Google presenta Gemini 4 Argon y vuelve a pelear por la frontera de la IA

El 30 de septiembre Google hizo algo que llevaba meses pendiente: presentar otra vez un modelo pensado para competir en la parte más alta del mercado.

Se llama Gemini 4 Argon y, curiosamente, Gemini 3.5 Pro quedó en el camino. Google confirmó que ese modelo que había anunciado anteriormente ya no será publicado. Argon se convierte directamente en la nueva referencia de la familia.

Más allá del salto de versión, encontré varias cosas que sí vale la pena mirar. Una es un límite de salida de 1 millón de tokens. Otra es que Google ya está utilizando Argon dentro de su propia infraestructura para trabajos que van bastante más allá de generar texto.

Y hay una tercera: todavía no podemos utilizarlo libremente.

Un millón de tokens cambia el tipo de problema

En la generación anterior el límite de salida era de 64 mil tokens. Con Argon sube hasta 1 millón.

Eso representa un incremento de más de 15 veces.

No significa que ahora tenga sentido pedirle un millón de tokens cada vez que hacemos una consulta. Sería absurdo. Lo interesante es darle espacio al modelo cuando trabaja como agente durante procesos largos.

Google habla precisamente de eso: tareas con muchos pasos, investigación profunda, ingeniería de software y procesos empresariales que pueden requerir analizar documentos, ejecutar acciones y continuar razonando durante bastante tiempo.

Es parecido a darle a un desarrollador una libreta mucho más grande. No garantiza que vaya a escribir mejores soluciones, pero deja de quedarse sin hojas a la mitad del problema.

Google describe oficialmente a Argon como un modelo diseñado para razonamiento profundo en flujos de trabajo largos y complejos.

Google ya lo puso a trabajar en casa

Esta fue probablemente la parte que más me interesó del anuncio.

Google afirma que miles de sus empleados ya utilizan Argon en tareas internas relacionadas con programación, investigación y escritura.

Uno de los ejemplos involucra directamente a sus centros de datos.

Agentes basados en Argon analizaron información de rendimiento de la infraestructura de Google, localizaron oportunidades de optimización y propusieron cambios que, una vez implementados, liberaron más de 300 TiB de memoria. Google estima que el potencial completo podría encontrarse entre 500 TiB y 1 PiB.

Eso ya me parece un caso mucho más interesante que pedirle a una IA que haga una aplicación en una demo de diez minutos.

También está modificando bases de código enormes

Google dice que está utilizando agentes de Argon para migrar software escrito en C y C++ hacia Rust.

Los proyectos mencionados van desde bibliotecas de decenas de miles de líneas hasta componentes del kernel Zircon de Fuchsia que superan las 800 mil líneas de código.

Obviamente eso no significa que Google soltó una IA sobre el repositorio y mandó todo directamente a producción. La propia empresa explica que estas migraciones pasan por auditorías automáticas, revisión humana y pruebas antes de desplegarse.

Ese detalle importa.

Para mí, el futuro interesante de estas herramientas está precisamente ahí: sistemas donde el agente puede hacer mucho trabajo, pero existe una cadena de validación alrededor.

¿Realmente supera a OpenAI y Anthropic?

Depende de qué midamos.

Y esa es una de las partes que me gustó del anuncio porque la tabla publicada por Google incluye resultados donde Argon gana y otros donde pierde.

Los resultados son los publicados por Google DeepMind y deben interpretarse como benchmarks, no como una garantía de que Argon será mejor en cualquier proyecto real.

En DeepSWE v1.1, orientado a ingeniería de software de larga duración, Argon marca 77.9%.

Pero en FrontierSWE v2 queda bastante detrás de GPT-6 Astra. Y en Terminal-bench 4.0 Claude Opus 5.5 tiene una ventaja clara.

Reuters también destacó precisamente esto: aunque Argon supera a sus competidores en varias pruebas publicadas por Google, permanece por debajo en otras métricas, incluidas pruebas relacionadas con programación.

Así debería leerse cualquier lanzamiento de modelos en 2026.

No existe una única tabla que nos diga cuál modelo sirve mejor para todo.

La apuesta fuerte de Argon está en ciberseguridad

Google dedicó una parte considerable del entrenamiento de Argon a defensa informática.

