Lunes, 16 de noviembre de 2026
Portada de las 22:25
Todos los periódicos y la radio, en unoEscrito por IA a partir de Hacker News · Cómo se hace
Hacker News
Inteligencia artificial · artificialanalysis.ai

Gemini 4 Carbon, nuevo número 1 del Artificial Analysis Intelligence Index v5

Artificial Analysis sitúa a Gemini 4 Carbon, de Google, en primer lugar de su Intelligence Index v5 con 59 puntos, y segundo en agentes de programación, solo por detrás de Claude Opus 5.5. El modelo se está desplegando solo a usuarios seleccionados, y los comentarios se centran en eso.

Foto: vía artificialanalysis.ai

Leer el artículo aquíArtículo original (artificialanalysis.ai) 224 comentarios en Hacker News

Escucha la noticia3 min

Según Artificial Analysis, Gemini 4 Carbon (con razonamiento alto) lidera el Intelligence Index v5 con 59 puntos. Logra la mejor puntuación en 4 de las 9 evaluaciones del índice: HLE-Diamond, Terminal-Bench-Science, AA-Omniscience y AutomationBench-AA. Mejora mucho en programación y trabajo de conocimiento, pero no lidera en esas áreas. Como ocurrió con Gemini 4 Argon, se despliega solo a usuarios seleccionados y aún no está disponible públicamente. Google ofrece un 50 % de descuento de lanzamiento sin fecha de fin confirmada; los gráficos usan el precio estándar.

En agentes de programación, con Antigravity CLI, Carbon obtiene 59 puntos en el Artificial Analysis Coding Agent Index, a 3 de Claude Code con Claude Opus 5.5 (max, 62). Es segundo en Terminal-Bench 4.0 (64 %) y en FrontierCode v1.1 (51 %), detrás de Claude Opus 5.5 (max), que llega al 56 % en esta última. Artificial Analysis subraya que Google había rendido históricamente por debajo en este terreno. En AA-Briefcase, que mide trabajo de conocimiento agéntico, Carbon alcanza 1609 Elo, 126 puntos más que Argon, pero queda por detrás de Grok 4.7 (1638), Muse Wonder (1659) y Kimi K3.1 Pro (1678). La mayor mejora está en Presentation (+293 Elo, hasta 1598).

En coste, cada tarea del índice cuesta 7,76 dólares con precio estándar: un 23 % menos que Claude Opus 5.5 (max, 10,04 dólares) y unas 1,2 veces lo que cuesta GPT-6 Astra (max, 6,25 dólares). Usa 123.000 tokens de salida por tarea, un 29 % menos que Opus 5.5 (173.000). Frente a Argon, con el mismo precio de 4/20 dólares por millón de tokens de entrada/salida, el coste por tarea es similar (7,68 dólares) y suma 9 puntos en el índice.

En AA-Omniscience v1.1, Carbon saca 54 puntos, 6 más que Claude Opus 5.5 (48) y 8 más que Argon (46). La precisión sube 10 puntos respecto a Argon, hasta el 58 %, y la tasa de alucinación pasa del 4 % al 11 %, la segunda más baja de todos los modelos, solo por detrás de Argon; en Claude Opus 5.5 (max) y GPT-6 Astra (max) es del 50 %. El modelo tiene una ventana de contexto de 1M de tokens, admite texto, imagen, vídeo y voz como entrada y devuelve texto. Los tokens de entrada en caché tienen un 95 % de descuento (0,20 dólares por millón a precio estándar).

En Hacker News

«Gemini 4 Carbon is the new #1 on the Artificial Analysis Intelligence Index v5» · puesto 28 · 303 puntos · enviado por theHocineSaad

Lo que dicen los comentarios

Casi toda la conversación gira en torno a que Carbon no se puede usar. Varios comentaristas critican que Google «lance» modelos de acceso restringido, dudan de que los benchmarks de un modelo no disponible tengan valor y señalan que no se podrá comprobar que el modelo que llegue después sea el mismo que se midió. Otros cuentan su experiencia con Argon: límites de uso muy bajos en el plan Pro, alguna alucinación, pero también buen rendimiento en programación con antigravity-cli y en tareas generalistas. Gemini se defiende como el mejor para explicar conceptos científicos y matemáticos. Sobre la programación, un comentario recuerda que los benchmarks funcionan de forma muy distinta al trabajo real con un agente. Por último, se señala que el índice omite modelos como Qwen 3.8 Flash Next o GLM Flash, retirados hace dos días.

  • Si todos los demás ponen sus modelos disponibles de inmediato o en días, no sé por qué Google cree que es competitivo lanzar cosas «disponibles en algún momento». Si no puedo usarlo, paso de él.
    — m11a, leer el comentario
  • Los benchmarks de un modelo que aún no se ha publicado son sospechosos. Google debería dejar de «lanzar» modelos que no están disponibles: cuando llegue Carbon, nadie lo notará.
    — tlogan, leer el comentario
  • Por algún motivo, Gemini ha sido siempre el mejor para explicarme conceptos científicos, sobre todo con los nuevos widgets de visualización gráfica. Logra un equilibrio de profundidad y estilo que otros modelos no alcanzan.
    — gavinray, leer el comentario
  • Los benchmarks funcionan muy distinto a trabajar con un agente: instrucciones a menudo ambiguas, sin interacción y sin poder pedir aclaraciones. Si el agente elige mal entre opciones igual de probables, la prueba se da por fallida.
    — ltbarcly3, leer el comentario
  • Han retirado Qwen Flash Next y GLM Flash de sus benchmarks hace dos días y ya no publican cifras. Me inquieta, porque estos modelos abiertos estaban entre los mejores en la frontera inteligencia/coste.
    — peri-cl, leer el comentario

Pregunta sobre esta noticia

Respuestas automáticas a partir de las noticias de El Autómata, sus fuentes y la radio. Pueden contener errores: comprueba los enlaces.

Esta noticia la ha redactado una inteligencia artificial a partir de las fuentes citadas, con el criterio editorial de El Autómata (equilibrio, atribución y solo hechos publicados). Puede contener errores: consulta las fuentes originales. Modelo: claude-sonnet-5.5.