Gemini 4 Carbon vs Claude: qué IA usar para cada cosa

Te dejo el vídeo arriba, pero aquí lo tienes escrito y con las cifras ordenadas.

Google acaba de presentar Gemini 4 Carbon y, según sus números, es la inteligencia artificial más potente del mundo. Llega solo dos semanas después de Argon, su modelo anterior.

Antes de creernos todo eso, hay que mirar la letra pequeña. Gana por un solo punto. Y si programas con agentes o lo tuyo es el trabajo de oficina, no es el primero.

Qué es Gemini 4 Carbon y para qué lo ha entrenado Google

En la inteligencia artificial se corren dos carreras: la del modelo más listo y la del más barato. Google llevaba meses corriendo solo la segunda. Con Argon volvió a la primera y con Carbon se pone delante.

Lo han entrenado para dos cosas.

La primera, las tareas largas. Sus equipos lo han tenido días trabajando en un solo encargo: encontrar un fallo escondido en un programa enorme y arreglarlo. Y cuando se metía en un callejón sin salida, buscaba otro camino en vez de rendirse. O sea, que le podrás dar trabajos más largos sin estar encima y es mucho más probable que los termine.

La segunda, la ciberseguridad. Encontrar agujeros en un programa, comprobar si se pueden aprovechar y taparlos. En la prueba que mide cómo encuentra esos fallos sacó un 82,2 %, el mejor resultado de todos.

Y ahí está justamente el motivo por el que todavía no lo puedes usar. Lo que sirve para encontrar agujeros también sirve para colarse por ellos, así que Google se lo ha dado primero a unos pocos expertos en ciberseguridad.

¿Por cuánto gana de verdad Gemini 4 Carbon?

Por muy poco. Sobre el papel arrasa: en la tabla que ha publicado Google, Carbon queda primero en 15 de 17 pruebas. Pero ojo, que en varias gana por unas poquitas décimas.

En una que mide cómo resuelve trabajos profesionales, Carbon sacó un 70,4 y Claude Opus 5.5 un 70,2.

Y hay un detalle que esa tabla no enseña: no sale Claude Sonnet 5.5. En esa misma prueba, medida por Vals AI, que es independiente, Sonnet queda por delante. O sea, que ahí Carbon es segundo, no primero.

Como la tabla la hace Google, me fui a una fuente independiente. Artificial Analysis lo confirma: Carbon es el número uno con 59 puntos, y el segundo se queda a un punto.

Esta versión del ranking se estrenó el día antes del anuncio. Es más difícil que la anterior y la mayor parte de las pruebas son privadas, para que nadie pueda entrenar su modelo con las respuestas. El primer puesto duró un día.

En qué gana Carbon y en qué no

Más que la nota importa en qué gana. Carbon es el primero en cuatro de las nueve pruebas: razonamiento difícil, investigación científica, conocimiento general y automatizar tareas.

Si programas con agentes, el primero sigue siendo Claude. Claude Code con Opus 5.5 saca 62 y Carbon 59.

Y en el trabajo de oficina, que es lo que más usa la mayoría (hojas de cálculo, presentaciones e informes), Carbon no está ni entre los 10 primeros. Ahí manda Claude Sonnet 5.5, el modelo intermedio de Anthropic.

Pero donde brilla, brilla. Vals AI lo pone primero en finanzas y en investigación jurídica. Y en una prueba de entender el espacio (convertir fotos de un piso en su plano) empata con las personas. Imagínate.

De precio también va muy pero que muy bien: en las pruebas de Artificial Analysis, cada tarea le sale un 23 % más barata que a Opus 5.5.

Si lo que quieres es el reparto por tareas y no el ranking, lo tienes ordenado en la guía de qué IA usar para cada cosa.

¿Qué modelo se inventa menos las cosas?

Esto es lo que más me ha gustado, de verdad.

Google dice que Carbon se inventa la mitad que Argon, pero eso es una prueba suya. Artificial Analysis mide algo parecido: cuando un modelo no sabe la respuesta, ¿te dice que no lo sabe o se la inventa?

