Google presenta Gemini 4 Argon: gran rendimiento, un millón de tokens y acceso limitado
Google ha presentado Gemini 4 Argon, su nuevo modelo de inteligencia artificial de vanguardia para tareas largas y complejas. La compañía lo sitúa especialmente en ingeniería de software, finanzas, derecho y ciberseguridad. Sin embargo, el anuncio llega con una limitación decisiva: Argon todavía no está disponible para el público ni para la mayoría de desarrolladores, por lo que su rendimiento real sigue pendiente de una comprobación independiente amplia.
Qué es Gemini 4 Argon
Argon inaugura la cuarta generación de los modelos Gemini más potentes. Google lo describe como un sistema multimodal capaz de sostener trabajos con muchos pasos, utilizar herramientas y coordinar agentes durante procesos extensos. No busca únicamente responder mejor a una pregunta, sino mantener el hilo mientras investiga, modifica código, comprueba resultados y corrige su estrategia.
En el anuncio oficial de Gemini 4 Argon, Google afirma que miles de empleados ya lo utilizan para programación especializada, investigación y redacción. La empresa destaca tres proyectos internos: optimizar algoritmos cuánticos, liberar más de 300 TiB de memoria en sus centros de datos y migrar grandes bases de código de C y C++ a Rust.
En una de esas migraciones, varios agentes reemplazaron 32.000 líneas SIMD del decodificador de vídeo libgav1. El resultado, según Google, mantiene una salida idéntica y funciona 2,7 veces más rápido que el puerto anterior en Rust. Son ejemplos relevantes porque describen trabajo aplicado, aunque proceden de la propia empresa y han pasado por revisión humana antes de llegar a producción.
Un millón de tokens de salida
La novedad técnica más llamativa es el aumento del límite de salida desde 64.000 hasta un millón de tokens. Esto permitiría a Argon mantener trayectorias de razonamiento mucho más largas, generar código de gran tamaño o completar investigaciones extensas sin dividirlas en tantas sesiones.
Conviene leer bien la cifra. Google habla de tokens de salida, no de una ventana de contexto de entrada. Tampoco significa que todas las respuestas vayan a ser gigantescas ni que escribir más equivalga automáticamente a razonar mejor. Una ejecución muy larga puede aumentar la latencia, el coste y la posibilidad de arrastrar un error durante cientos de pasos. El avance será valioso si el modelo sabe usar ese espacio con disciplina.
Rendimiento en programación y trabajo profesional
Las cifras publicadas colocan a Argon entre los modelos más competitivos. Obtiene un 77,9 % en DeepSWE v1.1, una evaluación de ingeniería de software real y de larga duración. También lidera Vals Index, que pondera tareas de finanzas, programación, derecho e impuestos según su peso económico, y alcanza el primer puesto en AutomationBench de Zapier con un 51,3 %.
Su componente multimodal también sobresale: consigue un 91,7 % en LVBench, centrado en la comprensión de vídeos largos. En ciberseguridad empata en la primera posición de CWE-bench v1 con un 68 %, una prueba que mide la capacidad para reparar vulnerabilidades. Además, Wiz asegura haber utilizado el modelo para descubrir un fallo crítico en software sanitario que exponía información personal y que otros modelos no habían detectado.
El conjunto sugiere una IA especialmente preparada para trabajos profesionales prolongados, no solo para exámenes de preguntas y respuestas. Pero un 51,3 % en automatización también recuerda que incluso el supuesto líder falla casi la mitad de los casos de esa prueba. Ser el mejor en un benchmark no significa ser suficientemente fiable para actuar sin supervisión.
Las limitaciones: acceso cerrado y resultados por verificar
La principal limitación es sencilla: casi nadie puede probarlo. El despliegue inicial se limita a ciberdefensores y evaluadores de confianza del programa Fairwind. Google no ha dado una fecha concreta para el acceso general; solo indica que después llegarán primero los clientes de pago de la API y los suscriptores de Google AI Ultra.
Esta situación obliga a tratar los benchmarks como datos preliminares. Las configuraciones, herramientas y presupuestos de razonamiento pueden variar entre modelos, y varios resultados proceden de evaluaciones internas. Axios informó incluso de que algunos empleados consideraron decepcionante su rendimiento durante las pruebas, algo que Google negó. Hasta que desarrolladores independientes puedan repetir los experimentos, no es posible declarar un vencedor sólido frente a GPT-6 Astra o Claude.
También existe una limitación deliberada por seguridad. Argon puede localizar, validar y corregir vulnerabilidades de manera autónoma, capacidades útiles para defender sistemas pero peligrosas en manos equivocadas. Google está reforzando las negativas ante solicitudes maliciosas, la resistencia a inyecciones de instrucciones y un sistema que vigila el razonamiento y detiene acciones que se apartan de la intención del usuario.
Precio promocional y despliegue futuro
Cuando se abra la API, el precio introductorio será de 2 dólares por millón de tokens de entrada y 10 dólares por millón de salida, con un descuento del 95 % para entradas almacenadas en caché. Después del periodo promocional, las tarifas subirán a 4 y 20 dólares, respectivamente. El coste real de los trabajos largos dependerá de cuántos tokens y herramientas utilice cada agente.
Como señaló el diario español Cinco Días, la tarifa inicial presiona directamente a OpenAI y Anthropic. Aun así, el precio resulta secundario mientras el producto permanezca cerrado. La verdadera prueba llegará cuando equipos externos midan su velocidad, estabilidad, consumo y capacidad para terminar proyectos sin acumular fallos.
Gemini 4 Argon parece un salto importante para Google, sobre todo en programación prolongada y ciberdefensa. Pero, de momento, es una demostración prometedora más que un producto ampliamente disponible. Sus cifras merecen atención; sus límites, todavía más.