Qué IA usar para cada cosa: el mapa por tareas tras Gemini 4 Carbon

De qué va esto

Cada pocas semanas sale un titular que dice que ya hay una inteligencia artificial nueva que es la mejor del mundo. Y tú, que la usas para currar, te quedas con la misma duda de siempre: ¿tengo que cambiarme otra vez? ¿Estoy usando la que no toca? ¿Me estoy perdiendo algo?

La respuesta corta es que ninguna gana en todo. El titular casi nunca lo dice, pero cuando bajas al detalle resulta que la que es primera en general pierde en escribir informes, y la que escribe los mejores informes no es la que programa mejor. Lo útil no es saber quién va primero esta semana. Es saber cuál te conviene para lo que tú haces.

Antes de seguir, cuatro palabras que vas a ver todo el rato aquí y en cualquier noticia de estas:

• Modelo. Es el motor que hay debajo de la herramienta. ChatGPT, Claude y Gemini son las aplicaciones; GPT-6 Astra, Claude Opus 5.5 o Gemini 4 Carbon son los modelos que las mueven. Cuando un titular dice «la mejor IA del mundo», habla de un modelo.
• Prueba (o benchmark). Un examen estandarizado que se le pasa a todos los modelos para compararlos: razonar, resolver problemas de ciencia, montar una hoja de cálculo, encontrar fallos en un programa. Cada prueba mide una cosa distinta, y ahí está casi toda la trampa.
• Ranking. La tabla que ordena los modelos según esas pruebas. Hay rankings que publica la propia empresa que vende el modelo, y hay rankings independientes (Artificial Analysis y Vals AI son los dos que se usan aquí). No pesan lo mismo.
• Inventarse las cosas (alucinar). Cuando el modelo no sabe algo y, en vez de decírtelo, se saca una cifra, una fecha, una ley o una fuente de la manga, con total seguridad y sin avisar. Es el fallo más caro de todos, porque no se nota a simple vista.

Esta guía nace del análisis de Gemini 4 Carbon, el modelo que Google presentó el 28 de octubre de 2026, solo dos semanas después del anterior. Pero no va de Carbon: va del método para no tener que repetir esta duda cada vez que salga el siguiente.

Cómo se elige: por la tarea, no por el titular

El índice de Artificial Analysis deja a los tres de arriba en dos puntos de diferencia: Gemini 4 Carbon 59, Claude Opus 5.5 58 y GPT-6 Astra 57. Con esa distancia, la nota media no decide nada. Lo que decide es en qué prueba gana cada uno, y si esa prueba se parece a tu trabajo.

Traducido a tareas reales, a 30 de octubre de 2026:

• Programar con agentes (encargos largos de código, varios archivos, buscar un fallo que no encuentras): manda Claude Opus 5.5, que saca 62 frente a los 59 de Carbon.
• Hojas de cálculo, presentaciones e informes, que es lo que más usa la mayoría: manda Claude Sonnet 5.5, con 1812 puntos, por delante incluso de Opus 5.5 (1800). Carbon queda en el puesto 17.
• Finanzas y temas legales: Vals, que es independiente, pone primero a Carbon tanto en finanzas como en investigación jurídica.
• Que no se invente datos: aquí mandan los de Google. Cuando no saben la respuesta, Gemini 4 Argon se la inventa el 4 % de las veces y Carbon una de cada nueve. Opus 5.5 y GPT-6 Astra, una de cada dos.
• Razonar e investigar a fondo: Carbon es primero en 4 de las 9 pruebas del índice (razonamiento difícil, investigación científica, conocimiento general y automatizar tareas).

Y hay una segunda capa, que es aprender a leer la tabla. Google publicó la suya y en ella Carbon queda primero en 15 de 17 pruebas. Sobre el papel arrasa. Lo que la tabla no enseña es que en varias gana por décimas (en la de trabajos profesionales, 70,4 frente a 70,2) y que falta un modelo: Claude Sonnet 5.5 no aparece. En esa misma prueba, medida por Vals, Sonnet queda por delante de Carbon. O sea, que ahí Carbon es segundo, no primero. La tabla era verdad, pero no toda la verdad.

Por eso en la guía hay cinco preguntas para hacerle a cualquier ranking antes de creértelo: quién lo ha hecho, quién falta, por cuánto gana, qué mide cada prueba y de cuándo es.