Según la empresa, puede localizar vulnerabilidades de forma autónoma, comprobar si realmente son explotables y generar una corrección.

En CWE-bench v1 obtuvo 68%, empatado con GPT-6 Astra.

Más interesante todavía: Google cuenta que Wiz ya está utilizando Argon dentro de su iniciativa Scan for Good. Durante las pruebas, el sistema identificó una vulnerabilidad crítica que exponía información personal en software utilizado por hospitales y que otros modelos de frontera no habían encontrado.

Esa capacidad explica también por qué Google todavía no abrió completamente el modelo.

Un sistema muy bueno encontrando vulnerabilidades puede servir tanto para defender infraestructura como para buscar cómo atacarla.

Por ahora, acceso limitado

Gemini 4 Argon está comenzando su despliegue mediante el programa Fairwind, dirigido inicialmente a especialistas de ciberseguridad considerados de confianza.

Google está utilizando este periodo para probar protecciones contra abuso, ataques de prompt injection y comportamientos del agente que puedan salirse de las instrucciones originales.

La compañía dice que posteriormente comenzará el acceso para clientes de pago de su API y suscriptores de Google AI Ultra. No proporcionó una fecha exacta para el lanzamiento público general.

También anunció precios.

Durante el periodo introductorio:

• Entrada: 2 dólares por millón de tokens
• Salida: 10 dólares por millón de tokens
• Entrada almacenada en caché: 95% de descuento

Después del periodo promocional, Google indica que el precio subirá a 4 dólares de entrada y 20 dólares de salida por millón de tokens.

Es una señal bastante clara de que Argon está pensado primero para trabajos complejos donde el costo del modelo se justifica por el valor de la tarea.

Google necesitaba este lanzamiento

Gemini llevaba meses en una posición extraña.

Google siguió publicando modelos Flash y mejorando su ecosistema, pero su siguiente modelo grande estaba tardando mientras OpenAI y Anthropic continuaban presentando modelos de frontera.

Gemini 3.5 Pro finalmente fue cancelado. Reuters confirmó con Google que ya no existen planes para publicarlo.

Argon parece ser el intento de cerrar ese capítulo y regresar directamente con una arquitectura más ambiciosa.

El nombre también marca un cambio interesante. En lugar de quedarse únicamente con Pro, Flash y variantes similares, Google empieza Gemini 4 utilizando Argon para identificar su modelo de frontera.

Habrá que ver si esta nomenclatura continúa con otros modelos de la familia.

Lo que me llevo

De todo el anuncio, me quedo con cuatro cosas.

El millón de tokens de salida es importante, pero principalmente para agentes y trabajos largos. Para una conversación normal prácticamente da igual.

Los casos internos de Google son más interesantes que muchos benchmarks. Liberar cientos de TiB de memoria o trabajar sobre migraciones de cientos de miles de líneas acerca la IA a problemas que realmente cuestan dinero.

Argon no domina todas las pruebas. Tiene resultados excelentes en algunas y pierde claramente en otras. Eso hace todavía más necesario evaluar los modelos con nuestro propio trabajo.

Y la ciberseguridad se está convirtiendo en una de las fronteras más delicadas de los modelos avanzados. La misma herramienta capaz de encontrar una vulnerabilidad crítica para corregirla puede convertirse en un problema si termina en las manos equivocadas.

Conclusión

Gemini 4 Argon sí parece un lanzamiento importante para Google.

No porque una gráfica diga que obtuvo tres puntos más que otro modelo, sino porque empiezan a aparecer ejemplos donde agentes de IA trabajan durante periodos largos sobre infraestructura, software y procesos empresariales reales.

Aun así, falta la prueba más importante.

Los desarrolladores todavía no tenemos acceso general a Argon.

Cuando eso ocurra quiero probarlo con repositorios grandes, documentación dispersa, tareas que duren varias etapas y errores que no estén preparados especialmente para una demostración.

Ahí veremos cuánto hay de benchmark y cuánto hay de una mejora que realmente cambie nuestra forma de trabajar.

Fuentes principales: Google: Gemini 4 Argon · Google DeepMind: Gemini 4 Argon · Reuters: anuncio de Gemini 4 Argon