Anotación automática con Gemini 4 Carbon: el nuevo líder de nuestra clasificación de VLM

Gemini 4 Carbon ocupa el primer puesto de 45 modelos de anotación automática en UL37, nuestro benchmark de detección de objetos con 36 conjuntos de datos, en la instantánea del 11 de noviembre de 2026 de la clasificación de VLM de Ultralytics. Obtiene 0.584 mAP₅₀ y 0.371 mAP_50-95, y ahora encabeza las columnas de precisión y exhaustividad, que en nuestros resultados de octubre ocupaban dos modelos distintos. GPT-6.1 Terra, el anterior líder, queda segundo con 0.560 mAP₅₀ y un coste por imagen de su proveedor de aproximadamente un tercio del de Carbon.

Así que la pregunta para cualquiera que etiquete un conjunto de datos no es qué modelo obtiene la puntuación global más alta, sino cuándo merece la pena pagar el triple por Carbon. A continuación se indica dónde Carbon establece nuevas puntuaciones máximas, dónde Terra sigue ganando, cuánto cuesta cada uno antes y después del cambio de precio de Google en diciembre y cómo ejecutar Carbon con tus propios datos en Ultralytics Platform.

Gemini 4 Carbon ya está disponible para todos los desarrolladores de pago#

Google lanzó Carbon inicialmente a finales de octubre para un pequeño grupo de expertos en ciberseguridad. El 10 de noviembre de 2026, abrió el acceso al modelo a todos los desarrolladores y empresas de pago, y empezó a implementarlo para los suscriptores de Google AI Ultra. La publicación sobre disponibilidad de Google indica que Carbon está disponible mediante la API en Google AI Studio y Gemini para empresas, y en la aplicación Gemini, AI Mode y Antigravity para los suscriptores de Ultra. Los expertos en ciberseguridad mantienen el acceso especializado a través del programa Fairwind de Google.

Google describe Carbon como su modelo más potente, destinado a la ciberseguridad y al trabajo agéntico de largo horizonte. La tarjeta del modelo Gemini 4 Carbon indica que se basa en Gemini 4 Argon y que utiliza más tokens de razonamiento que Argon «para explorar hipótesis a fondo, razonar en profundidad y ejecutar ciclos de verificación prolongados». Procesa texto, imágenes, audio y vídeo, tiene una ventana de contexto de hasta 1M de tokens y responde con texto.

En el anuncio de lanzamiento, Google no presenta Carbon como un detector. Para el etiquetado de datos, lo que importa es cómo afecta ese razonamiento adicional a los cuadros delimitadores, y eso es lo que mide UL37. Puedes consultar todos los resultados en la página del modelo Gemini 4 Carbon.

La página del modelo Gemini 4 Carbon en Ultralytics Platform, con sus puntuaciones UL37 y un enlace para anotar automáticamente un conjunto de datos.

Detección de objetos con Gemini 4 Carbon: primero en todas las métricas de precisión#

UL37 mide hasta qué punto coinciden los cuadros de un modelo con las etiquetas de referencia de cada conjunto de datos en 360 imágenes: 10 de cada uno de 36 conjuntos de datos reales de detección de objetos, que abarcan escáneres médicos, imágenes aéreas y térmicas, estanterías de tiendas, deportes, documentos, placas de circuito y mucho más. Todas las imágenes pasan por el mismo flujo de producción que utilizan los usuarios de Platform, con los nombres de clase propios del conjunto de datos; SAM 3.1 ajusta los cuadros de todos los modelos excepto los de SAM 3, igual que para los usuarios. Todos los conjuntos de datos tienen el mismo peso; consulta la metodología del benchmark UL37.

Así queda Carbon frente a los cuatro modelos siguientes:

Carbon aventaja a GPT-6.1 Terra en 0.024 puntos de mAP₅₀. mAP_50-95, la métrica más estricta que recompensa los cuadros que se ajustan a los bordes de los objetos, muestra una diferencia similar: 0.371 para Carbon, frente a 0.347 para Claude Fable 5.2, el anterior mejor resultado, y 0.345 para Terra.

Carbon también mejora el modelo en el que se basa. Gemini 4 Argon obtiene 0.537 mAP₅₀ y 0.343 mAP_50-95, así que Carbon suma 0.047 y 0.028, respectivamente, en el mismo benchmark y flujo de anotación.

