Google ha comenzado el despliegue amplio de Gemini 4 Argon, su nuevo modelo frontera, tanto en la aplicación de Gemini como en Antigravity, su plataforma de desarrollo agéntico. La compañía presentó el modelo hace apenas unas semanas apelando a la cautela por el riesgo de usos malintencionados, pero ese proceso de revisión se ha resuelto mucho más rápido de lo que sugería su primer anuncio. La apertura, eso sí, llega con condiciones: por ahora solo acceden los usuarios de pago, y quienes tienen planes de gama baja no contarán con acceso completo.
- Acceso restringido: el despliegue arranca para clientes de pago y suscriptores de Google AI Ultra, sin fecha confirmada para el público general.
- Salida de 1 millón de tokens: el límite de generación sube desde los 64.000 tokens de la generación anterior, pensado para tareas de razonamiento largas.
- Precio introductorio: 2 dólares por millón de tokens de entrada y 10 por millón de salida, con un 95% de descuento en tokens de entrada almacenados en caché.
- Ciberseguridad primero: el programa Fairwind da acceso a defensores cibernéticos verificados antes de la apertura comercial.
Un despliegue por fases con la seguridad como argumento
Google insiste en que las capacidades de Argon no han cambiado desde su presentación y sigue remitiendo a los benchmarks publicados a finales del mes pasado como prueba de su razonamiento avanzado y su capacidad de codificación agéntica. El modelo está entrenado para rechazar instrucciones maliciosas y cuenta con un monitor automático de desalineación capaz de detener el procesamiento si detecta un flujo de trabajo no previsto. La compañía sostiene que necesita esas salvaguardas precisamente porque el modelo es tan capaz.
El reparto inicial pasa por el programa Fairwind de Google DeepMind, reservado a organizaciones verificadas de defensa e investigación en ciberseguridad, y continúa después con clientes de API de pago y suscriptores del plan ultra. Conviene no confundir el millón de tokens de salida con una ventana de contexto de ese tamaño: el límite de salida mide cuánto puede generar el modelo en una sola trayectoria de razonamiento.
Lo que Argon ya hace dentro de Google
Miles de empleados de la compañía lo utilizan a diario, y Google ha detallado algunos resultados internos llamativos. Argon detectó un renderizado redundante de emojis en el sistema de comentarios de YouTube cuya eliminación redujo la carga de los servidores un 45%. Los ingenieros también lo pusieron a trabajar sobre el simulador propietario de física de drones del Proyecto Wing, donde encontró errores críticos presentes en el código desde 2018. En robótica, la empresa asegura que el modelo ha impulsado su programa con un salto medible en razonamiento encarnado.
Koray Kavukcuoglu, vicepresidente sénior de Google DeepMind y arquitecto jefe de IA de Google, presentó el modelo destacando su papel en flujos de trabajo largos y complejos. Entre los ejemplos citados figuran la optimización de recursos espacio-temporales en computación cuántica, donde superó la referencia publicada en un 40% en cuestión de minutos, y la liberación de más de 300 TiB de memoria en los centros de datos, con un ahorro total estimado de entre 500 TiB y 1 PiB. En migraciones de C y C++ a Rust, los agentes alcanzaron las 800.000 líneas en el kernel Zircon de Fuchsia, y en libgav1 reemplazaron 32.000 líneas de código SIMD para lograr un decodificador de vídeo seguro en memoria que corre 2,7 veces más rápido.
En evaluaciones publicadas, Argon marca un 77,9% en DeepSWE v1.1, un 91,7% en LVBench de comprensión de vídeo largo y un 51,3% en AutomationBench. Frente a GPT-6.1 Sol de OpenAI, que se ofrece al mismo precio introductorio y presume de una ventana de contexto de 1,05 millones de tokens, la comparación directa resulta difícil: contexto y salida son métricas distintas.
Salvaguardas bajo la lupa regulatoria
La seguridad de Argon se ha convertido también en un asunto diplomático. En el ámbito del programa Fairwind, Google reporta un 68% en CWE-bench v1 para la remediación de vulnerabilidades, mientras la compañía participa en el proceso voluntario del gobierno estadounidense para el acceso a modelos antes de su lanzamiento.
En el Reino Unido, el ministro de IA Kanishka Narayan confirmó el 12 de octubre de 2026 que el Instituto de Seguridad de IA había recuperado su acceso a los modelos frontera tras una restricción temporal.
«Puedo confirmar que los científicos de IA del Instituto de Seguridad de IA están realizando ahora evaluaciones rigurosas de la última generación de modelos, incluido Gemini 4 Argon, para identificar riesgos de forma temprana, probar salvaguardas robustas y ayudar a mantener a la gente segura».
El episodio deja claro que las reglas de acceso previo siguen siendo frágiles incluso entre aliados, y que la evaluación independiente se ha vuelto parte inseparable del lanzamiento de un modelo frontera.
La estrategia de Google combina una capacidad técnica desmedida con un acceso deliberadamente estrecho: monetiza primero, controla el riesgo después y utiliza la validación externa como aval reputacional. Si el despliegue se acelera como ocurrió con el anuncio inicial, la verdadera prueba llegará cuando la presión competitiva de OpenAI y la vigilancia regulatoria obliguen a abrir Argon a los desarrolladores y al gran público. Ahí se sabrá si las salvaguardas eran un requisito técnico genuino o una táctica de posicionamiento.