Google ha presentado Gemini 4 Argon, un modelo de inteligencia artificial de frontera que llega con una idea bastante clara: cubrir trabajos profesionales complejos y de larga duración. La compañía lo ha enseñado como un salto para tareas de programación, conocimiento empresarial y ciberdefensa, aunque su acceso inicial no será abierto.
El anuncio coloca a Argon en la carrera por los modelos más potentes, pero también deja varias preguntas sobre la mesa. No hay fecha concreta para el público general y buena parte de sus resultados proceden de pruebas publicadas por el propio Google, así que la cautela sigue siendo razonable.
Un despliegue controlado y sin fecha para el público general
Los primeros en probarlo serán expertos en ciberseguridad, gobiernos, agencias y socios de confianza dentro del programa Fairwind. Google quiere que estos perfiles evalúen el modelo antes de que sus capacidades lleguen a un grupo más amplio.
Después, la hoja de ruta apunta a clientes de pago de la API y suscriptores de Google AI Ultra. Para el resto de usuarios todavía no hay una fecha confirmada y el modelo no está disponible de forma abierta.
La empresa también participa en el proceso voluntario con el que el Gobierno de Estados Unidos revisa modelos avanzados antes de su despliegue. En la práctica, Argon sigue una estrategia parecida a la de otros lanzamientos recientes: primero se prueba en entornos controlados y luego se amplía el acceso.
Hasta un millón de tokens de salida
Una de las señas de identidad del modelo es su límite de salida de hasta un millón de tokens, frente a los 64.000 de la generación anterior. Un token es la unidad mínima con la que trabajan estos sistemas, así que elevar ese techo permite producir respuestas y documentos mucho más extensos sin cortar el trabajo a cada paso.
Ese cambio está pensado para encargos que requieren mantener el hilo durante mucho tiempo: revisar código, analizar documentación o completar procesos de varios pasos. La utilidad real, sin embargo, dependerá de si el modelo mantiene la calidad cuando la tarea se alarga.
Google asegura que sus ingenieros ya utilizan Argon en tareas diarias, desde la depuración de software hasta migraciones de código y diseño de algoritmos. La compañía menciona migraciones de C y C++ a Rust y optimizaciones en sus centros de datos que habrían liberado más de 300 TiB de memoria.
Resultados en código y ciberseguridad
En programación, Google sitúa a Gemini 4 Argon con un 77,9% en DeepSWE v1.1, una prueba orientada a tareas de ingeniería de software de larga duración y escenarios parecidos al trabajo real. La compañía lo presenta como un nuevo récord, aunque insiste en que se trata de datos de rendimiento y no de una experiencia cerrada para cualquier usuario.
La ciberseguridad es otro de los pilares. En CWE-bench v1, Argon obtiene un 68% y empata en la primera posición, según Google. El modelo puede localizar, validar y reparar vulnerabilidades en más de veinte lenguajes, e incluso analizar sistemas web en funcionamiento sin necesidad de acceder a su código fuente.
La compañía ha puesto como ejemplo su colaboración con Wiz en la iniciativa Scan for Good. Según esta versión, Argon detectó una vulnerabilidad crítica en un programa sanitario usado en hospitales de varios países que podía dejar expuestos datos personales. El programa prioriza hospitales, servicios públicos e infraestructuras esenciales.
Google también ha explicado que Argon incorpora protecciones contra ataques de inyección de prompt y controles de seguridad. En un modelo con capacidades defensivas, ese punto es tan importante como sus resultados en las pruebas.
Trabajo profesional y comprensión visual
Más allá del código, Google quiere que Argon compita en tareas de conocimiento. La compañía afirma que lidera el índice Vals, que mide el impacto económico en finanzas, programación, derecho e impuestos, y destaca en evaluaciones específicas como Vals Finance Agent v2 o Harvey’s Legal Agent Benchmark.
En automatización empresarial, Argon ocupa el primer puesto en AutomationBench, de Zapier, con un 51,3%. Son pruebas pensadas para medir si el modelo puede ejecutar de principio a fin funciones habituales en una empresa, no solo responder preguntas sueltas.
La comprensión visual también aparece en el discurso de Google. En LVBench, centrado en vídeos largos, Argon alcanza un 91,7%, lo que le permite identificar detalles en grabaciones extensas y tomar decisiones a partir de varios documentos o gráficos profesionales.
Google compara el modelo con GPT-6 Astra y Claude Opus 5.5 en tablas propias, donde dice que Argon destaca en programación, finanzas y trabajo legal. Al no estar disponible de forma masiva, los comparadores independientes no pueden repetir esas pruebas, así que el liderazgo que muestra la compañía aún necesita confirmación externa.
Precio y llegada a empresas y usuarios
El precio para desarrolladores arrancará en 2 dólares por millón de tokens de entrada y 10 dólares por millón de salida durante el periodo introductorio. Los tokens de entrada guardados en caché tendrán un descuento del 95%, y después la tarifa subirá a 4 dólares por entrada y 20 por salida.
Para España y el resto de Europa, la clave está en la disponibilidad. Argon no se puede probar todavía como un producto abierto; las empresas y profesionales tendrán que esperar a su llegada mediante API de pago o suscripción Google AI Ultra. Google no ha concretado cuándo ocurrirá eso.
El movimiento encaja con una tendencia más amplia: los modelos de frontera ya no se lanzan siempre como un chatbot para todos, sino como herramientas que primero pasan por socios seleccionados. La velocidad de despliegue y la seguridad pesan tanto como las cifras en este tipo de presentaciones.
Gemini 4 Argon se queda, por ahora, en una fase de acceso restringido centrada en ciberdefensa, programación y trabajo empresarial. Sus un millón de tokens de salida, el 77,9% en DeepSWE y el 68% en CWE-bench son los datos que Google pone sobre la mesa, pero su impacto real se verá cuando llegue a más usuarios y pueda medirse fuera de las pruebas del fabricante.