Gemini 4 Carbon tiene la mayor precisión y exhaustividad en UL37#

En nuestros resultados de octubre, los mejores modelos de la clasificación se dividían en dos grupos, tal y como explica nuestra guía para elegir un VLM según su precisión y exhaustividad. Gemini 4 Argon tenía la mayor precisión, 0.667: una gran proporción de sus cuadros coincidía, pero omitía algunos objetos etiquetados. GPT-6 Astra tenía la mayor exhaustividad, 0.627: detectaba más objetos etiquetados, aunque una proporción menor de sus cuadros era correcta.

En la instantánea de la clasificación del 11 de noviembre de 2026, Carbon registra una precisión de 0.685 y una exhaustividad de 0.642, los promedios más altos de los 45 modelos, por encima de la precisión de Argon y la exhaustividad de Astra.

Para quien revisa las anotaciones, es la mejor combinación que puede mostrar el benchmark. Una mayor precisión significa que una proporción más alta de los cuadros preliminares es correcta; una mayor exhaustividad significa que una proporción mayor de los objetos reales ya tiene un cuadro. Una precisión baja deja cuadros que borrar y una exhaustividad baja deja objetos que dibujar, así que los primeros borradores de Carbon requieren menos correcciones de ambos tipos.

SKU110K muestra por qué esto importa en imágenes muy concurridas. Sus estanterías de supermercado contienen 1,666 productos etiquetados en las 10 imágenes del benchmark, todos de una sola clase. Carbon obtiene allí 0.671 mAP₅₀, el mejor resultado de cualquier modelo, por delante de la anterior puntuación máxima de Terra, 0.619. En una estantería así, quien revisa tiene que localizar cada cuadro sobrante entre docenas de cuadros correctos.

El conjunto de datos SKU110K Dense Retail Shelf Detection 2 en Ultralytics Platform, donde Carbon logra la mejor puntuación UL37: 0.671 mAP₅₀.

Gemini 4 Carbon logra las mejores puntuaciones en nueve ámbitos#

Según los resultados por conjunto de datos de las páginas de modelos de Platform, Carbon tiene ahora la mejor puntuación de cualquier modelo en una larga lista de conjuntos de datos UL37. Aquí aparecen junto a la anterior puntuación máxima:

Destacan tres patrones. Carbon mantiene las fortalezas de Argon en imágenes térmicas, aéreas y subacuáticas, y las lleva más lejos; el mayor salto se da en las imágenes térmicas con drones de HIT-UAV. Supera a GPT-6 Astra en planos de planta por casi 0.1 puntos. Y en las resonancias magnéticas de tumores cerebrales, cuyas clases son meningioma, glioma y tumor hipofisario, aventaja por poco a Terra.

Cada conjunto de datos aporta 10 imágenes, así que una sola puntuación es una señal para investigar, no un veredicto. Carbon iguala el récord actual en RPC y CeyMo y aventaja por 0.001 en DDR: diferencias demasiado pequeñas para distinguir los modelos.

La página del modelo reproduce los cuadros UL37 registrados por Carbon junto a las anotaciones esperadas para cada conjunto de datos del benchmark y COCO.

Gemini 4 Carbon frente a GPT-6.1 Terra: dónde sigue ganando Terra#

Terra mantiene las mejores puntuaciones en dos conjuntos de datos médicos. La tabla de conjuntos de datos de la clasificación todavía lo señala como el mejor modelo para la ecografía de tiroides de TN5000, con 0.935, y para la microscopía de células sanguíneas de TXL-PBC, con 0.889. Si tus datos se parecen a alguno de esos conjuntos, compara las filas de ambos modelos en sus páginas antes de elegir.

La mayor ventaja de Terra es el precio. Esta es la comparación directa en UL37:

El coste se estima a partir del uso de tokens por cada 1.000 imágenes del benchmark anotadas correctamente, según los datos comunicados por los proveedores y los precios de tarifa. Terra ofrece aproximadamente el 96 % del mAP₅₀ de Carbon por cerca de un tercio del coste, responde más rápido y no tuvo solicitudes fallidas. Ambos modelos aparecen en la línea «Mejor relación calidad-precio» de la clasificación, que conecta los modelos que ningún otro supera tanto en coste como en precisión.

Gráfico de mAP₅₀ frente al coste de los modelos de pago en UL37, según los precios de tarifa actuales.

La diferencia de precio aumentará. Según la publicación sobre disponibilidad de Google, hasta el 30 de noviembre de 2026 Google ofrece Carbon a un precio introductorio de 2 $ por millón de tokens de entrada y 10 $ por millón de tokens de salida; después, el precio será de 4 $ y 20 $. Con el mismo uso de tokens, los 12,93 $ de Carbon por cada 1.000 imágenes pasarán a unos 26 $ el 1 de diciembre.

