Gemini 4 Carbon vs Argon: cuál elegir para programar y razonar

La publicación de Google del 10 de noviembre de 2026 mantiene Gemini 4 Argon como su recomendación para la mayor parte del trabajo de programación y conocimiento, y dirige Carbon a la depuración compleja de varios pasos y a la investigación abierta. La tarifa Standard es idéntica en los dos: $2 por millón de tokens de entrada y $10 por millón de tokens de salida hasta el 30 de noviembre; después, $4 y $20.

• Posición: Argon sigue siendo la opción predeterminada para la mayor parte de la ingeniería de software; Carbon asume el trabajo de varios pasos más difícil.
• Precio: las mismas tarifas Standard y ambos arrancan con el pensamiento en medium.
• Factura: los tokens de pensamiento se cobran como salida, así que razonar más encarece una petición; los reintentos, el uso de caché y el tamaño de la entrada también mueven la factura de la tarea.
• Acceso: la API Gemini de pago para ambos, sin nivel gratuito.

Gemini 4 Carbon y Argon de un vistazo

Empieza por la fila que puede detener un proyecto; después, revisa los valores predeterminados que heredas.

La fila del papel procede de la publicación de Google del 10 de noviembre de 2026. La ventana y el pensamiento por defecto proceden de la página de modelos y de la documentación de pensamiento, ambas revisadas el 11 de noviembre de 2026. El acceso solo de pago aparece en la publicación y se repite en la página de precios, donde ambos modelos figuran como no disponibles en el nivel gratuito.

¿A qué modelo dirige Google cada tarea de programación?

La publicación de Google llama a Carbon su modelo más potente y enumera el trabajo que debe asumir: programación y depuración complejas de varios pasos, tareas de agentes de largo horizonte, ciberseguridad e investigación científica abierta. El mismo texto dice que Argon sigue siendo la elección ideal para la mayoría de la ingeniería de software y del trabajo de conocimiento. Léelo como el valor predeterminado del proveedor: empieza una tarea con Argon y pásala a Carbon cuando falle una y otra vez en la planificación o la verificación.

La página de modelos describe Argon como el eficiente modelo de razonamiento de frontera de Gemini 4, con respuestas más rápidas y menos gasto de tokens por turno que Carbon en tareas complejas de código, agentes, matemáticas y ciencia. Menos gasto por turno y una tarifa más baja son dos cifras distintas. Los precios por token coinciden, así que la diferencia aparece en el número de tokens: Google dice que Argon gasta menos tokens por turno, mientras que el total de una tarea depende de cuánta planificación, verificación y reintentos necesite.

Nuestra prueba anterior de programación con Argon es una comparación aparte contra Claude Opus 5.5, sin Carbon. Esos resultados describen a Argon en ese conjunto de tareas; no dicen nada sobre cómo resolvería Carbon el mismo trabajo.

Hay tres situaciones que conviene probar en Carbon:

1. Una prueba que falla y toca cuatro archivos, donde el arreglo depende de seguir llamadas entre módulos.
2. Una actualización de dependencias que cambia una API en varios lugares, de modo que el modelo tiene que planificar ediciones, aplicarlas y volver a ejecutar la suite.
3. Una pregunta de investigación que necesita un plan, un primer experimento, una revisión de los resultados y un segundo intento revisado.

Cada una es candidata para tu propia evaluación; son las tareas en las que un cambio tendría que demostrar su valor. Google también presenta Carbon para investigación abierta y cita ejemplos de física, matemáticas, ciencias de la vida y verificación formal que eligió él mismo.

¿Qué midió el estudio independiente del 28 de octubre?

Artificial Analysis publicó su informe el 28 de octubre de 2026. Compara los dos modelos con sus ajustes altos de razonamiento en Intelligence Index v5, un compuesto de nueve evaluaciones.