Qué es Gemini 4 Carbon (y qué no)

Google lo ha entrenado para dos cosas. La primera, tareas largas: lo han tenido días trabajando en un solo encargo, buscando un fallo escondido en un programa enorme y buscando otro camino cuando se metía en un callejón sin salida. Para ti eso significa encargos más largos sin estar encima, y más probabilidades de que los termine. La segunda, ciberseguridad: encontrar agujeros en un programa, comprobar si se pueden aprovechar y taparlos. Ahí saca un 88,2 % en SEC-bench Pro, el mejor resultado de todos.

Y justo por eso todavía no lo tienes: 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. Después irá a más socios de confianza y luego a desarrolladores, empresas y el resto, «lo antes posible». Fecha oficial no hay. Lo único que hay es el precedente de Argon, que tardó 13 días desde su presentación hasta llegar a la aplicación de Gemini para los planes de pago. Si Carbon repite el mismo camino saldría hacia el 10 de noviembre, pero eso es una estimación nuestra, no una fecha de Google.

Donde no gana: programar con agentes (59 frente a 62) y trabajo de oficina (puesto 17, fuera de los diez primeros). Donde sí, además de lo de arriba: en coste, porque cada tarea le sale un 23 % más barata que a Opus 5.5, algo que se nota sobre todo si lo usas mucho por API (la vía por la que un programa llama al modelo sin pasar por el chat).

Es el mejor en general, sí. Por un punto. Y no en todo.

Para quién es

Para quien usa la IA para trabajar y no es programador: hojas, informes, presentaciones, correos, análisis, investigación, finanzas, temas legales. Si pagas una suscripción y no tienes claro si es la que te toca, esto te lo resuelve en veinte minutos.

También te vale si llevas meses saltando de herramienta cada vez que sale un titular y sospechas que estás perdiendo más tiempo cambiando que trabajando.

No te hace falta si ya tienes tu modelo probado con tus propias tareas y te funciona. Tampoco es una comparativa técnica para elegir qué modelo integras en un producto: aquí se habla del trabajo del día a día.

Qué contiene

Un PDF de 7 páginas, seis hojas de método con las cifras a 30 de octubre de 2026 y las fuentes de cada dato:

• El mapa. Qué modelo usar en cada tarea, en una sola página, con el porqué de cada casilla y el número que lo sostiene. Es la hoja que te vas a guardar.
• Cómo leer un ranking. Las cinco preguntas para no picar, con el caso de la tabla de Google desmontado paso a paso y el ejemplo del número uno que duró un día.
• Programar y trabajo de oficina. Las dos tareas donde Carbon no es primero, y las instrucciones exactas para copiar y pegar que sacan lo mejor de Claude en cada una (pedir el plan antes del código; dar el formato antes del informe).
• Que no se invente nada. Qué mide de verdad la tasa de alucinación (no es lo que parece), dónde vale oro que un modelo sepa decir «no lo sé», la regla que se pega al empezar con cualquier modelo para que no te cuele cifras inventadas y una lista de comprobación antes de usar una respuesta.
• Gemini 4 Carbon a fondo. Para qué está entrenado, dónde gana y dónde no, cuánto cuesta por tarea, por qué todavía no lo tienes y qué hacer mientras llega.
• Tu decisión en 20 minutos. Hoja de trabajo para imprimir: tus tres tareas, una prueba comparando dos modelos el mismo día con los mismos criterios, y tu elección escrita.

Por dónde empezar

Abre la hoja 01, busca la tarea para la que más usas la IA cada semana y mira qué modelo manda ahí. Eso solo ya te da una decisión. Si lo tuyo no cae claramente en ninguna casilla, haz la prueba de la hoja 06: la misma petición, en dos modelos, el mismo día, puntuando cuatro cosas. Diez minutos te dicen más de tu caso que cualquier ranking.

Dos avisos honestos. El primero: esto caduca. Las cifras son del 30 de octubre de 2026 y los rankings se mueven cada pocas semanas, así que lo que de verdad te llevas no son los números, sino el método para volver a mirarlos. El segundo: un punto de diferencia es un empate técnico. Si lo que usas te funciona, un titular no es motivo para cambiar. Cambia cuando tu propia prueba lo diga.

Y si lo que quieres es montarte la forma de trabajar para que no dependa de qué modelo va primero este mes, tienes la guía del método de los sistemas.