Google anunció el 13 de octubre la apertura global de Gemini 4 Argon. Los desarrolladores lo usan a través de AI Studio y de los niveles de pago de la API de Gemini, con el nombre de modelo gemini-4-argon; los suscriptores de Google AI Pro y Ultra pueden usarlo en la app de Gemini y en el AI Mode de Búsqueda; la herramienta de programación Antigravity sigue reservada a los suscriptores de Ultra.
Hace dos semanas, cuando se presentó, el modelo solo se entregó a los equipos de defensa en ciberseguridad del programa Fairwind. Ahora Google amplía de golpe el acceso a desarrolladores, empresas, investigación y suscriptores comunes. La vía para los equipos de seguridad se mantiene, con aprobaciones continuas bajo solicitud y una versión sin las salvaguardas de ciberseguridad.
De los equipos de seguridad a todos los usuarios de pago
Si se encadenan los hitos de Argon, el ritmo de Google es primero estrecho y luego amplio. En el lanzamiento del 30 de septiembre, la compañía delimitó tres áreas de trabajo: ingeniería de software, trabajo del conocimiento empresarial como el jurídico y el financiero, y defensa cibernética; los resultados publicados entonces procedían sobre todo de pruebas de programación y vulnerabilidades como DeepSWE y CWE-bench.
En la ronda del 13 de octubre, además del anuncio principal, Google publicó a la vez un blog para desarrolladores sobre robótica y un balance de ingeniería sobre el uso de Argon para optimizar sus propios repositorios de código abierto. El foco pasa de «si puede escribir código» a «si puede entender el mundo físico».
El precio no cambia: en el periodo de lanzamiento son 2 dólares por millón de tokens de entrada y 10 dólares por los de salida, con un 95 % adicional de descuento en la entrada que acierta en caché. En el lanzamiento Google no dijo cuánto duraría la oferta; esta vez fija la fecha límite: a partir del 30 de noviembre vuelve a 4 dólares de entrada y 20 de salida.
Algunas cifras del blog de robótica
En ERQA, el banco de pruebas de razonamiento corporizado que evalúa preguntas de física y espacio en tres dimensiones, Google informa de un 87 %. La frase original de la compañía:
"Using pure reasoning, Argon scores 87%, outperforming every other frontier model."
Solo con razonamiento, Argon obtiene un 87 % y supera a todos los demás modelos de frontera.
La demostración usó el robot cuadrúpedo Spot de Boston Dynamics. Argon primero construye en MuJoCo un gemelo digital articulado para practicar una y otra vez y después maneja el robot físico, que aprende a abrir una papelera con el pie y a tirar una lata dentro. Otro ejemplo es el control zero-shot de un brazo robótico para enderezar un vaso y meter una servilleta en él.
Los datos más útiles en la práctica proceden de la generación de simulaciones. Los investigadores fotografiaron una mesa, pidieron a Argon que construyera la escena simulada y generaron más de 4.500 ejecuciones con aleatorización de dominio para ajustar un modelo de visión, lenguaje y acción (VLA). En las pruebas con robot real, la tasa de éxito subió del 56 % al 75 % y el tiempo de finalización bajó de 35 a 24 segundos. En otra tarea de coger y colocar con un brazo SO-101, tras tres rondas de automejora, el tiempo pasó de 58,9 segundos a 22,9 y luego a 17,4.
Todos son experimentos del propio Google; el tamaño de la muestra y el número de pruebas no se detallan en el blog, y por ahora no se ha visto ninguna reproducción independiente.
Resultados que aportan otros clientes
En el anuncio principal, Google enumera una serie de casos internos y de socios: el equipo de Chrome procesó unos 6 millones de líneas de código heredado en una base de 40 millones, y redujo de meses a semanas la refactorización de cientos de archivos; los commits de código de agentes dentro de Google aumentaron más de un 35 % y las reversiones cayeron cerca de un tercio.
La versión en Python de ADK, el marco abierto de agentes, es un caso comprobable públicamente. Los ingenieros dejaron a Argon trabajar 11 horas sin supervisión sobre el código; propuso 6 optimizaciones y, tras la revisión humana, se fusionaron 2: el tiempo de preparación de memoria en sesiones largas bajó cerca de un 40 % y la importación en arranque en frío fue un 21 % más rápida. Que solo se aceptaran 2 de 6 dice más sobre cómo usarlo hoy que el discurso promocional.
En las pruebas de seguridad, Google afirma que en la prueba de inyección indirecta de prompts de Gray Swan la tasa de éxito de los ataques bajó al 0,7 % tras 15 ataques adaptativos; el comportamiento de «tomar atajos» en las pruebas de programación se redujo al 2 %.
La evaluadora independiente Artificial Analysis actualizó su conclusión el día de la apertura: el índice de inteligencia queda a la par con GPT-6 Astra, con un coste por tarea de alrededor del sesenta por ciento. Esa comparación de costes se basa en el precio de lanzamiento y habrá que recalcularla después del 30 de noviembre.
Fuentes: blog oficial de Google, Google Developers Blog (reportaje de robótica y balance de optimización de ADK), CocoLoop, ficha del modelo de Google DeepMind; índice de inteligencia y metodología de coste por tarea de Artificial Analysis.