4 dólares por millón de tokens de entrada y 20 dólares por millón de tokens de salida.
Los tokens son unidades de procesamiento utilizadas por los modelos de lenguaje para interpretar y generar información. El coste final depende del volumen de datos procesados y de la complejidad de las tareas.
La compañía también ha anunciado un descuento del 95 % para los tokens de entrada almacenados en caché durante el periodo de precios correspondiente.
Por ahora, el acceso inicial está dirigido a profesionales seleccionados de ciberseguridad. Google no ha abierto todavía la disponibilidad general para consumidores y desarrolladores, aunque afirma que trabaja para ampliar el lanzamiento.
Qué puede cambiar para las empresas y los usuarios
La llegada de modelos como Gemini 4 Carbon puede transformar la forma en que las organizaciones gestionan su seguridad informática.
Entre sus posibles aplicaciones destacan:
- Auditorías de código: revisión de aplicaciones para localizar errores antes de que lleguen a producción.
- Priorización de vulnerabilidades: comprobación de qué fallos pueden convertirse en amenazas reales.
- Reparación automatizada: generación de parches y propuestas de corrección para reducir el tiempo de exposición.
- Análisis de infraestructuras: revisión de sistemas complejos y grandes bases de código.
- Apoyo a equipos de respuesta: asistencia en la investigación de incidentes y en la identificación de posibles puntos de entrada.
Para las empresas, reducir el tiempo entre el descubrimiento de una vulnerabilidad y su corrección puede marcar la diferencia entre un incidente controlado y una brecha de seguridad de grandes dimensiones.
Sin embargo, la automatización no elimina la necesidad de supervisión. Un parche generado por una IA debe probarse, revisarse y desplegarse de forma controlada. Una corrección equivocada puede introducir nuevos errores o dejar servicios fuera de funcionamiento.
Además, las organizaciones tendrán que proteger los permisos concedidos a los agentes de inteligencia artificial. Un modelo que pueda analizar código, acceder a repositorios o ejecutar herramientas necesita límites claros para evitar que una instrucción maliciosa o un error provoquen consecuencias mayores.
El verdadero debate: quién controla una IA capaz de encontrar fallos críticos
El anuncio de Gemini 4 Carbon refleja un cambio de etapa. La inteligencia artificial está empezando a participar en tareas de ciberseguridad que hasta ahora requerían conocimientos muy especializados y largos procesos de investigación.
El avance puede beneficiar a empresas, administraciones públicas y usuarios. Detectar fallos antes de que sean explotados y acelerar su reparación es una ventaja evidente.
Pero también plantea un problema de control. La capacidad para encontrar y validar vulnerabilidades no es intrínsecamente defensiva: su impacto depende de quién la utilice, con qué permisos y bajo qué mecanismos de supervisión.
Google ha optado por restringir inicialmente el acceso a Carbon. Esa cautela es razonable, aunque el verdadero desafío será mantener controles eficaces a medida que aumente la disponibilidad de estos modelos y crezca la competencia entre proveedores.
La pregunta que deja esta nueva generación de inteligencia artificial no es solo qué puede hacer una máquina, sino quién asume la responsabilidad cuando sus capacidades se utilizan para poner en riesgo sistemas de los que dependen millones de personas.
Gemini 4 Carbon puede convertirse en un aliado decisivo para la ciberseguridad. Pero su potencia también obliga a exigir transparencia, auditorías y controles verificables. La carrera por construir la IA más capaz no debería avanzar más deprisa que la capacidad de garantizar su uso seguro.
Chollones
Chollones
Chollones