Opus 5.5 y GPT-6 Astra, cuando no saben, se la inventan la mitad de las veces. Una de cada dos. Carbon, una de cada nueve.

Ojo con el matiz: ese porcentaje no es de todas sus respuestas, solo de las que no acierta.

Y los dos modelos que menos se lo inventan de todo el ranking son de Google. Argon el primero, con un 4 %, y Carbon el segundo. Traducido: cuando no saben algo, los modelos de Google son los que más veces te lo dicen. Y según para qué trabajo, eso vale oro.

Para mí es una de las cosas más importantes que ha sacado Google aquí. No es un detalle de ficha técnica. Es la diferencia entre un informe que puedes firmar y uno que tienes que repasar línea por línea. De hecho, que un modelo invente menos datos en informes fue también una de las cosas que cambió con Opus 5.5.

Cómo evitar que la IA se invente datos

Lo peor que te puede pasar es que la IA no sepa un dato y se lo invente. Lo que buscamos siempre es que te diga que no lo sabe.

Por eso hay que marcar las reglas antes de que te dé cualquier respuesta. Dile que, cuando no sepa un dato, te lo pregunte o te diga directamente que no lo sabe.

Parece una tontería. Es que es horrible que te pase lo otro.

¿Cuándo podrás usar Gemini 4 Carbon?

Google no ha dado fechas. Esta semana lo tienen unos pocos expertos en ciberseguridad, después más socios de confianza y luego desarrolladores, empresas y el resto. "Lo antes posible", como dicen ellos.

Pero tenemos un precedente. Argon hizo exactamente el mismo camino: se presentó el 30 de septiembre de 2026 para expertos y 13 días después, el 13 de octubre de 2026, ya estaba en la aplicación de Gemini para los planes de pago y para desarrolladores.

Así que si Carbon repite la jugada, lo tendríamos hacia el 10 de noviembre de 2026. Ojo, que esto es una cuenta mía, una estimación, no una fecha que haya dado Google.

Y tampoco está claro que valga la pena esperarlo. Al ritmo que vamos, igual OpenAI o Anthropic sacan algo mejor antes de que llegue. El propio Sundar Pichai, el jefe de Google, lo presentó recordando que ya había avisado de que sacarían modelos cada poco tiempo.

Todos los laboratorios van a un ritmo de novedades casi semanal. Ser el número uno ya no es una corona. Es un testigo en una carrera de relevos, y ahora le ha tocado a Google. Ya veremos a quién le toca el siguiente.

Las herramientas que salen en el vídeo

• Gemini: la aplicación de Google donde acabará llegando Carbon cuando salga del círculo de expertos.
• Claude: Opus 5.5 y Sonnet 5.5, los dos modelos de Anthropic que siguen primeros en programación y en trabajo de oficina. Si dudas entre uno y otro, te lo cuento en Opus o Sonnet, qué modelo elegir.
• Claude Code: el que saca 62 en programación con agentes.
• GPT-6 Astra: el de OpenAI, segundo en el ranking de Artificial Analysis junto a Opus 5.5.

Veredicto: qué IA usar según para qué

¿Es Carbon el mejor modelo del mundo? Sí, pero por los pelos y en ciertas cosas.

Y si te preguntas cuál usar tú, pues lo que hablamos siempre: depende de para qué.

Si programas, Claude sigue siendo la mejor opción. Si lo tuyo son las hojas de cálculo y los informes, Claude también. Y si trabajas con finanzas o con temas legales, ten un ojo puesto en Carbon cuando llegue.

Esa es la idea de fondo de todo lo que escribo sobre usar la IA en el día a día: no hay un modelo que gane en todo, hay un modelo que gana en lo tuyo.

Cuando Carbon esté disponible lo pondré a prueba y haremos vídeo.

Antes de pelearte con la tabla de ningún ranking, igual te viene mejor saber en qué punto estás tú con la IA. Hay un test de cinco minutos que te lo dice.

Hacer el test: ¿cuál es tu nivel de IA?