El informe sitúa a Carbon 9 puntos por encima de Argon en el índice, lo que deja a Argon en 50, y 126 Elo por encima en AA-Briefcase. En AA-Omniscience v1.1 las dos medidas se separan: la exactitud de Carbon es 10 puntos mayor y su tasa de alucinación sube del 4% al 11%. El informe define sus nueve evaluaciones en la metodología de Artificial Analysis. Una puntuación agregada más alta y una tasa de alucinación más alta en una evaluación pueden convivir en el mismo modelo; esa es la razón práctica para probar un cambio en tus propias tareas. El informe se publicó el 28 de octubre de 2026, con ambos modelos en razonamiento alto en Index v5; no clasifica los dos modelos para tu repositorio.

Por qué la misma tarifa por token produce una factura distinta

Los dos ID comparten una única tarifa Standard, así que compara los tokens de entrada, entrada en caché y salida que consume una tarea, además de los reintentos y otros cargos. El total de tokens por sí solo no decide la factura. La página de precios de Google ofrece estas cifras por millón de tokens, revisadas el 11 de noviembre de 2026.

Toma una petición ilustrativa con 100,000 tokens de entrada, 5,000 tokens de salida visible y 15,000 tokens de pensamiento. El pensamiento cuenta como salida, así que el total de salida es 20,000 tokens. Hasta el 30 de noviembre, la entrada cuesta 100,000 ÷ 1,000,000 × $2.00 = $0.20 y la salida 20,000 ÷ 1,000,000 × $10.00 = $0.20, es decir, $0.40 en total. Desde el 1 de diciembre, la misma petición cuesta $0.80. Los números de tokens son supuestos elegidos para la aritmética y el total usa solo los precios de lista de Google; deja fuera los aciertos de caché, los cargos de grounding y herramientas, los reintentos y los descuentos por lotes.

Las variables que mueven el total son el nivel de pensamiento, el tamaño del prompt y el número de intentos. Una tarea que genera más tokens de pensamiento acaba con otra factura a la misma tarifa, aunque termine en una sola pasada. La caché funciona igual en los dos ID: la tarifa coincide y solo hay caché implícita.

¿Hay que cambiar ajustes al pasar de un modelo a otro?

Los dos ID listan el pensamiento en medium por defecto, con low, medium y high disponibles (documentación de pensamiento, revisada el 11 de noviembre de 2026). Ambos aparecen en la misma tabla de modelos Gemini 4 como gemini-4-argon y gemini-4-carbon. La documentación de la Interactions API de Google usa los nombres de campo de abajo; confírmalos en el SDK que llames, porque el comportamiento de herramientas y funciones puede variar entre SDK. Hay cuatro puntos que conviene revisar antes de cambiar.

1. Esfuerzo, no truncamiento. thinking_level fija el esfuerzo de razonamiento y max_output_tokens limita los tokens generados, incluidos los pensamientos. Un límite demasiado pequeño puede terminar una respuesta con estado incomplete mientras los pensamientos ya generados se siguen cobrando.
2. Una sola ventana compartida. Entrada, pensamiento y salida usan los mismos 1,048,576 tokens. Si el prompt más max_output_tokens supera esa ventana, la API recorta la salida al espacio que queda.
3. La salida larga necesita un ajuste. Una llamada en primer plano con streaming usa 65,536 tokens de salida por defecto; una llamada en primer plano sin streaming tiene un límite de 32,768. Pasar de 65,536, hasta 1,048,576, exige un max_output_tokens mayor y background=True o continuación del lado del cliente. La página de modelos muestra 65K / 1M para ambos ID, y esa forma abreviada describe esta configuración.
4. Pensamientos en turnos posteriores. En trabajo multiturno sin estado, reenvía los bloques de pensamiento anteriores tal cual, también cuando cambies de modelo dentro de una sesión. La Interactions API expone los pasos de pensamiento e informa total_thought_tokens, mientras que la vía generateContent no lleva bloques de pensamiento separados. La caché explícita no está disponible en ninguno de los dos modelos, así que un flujo basado en una caché guardada necesita otro plan.

No hemos ejecutado los dos modelos en las mismas tareas, así que toma la lista como una comprobación para tu primera petición pequeña.

¿Cómo compararlos en tu propio código?

