Google lanza Gemini 4 Argon tras meses de retrasos: qué cambia y cuándo llegará al público

Google volvió a mover la carrera de la inteligencia artificial con Gemini 4 Argon, su nuevo modelo insignia para tareas complejas de programación, trabajo profesional y ciberseguridad.

El anuncio llega después de meses en que la compañía postergó su siguiente gran modelo Pro y concentró buena parte de sus lanzamientos en versiones Flash. Ahora Google salta directamente a Gemini 4 con un sistema que, al menos por ahora, no estará disponible de forma abierta para todos.

La primera etapa está reservada para un grupo de ciberdefensores y testers seleccionados. Google dice que quiere fortalecer sus protecciones antes de ampliar el acceso a desarrolladores, empresas y consumidores.

Gemini 4 Argon no llega primero al chatbot que usa todo el mundo

La estrategia de lanzamiento es distinta a la de un modelo que aparece inmediatamente dentro de una aplicación pública.

Argon está comenzando a llegar a participantes del Fairwind Program de Google, un programa para organizaciones de ciberseguridad consideradas de confianza. La compañía también participa en un proceso voluntario del gobierno estadounidense para dar acceso anticipado a modelos avanzados antes de su lanzamiento amplio.

Google señala que después ampliará la disponibilidad, comenzando por clientes pagos de la API y usuarios de Google AI Ultra. Todavía no entregó una fecha exacta para el acceso general.

La gran cifra de Gemini 4: hasta 1 millón de tokens de salida

Uno de los cambios más llamativos está en cuánto puede generar el modelo en una sola ejecución.

Google elevó el límite de salida de Gemini 4 Argon hasta 1 millón de tokens, frente a los 64.000 tokens de modelos anteriores. La idea es que pueda sostener procesos mucho más largos sin cortar una tarea a mitad de camino.

Eso apunta especialmente a trabajos como revisar grandes bases de código, ejecutar investigaciones extensas, procesar múltiples documentos o mantener agentes trabajando durante muchas etapas consecutivas.

No significa que todas las respuestas vayan a tener cientos de miles de palabras. El valor está en que el modelo tenga espacio suficiente para desarrollar procesos largos cuando una tarea realmente lo requiere.

Google lo está usando dentro de la propia compañía

Según la compañía, miles de empleados ya están utilizando Argon en flujos internos.

Google afirma que agentes basados en Gemini 4 identificaron optimizaciones de memoria en sus centros de datos que permitieron liberar más de 300 TiB una vez aplicadas, con un potencial total estimado de entre 500 TiB y 1 PiB.

También describe pruebas para migrar grandes bases de código desde C y C++ hacia Rust y experimentos de optimización de algoritmos utilizados en computación cuántica.

Son resultados reportados por Google y no equivalen a una prueba independiente del rendimiento del modelo, pero permiten entender el tipo de tareas para las que fue diseñado.

Programación, finanzas y documentos largos están entre sus focos

Google presenta a Argon como un modelo preparado para mantener razonamiento durante tareas de larga duración.

En DeepSWE v1.1, un benchmark orientado a ingeniería de software de largo horizonte, la compañía reporta una puntuación de 77,9%. También afirma que lidera evaluaciones relacionadas con investigación financiera, redacción jurídica y automatización de procesos empresariales.

El modelo también está diseñado para trabajar con información multimodal, como gráficos, documentos y videos extensos.

Como siempre con este tipo de cifras, los benchmarks sirven para comparar capacidades específicas, pero no garantizan que el mismo rendimiento se replique en todos los usos reales.

La ciberseguridad explica por qué el acceso es tan limitado

Una de las áreas donde Google puso más énfasis es la capacidad de Argon para encontrar, validar y corregir vulnerabilidades de software.

En su anuncio, la compañía asegura que el modelo puede realizar tareas defensivas de seguridad de manera autónoma y que, en una prueba con Wiz, identificó una vulnerabilidad crítica en software de salud que modelos anteriores no habían detectado.

El mismo poder que permite buscar fallas defensivamente también aumenta el riesgo de uso malicioso. Por eso Google está probando protecciones frente a ataques de prompt injection, solicitudes relacionadas con ciberataques y usos químicos, biológicos, radiológicos o nucleares.

Gemini 4 llega después de una espera más larga de lo esperado

El lanzamiento también tiene una lectura competitiva. Reuters señaló que el anuncio llega tras meses de retrasos, en un período en que Google había postergado una evolución Pro mientras OpenAI y Anthropic seguían actualizando sus propios modelos de frontera.

En vez de lanzar aquella versión intermedia, Google terminó saltando a una nueva generación completa.

Eso vuelve especialmente interesante la comparación cuando Argon llegue a más usuarios: por ahora, la mayor parte de las afirmaciones de rendimiento provienen de benchmarks y pruebas controladas.

Cuánto costará Gemini 4 Argon

Google anunció un precio introductorio de US$2 por millón de tokens de entrada y US$10 por millón de tokens de salida.

Después del período inicial, esos valores subirán a US$4 y US$20 respectivamente. Los tokens de entrada almacenados en caché tendrán un descuento de 95% respecto del precio normal de entrada.

El dato refuerza que el lanzamiento inicial apunta primero a desarrolladores y empresas capaces de integrar el modelo mediante API, antes que a un despliegue masivo en la aplicación de Gemini.

La pregunta ahora no es si existe, sino cuándo podremos probarlo

Gemini 4 Argon ya fue presentado oficialmente y está en manos de los primeros testers.

Lo que todavía falta es la prueba más importante para cualquier modelo de IA: ponerlo frente a miles de usuarios, tareas impredecibles y flujos cotidianos.

Google promete ampliar el acceso “lo antes posible”. Hasta que eso ocurra, Gemini 4 seguirá siendo un modelo oficialmente lanzado, pero todavía difícil de probar para la mayoría.