Esta es la recomendación práctica:

• Paga por Carbon cuando la calidad de las etiquetas justifique el coste: en escenas muy concurridas, como estanterías de tiendas; imágenes térmicas y aéreas; planos de planta y dibujos CAD; y cualquier conjunto de datos en cuya página del modelo Carbon muestre una clara ventaja.
• Elige Terra para grandes lotes de uso general cuando el presupuesto importe más que 0.024 mAP₅₀, y para datos como los de la ecografía de tiroides TN5000 y el conjunto de datos de células sanguíneas TXL-PBC.
• Ejecuta un trabajo grande con Carbon antes del 1 de diciembre si tienes previsto utilizarlo, mientras siga vigente la tarifa introductoria.

Elijas el que elijas, Batch Annotation añade una tarifa de procesamiento de Ultralytics Platform de 1,00 $ por cada 1.000 imágenes procesadas, con un mínimo de 0,01 $ por ejecución, y el proveedor factura directamente a tu propia clave. Ultralytics no añade ningún recargo a los tokens. Para ver un desglose más amplio, consulta nuestra guía de costes del software de anotación de imágenes. Si buscas un modelo de pago más económico, Claude Haiku 5.5 obtiene 0.429 por 0,37 $ cada 1.000 imágenes, y los modelos alojados como Qwen3.8 27B y SAM 3.1 Text no necesitan ninguna clave.

Cómo ejecutar la anotación automática con Gemini 4 Carbon en tu conjunto de datos#

Carbon es un modelo basado en indicaciones de clase para conjuntos de datos de detección con entre 1 y 200 clases. Devuelve cuadros delimitadores con los nombres de clase propios de tu conjunto de datos; Platform los solicita en el formato de Gemini, que coloca primero el eje y, y los ajusta con SAM 3.1.

1. Crea una clave de API de Gemini en Google AI Studio. Carbon funciona con el nivel de pago de la API, así que la clave debe tener la facturación habilitada.
2. Añádela en Configuración > Claves de API en el espacio de trabajo de Platform que contiene tu conjunto de datos. La documentación sobre claves de proveedor explica los detalles.
3. Abre una imagen en el editor de anotaciones, cambia al modo Smart y elige Gemini 4 Carbon en Google, dentro del selector de modelos.
4. Pulsa Predict o P para etiquetar la imagen actual. Prueba con unas cuantas imágenes representativas de tus datos antes de ampliar el proceso.
5. En la página del conjunto de datos, elige Más acciones > Anotación por lotes para etiquetar de una vez todas las imágenes sin etiquetar. Platform guarda primero una versión del conjunto de datos para que puedas volver atrás.
6. Revisa y corrige los cuadros; el editor los guarda automáticamente. Después, entrena un modelo Ultralytics YOLO26 con el resultado en el mismo espacio de trabajo.

Los desarrolladores también pueden llamar a Carbon desde el código: la versión v0.1.109 del SDK de Platform añadió gemini-4-carbon como modelo de predicción de imágenes. Para obtener una visión general, consulta cómo Ultralytics Platform utiliza la IA para automatizar la anotación y por qué la revisión con intervención humana sigue formando parte del flujo de trabajo. En el análisis de imágenes médicas, considera los cuadros de cualquier modelo como un borrador que deben comprobar y aprobar expertos clínicos, nunca como un diagnóstico.

Quién debería usar Gemini 4 Carbon#

Usa Gemini 4 Carbon cuando la calidad de las etiquetas importe más que la factura del proveedor. Es el modelo de anotación automática más preciso que hemos evaluado, el líder actual tanto en precisión como en exhaustividad, y obtiene la puntuación más alta en conjuntos de datos de imágenes térmicas, aéreas y subacuáticas, estanterías de tiendas, planos de planta y resonancias magnéticas cerebrales.

Los equipos que ya utilizan Argon obtienen una puntuación global más alta y nuevas puntuaciones máximas en los ámbitos donde Argon destacaba, al mismo precio introductorio por token, aunque Carbon cuesta más por imagen con esa tarifa. Los equipos que etiquetan grandes lotes generales con un presupuesto limitado deberían mantener GPT-6.1 Terra como opción predeterminada y cambiar a Carbon conjunto de datos por conjunto de datos cuando la página del modelo muestre una ventaja clara. Para conocer la otra cara de la historia, consulta nuestros resultados de anotación automática con Gemini 4 Argon.