Google ha comenzado el despliegue global de Gemini 4 Argon, su modelo de inteligencia artificial orientado a tareas especializadas que requieren varios pasos de razonamiento, uso de herramientas y revisión de resultados. La compañía refuerza así su catálogo con un sistema concebido para trabajos de programación, análisis financiero, investigación científica y ciberseguridad, donde importa tanto mantener la continuidad de un proceso como ofrecer una respuesta correcta.
Gemini 4 Argon se anunció inicialmente el 30 de septiembre, pero durante sus primeras semanas quedó reservado a un grupo de expertos en ciberseguridad a través del programa Fairwind. La novedad es la ampliación de su acceso a desarrolladores, clientes empresariales y usuarios de determinados planes de pago.
Razonamiento, análisis visual y herramientas para tareas de larga duración
Gemini 4 Argon reúne capacidades de razonamiento avanzado, comprensión visual y utilización de herramientas, según la documentación presentada por Google, su API admite un límite unificado de hasta un millón de tokens, compartido entre el contenido de entrada, el razonamiento y la información que produce el modelo. La cifra no implica que cada petición individual pueda consumir todo ese margen de una sola vez, ya que existen límites inferiores por solicitud.
Para completar trabajos más extensos, Google incorpora un mecanismo de continuación que permite enlazar distintas etapas de ejecución, esta arquitectura apunta a procesos que necesitan consultar información, realizar acciones y volver sobre resultados anteriores sin perder el hilo de la tarea. En una de las demostraciones, Argon utilizó varios agentes en Antigravity para construir en Blender un complejo de templos con pagodas, vegetación e iluminación. El proceso incluía revisiones visuales sucesivas, de forma que los agentes podían evaluar lo generado y realizar ajustes.
Once horas revisando un proyecto de Python de 205.000 líneas
En una prueba interna con Agent Development Kit, o ADK, Gemini 4 Argon trabajó durante once horas sobre un proyecto de Python de aproximadamente 205.000 líneas, con el objetivo de localizar puntos de mejora en su rendimiento. El sistema propuso seis optimizaciones, pero Google no incorporó todas automáticamente, tras revisar las propuestas, descartó cuatro por posibles problemas de funcionamiento o porque la mejora prevista no compensaba su implementación. Las dos restantes sí se aplicaron, según las mediciones comunicadas por la compañía, redujeron cerca de un 40% el tiempo de preparación de sesiones largas en memoria y un 21% el de importación del paquete.
El caso resulta especialmente ilustrativo porque introduce una distinción importante entre generar sugerencias y entregar cambios útiles, cuatro de las seis propuestas no superaron el proceso de revisión, mientras que las dos aceptadas ofrecieron mejoras medibles en escenarios concretos. No demuestra que el modelo pueda modificar cualquier repositorio sin supervisión, sino que puede servir de apoyo en labores técnicas prolongadas dentro de un proceso que todavía requiere validación.
Google también atribuye a Argon una reorganización de cientos de archivos en Chromium, el proyecto de código abierto sobre el que se construye Chrome, la referencia amplía el alcance de las pruebas a repositorios de gran tamaño, aunque la información facilitada no ofrece el mismo nivel de detalle sobre métricas y resultados que el caso de ADK.
En el sector financiero, Google plantea aplicaciones como la elaboración de estados financieros correspondientes a varios ejercicios, el análisis de documentación remitida a organismos reguladores y la valoración de empresas, son tareas que combinan grandes volúmenes de datos, relaciones entre cifras y necesidad de mantener criterios consistentes a lo largo de diferentes documentos.
La firma Kepler, participante en las evaluaciones, afirma que Gemini 4 Argon coincidió con los modelos de referencia construidos por sus analistas en más del 99% de las cifras examinadas. Se trata de un resultado comunicado por una compañía colaboradora, por lo que debe interpretarse dentro de las condiciones de esa evaluación y no como una garantía de precisión para cualquier cálculo o informe financiero. En un entorno donde un error pequeño puede propagarse a distintas hojas de cálculo o informes, las cifras de coincidencia son relevantes, pero también lo es conocer cómo se comprueban los resultados.
Ciberseguridad: del análisis de vulnerabilidades a su corrección
La ciberseguridad constituye otro de los ámbitos prioritarios del lanzamiento y fue, de hecho, el primero en el que se permitió acceder al modelo a través de Fairwind, Google ha destacado una experiencia de Wiz, empresa especializada en seguridad informática, en la que el sistema ayudó a detectar y corregir una vulnerabilidad que podía comprometer información privada de pacientes.
El caso muestra una posible aplicación de Argon a flujos defensivos de revisión técnica, desde la identificación de un problema hasta la propuesta de una solución, la información recogida no atribuye todo el trabajo únicamente al modelo, las investigaciones de Wiz incluyen otras herramientas y especialistas humanos, por lo que sería incorrecto presentar el hallazgo como una intervención autónoma exclusiva de la IA.
Argon también ha participado en pruebas relacionadas con investigación científica, según Google, el sistema contribuyó al diseño de cinco nuevas proteínas enzimáticas capaces de facilitar determinadas reacciones químicas. La compañía asegura que los ensayos posteriores realizados en laboratorio confirmaron actividad catalítica en los cinco diseños. En otro caso, Gemini 4 Argon ayudó a optimizar una versión interna de AlphaQubit, el sistema de Google orientado a la corrección de errores en computación cuántica. La compañía atribuye al trabajo realizado una mejora que prácticamente duplicó el rendimiento de inferencia de uno de sus componentes.
Primer puesto en Vals Index, pero octavo en Artificial Analysis
La posición de Gemini 4 Argon frente a otros modelos depende de qué se esté evaluando, en Vals Index, una clasificación de rendimiento en tareas profesionales de programación, finanzas, derecho y fiscalidad, aparece en primer lugar con una puntuación del 68,90%, de acuerdo con los datos recogidos en la información publicada. La imagen cambia en el índice general de Artificial Analysis, allí, la configuración High de Argon obtiene 53 puntos y figura en octava posición. Las diferencias no son necesariamente contradictorias, cada evaluación mide competencias y condiciones de uso distintas, por lo que liderar una clasificación profesional no significa encabezar automáticamente cualquier prueba general de inteligencia artificial.
Gemini 4 Argon comienza a estar disponible en la aplicación Gemini y en el modo IA de la Búsqueda de Google para suscriptores de Google AI Pro y Ultra, los desarrolladores y las organizaciones pueden acceder mediante la API de pago. Para utilizar el modelo en Antigravity, los usuarios particulares necesitan una suscripción Ultra, según las condiciones comunicadas. Google ha establecido una tarifa introductoria de 2 dólares por millón de tokens de entrada y 10 dólares por millón de tokens de salida.
Si (
No(
