Gemini 4 Carbon ya está disponible: Google comparte ejemplos de creación 3D

Google DeepMind anunció que el 10 de noviembre de 2026 puso Gemini 4 Carbon a disposición de desarrolladores, empresas, científicos y consumidores. Según la compañía, el modelo está disponible para desarrolladores de pago y empresas a través de la API de Google AI Studio y Gemini for business; para los suscriptores de Google AI Ultra, su distribución gradual se realiza mediante Google Antigravity, la aplicación Gemini y AI Mode en la Búsqueda. El anuncio también incluyó ejemplos de uso del modelo en tareas complejas y en la creación 3D.

¿Cómo funcionan el acceso y los precios?

Google describe Gemini 4 Carbon como su modelo más potente y afirma que está especialmente enfocado en la programación en varias etapas, la depuración, la investigación científica y los flujos de trabajo prolongados con agentes. La compañía señala que, en comparación con Gemini 4 Argon, el modelo puede utilizar más tokens para realizar un razonamiento y una verificación más exhaustivos.

El precio promocional de la API y Gemini for business es el mismo que el de Argon: 2 dólares por 1 millón de tokens de entrada y 10 dólares por 1 millón de tokens de salida. Son los precios promocionales indicados en el anuncio. La fuente no especifica un precio aparte para el acceso a través de las aplicaciones y los servicios incluidos para los suscriptores de Google AI Ultra. Tampoco se publicó una lista de requisitos de hardware o compatibilidad con software 3D.

Ejemplos de creación 3D compartidos por Google

Uno de los ejemplos del anuncio más directamente relacionado con la arquitectura y la visualización es un modelo de oficina creado con la función /swarm de Google Antigravity. Según Google, el equipo de agentes utilizó 206 vistas de planos de ingeniería procedentes de siete PDF de planificación municipal para preparar una reconstrucción interactiva en Three.js de la oficina Platform 37. El modelo contiene 906.000 triángulos y se creó mediante ciclos ejecutados durante 10 noches.

Google también indica que se creó una exposición 3D interactiva sobre la construcción de la Torre Eiffel entre 1887–1889 a partir de fotografías históricas y planos de ingeniería. En otro ejemplo, señala que se preparó un visualizador textil con redes interactivas de estructuras de hilo y curvas de tensión-deformación, basándose en un estudio académico. Se trata de ejemplos incluidos por la propia compañía en la presentación de su producto; no se presentan como mediciones de rendimiento independientes.

¿Qué implica para los flujos de trabajo de arquitectura y archviz?

El ejemplo de generación de geometría a partir de planos y dibujos resulta relevante para estudios de arquitectura y equipos de visualización por la posibilidad de transformar documentación de proyecto en representaciones 3D interactivas. Google afirma que Carbon puede asignar distintos roles a agentes en Antigravity y abordar tareas que requieren un razonamiento más profundo, como diseño arquitectónico, coordinación y supervisión. Sin embargo, el anuncio no explica en qué etapas de los proyectos de ejemplo se requiere supervisión humana ni cuál es la precisión de los resultados en proyectos de producción.

Por eso, el modelo debería considerarse una herramienta de creación que merece ser probada, no una solución que ya haya sustituido los pasos actuales de modelado y verificación. La geometría generada a partir de planos debe revisarse en cuanto a medidas y coherencia con los dibujos; también deben comprobarse por separado la compatibilidad con las aplicaciones utilizadas y los requisitos de hardware. El anuncio de Google no incluye requisitos técnicos sobre estos dos últimos puntos.

Flujos de trabajo con agentes y evaluación

Google describe /swarm como una transición desde una única instrucción a un equipo de agentes que se puede supervisar en tiempo real. Según la compañía, Carbon puede trabajar en distintos espacios de trabajo junto con modelos más rápidos y ligeros; además, se pueden utilizar agentes verificadores para probar los cambios. Este enfoque resulta interesante para repartir el trabajo, especialmente en pruebas de creación 3D y programación que constan de varios pasos.

Aun así, los ejemplos compartidos no demuestran que se obtendrán los mismos resultados en distintos tipos de proyectos. Para evaluar su utilidad práctica en estudios, conviene analizar la legibilidad de los planos, la editabilidad del modelo generado, la detección de errores y el efecto del coste de uso de la API en el flujo de trabajo. Los demás resultados que Google comparte sobre el rendimiento y la seguridad del modelo también se basan en evaluaciones de la propia compañía.