Elige una tarea que tu equipo ya haya resuelto y ejecuta ambos modelos sobre la misma instantánea. Mantén fijas estas condiciones:

• El mismo bug o ticket, la misma instantánea del repositorio y la misma rama.
• Las mismas herramientas, instrucciones y nivel de esfuerzo; medium es el valor predeterminado en ambos.
• La misma comprobación de éxito: pasan las pruebas ocultas y quien revisa acepta el diff.
• El mismo registro: tiempo real hasta la primera respuesta útil, tiempo hasta terminar la tarea, tokens que devuelve la API, reintentos y minutos que una persona dedica a revisar.

El tiempo hasta la primera respuesta y el tiempo total de finalización responden a preguntas distintas: quien revisa en una terminal siente el primero y un trabajo por lotes paga el segundo. Registra ambos y luego factura cada ejecución al precio de lista de Google y divide por el número de cambios aceptados.

Repite la comprobación con varias tareas representativas; un solo par de ejecuciones muestra varianza, así que lee las repeticiones como una dirección y no como una diferencia fija. Decide con números que tu equipo siga, como diffs aceptados por hora y dólares por diff aceptado. Un modelo que responde antes pero necesita un segundo intento puede perder en ambos.

¿Puedes usar Gemini 4 Carbon en OmniaKey hoy?

OmniaKey ofrece actualmente Gemini 4 Argon, y su catálogo no tiene ninguna entrada de Carbon a 11 de noviembre de 2026. El acceso a Carbon pasa por la API Gemini de pago de Google, y la fecha de lanzamiento, precio y detalles de API de Carbon recogen lo que necesita esa cuenta. Si tu alternativa es un modelo de Anthropic, la comparación de Carbon con Fable 5.2 pone precio y acceso uno al lado del otro.

Antes de planificar un cambio, consulta la lista de modelos de OmniaKey; hasta entonces, mantén el trabajo de producción en Argon.

Preguntas frecuentes

¿Es mejor Gemini 4 Carbon que Argon para programar?

Google recomienda Argon para la mayor parte del trabajo de ingeniería de software y Carbon para la depuración compleja de varios pasos. El informe de Artificial Analysis del 28 de octubre sitúa a Carbon por delante en las puntuaciones agregadas y también registra una tasa de alucinación más alta en una prueba, así que la mejor elección depende de la tarea que tengas delante.

¿Cuesta más por token Carbon que Argon?

Las tarifas son las mismas: $2 por millón de tokens de entrada y $10 por millón de tokens de salida hasta el 30 de noviembre; después, $4 y $20. El coste por tarea puede cambiar porque los tokens de pensamiento se cobran como salida y se describe a Carbon como un modelo que usa más.

¿Puedo cambiar solo el ID del modelo?

En las páginas que publica Google, los dos ID comparten los mismos valores de pensamiento, niveles de razonamiento y ventana de contexto. Revisa el tratamiento de los pensamientos, la caché y la configuración de salida en el SDK que uses antes de mover una tarea de producción.

¿Qué límite de salida se aplica a un trabajo largo de Carbon?

Una llamada en primer plano con streaming usa 65,536 tokens de salida por defecto. Para una salida más larga, hasta 1,048,576, necesitas un max_output_tokens mayor y background=True o continuación del lado del cliente.

¿Está Carbon disponible en OmniaKey?

El catálogo de OmniaKey incluye Gemini 4 Argon y no tiene ninguna entrada de Carbon a 11 de noviembre de 2026. Carbon está disponible a través de la API Gemini de pago de Google.

Fuentes consultadas

• Google: Gemini 4 Carbon ya está disponible (10 de noviembre de 2026)
• Google: modelos de la API Gemini (revisado el 11 de noviembre de 2026)
• Google: precios de la API Gemini (revisado el 11 de noviembre de 2026)
• Google: pensamiento en Gemini (revisado el 11 de noviembre de 2026)
• Artificial Analysis: resultados de Gemini 4 Carbon en Intelligence Index v5 (28 de octubre de 2026)
• Artificial Analysis: metodología de evaluación de inteligencia