Gemini 4 Argon: funciones, benchmarks, precios y acceso
El nuevo modelo de frontera de Google lidera en trabajo del conocimiento empresarial e ingeniería de software en el mundo real, llega con un límite de 1M de tokens de salida y se entrega primero a defensores de la ciberseguridad.
OpenAI pasó el 29 de septiembre de 2026, en DevDay, lanzando GPT-6.1 Sol, un modelo intermedio pensado para solucionar el problema de costes de GPT-6 Astra. Un día después, Google anunció Gemini 4 Argon, y el lanzamiento llega primero a equipos de ciberseguridad antes que a desarrolladores.
Koray Kavukcuoglu, SVP de Google DeepMind, presentó Argon el 30 de septiembre de 2026 como el modelo de frontera de Google para trabajos de largo recorrido: ingeniería de software en el mundo real, trabajo experto en el ámbito legal y financiero, y defensa cibernética.
El cambio de ingeniería más llamativo es el límite de tokens de salida, que salta a 1M desde 64K. Marca un nuevo estado del arte en DeepSWE v1.1 con un 77,9%, y se está desplegando primero a través del programa Fairwind a una cohorte de defensores de la ciberseguridad de confianza.
Argon es el nuevo modelo de frontera de Google y llega a defensores de la ciberseguridad de confianza a través del programa Fairwind antes de llegar a la API pública.
El cambio estructural que importa es la longitud de salida, no el contexto de entrada: Argon puede escribir una única trayectoria 16 veces más larga que el anterior techo de 64K.
Lidera todos los benchmarks de trabajo del conocimiento empresarial que ha publicado Google, y la ventaja en tareas legales es amplia.
GPT-6 Astra sigue ganando en tareas científicas basadas en terminal y en FrontierSWE v2, y Claude Opus 5.5 sigue liderando Terminal-bench 4.0.
El precio de lanzamiento de $2 por millón de tokens de entrada abarata en 5x a Astra, pero se duplica cuando termine la promoción.
Todavía no hay nada a lo que cambiarse. No hay ID de modelo público, ni ficha en la nube, ni reproducciones de terceros de ningún resultado.
¿Qué es Gemini 4 Argon?
Gemini 4 Argon es el nuevo modelo de frontera de Google, situado en la parte alta de la familia Gemini por encima de la línea Gemini 3.8 que se lanzó hasta septiembre de 2026.
Google lo describe como un modelo diseñado para sostener razonamientos profundos en flujos de trabajo complejos y de largo recorrido, con tres dominios objetivo: ingeniería de software, trabajo del conocimiento empresarial como legal y finanzas, y defensa en ciberseguridad.
El cambio generacional más claro es cómo Google ha ampliado el límite de tokens de salida a 1M, desde 64K, lo que significa que Argon puede generar cientos de miles de tokens en una sola trayectoria en lugar de verse obligado a parar y volver a pedirle que continúe.
Funciones clave de Gemini 4 Argon
El conjunto de funciones de Argon está organizado en torno a tareas que duran horas y no segundos, lo que se nota en el presupuesto de salida, el trabajo de agentes y las herramientas de ciberseguridad. Estas son las cuatro capacidades que cambian lo que realmente puedes construir.
Escribe 1M de tokens en una sola pasada
Argon puede producir hasta 1M de tokens de salida en una única generación, frente a los 64K de la generación anterior.
El argumento de Google es que ese margen extra cambia la calidad del razonamiento, no solo la longitud: cuando el modelo puede pensar y generar a lo largo de cientos de miles de tokens en una misma trayectoria, resuelve problemas más difíciles sin los empalmes y las pérdidas de estado de un flujo por fragmentos.
En comparación, GPT-6 Astra limita la salida a 128K tokens con una ventana de contexto de 1,05M.
Si alguna vez un agente se te ha ido del guion a mitad de una gran refactorización porque chocó con el techo de salida y hubo que reiniciarlo, este es el límite que desaparece.
El matiz, claro, es la facturación. Generaciones largas a $10 por millón de tokens de salida suman rápido, y Google no ha publicado si los tokens de razonamiento se cobran a la tarifa de salida.
Migraciones de bases de código de extremo a extremo
Agentes de Argon ya están migrando bases de código en C y C++ a Rust dentro de Google, escalando desde decenas de miles de líneas en librerías clave como re2 y libgav1 hasta más de 800K líneas en el kernel Zircon del SO Fuchsia.
Ese es el tipo de trabajo que suele consumir varios trimestres de ingeniería, y Google dice que estas reescrituras pasan por auditorías automatizadas y manuales, pruebas de emulación y revisión antes de producción.
El caso de libgav1 es al que sigo volviendo.
Agentes de Argon tomaron un port a Rust ya existente del decodificador de vídeo open source de Google y sustituyeron 32K líneas de código SIMD escrito a mano ejecutando rondas de experimentos guiados por perfiles y estudiando la salida del compilador hasta que el compilador vectorizó Rust seguro de forma automática.
El resultado es un decodificador con seguridad de memoria que funciona 2,7 veces más rápido que el port en Rust con salida de vídeo idéntica.
Resultados de despliegues internos en Google
Hay dos cifras internas que merece la pena destacar porque son lo más parecido a un resultado del mundo real en todo el anuncio.
Google afirma que un equipo de agentes de Argon analizó telemetría de perfiles a escala de flota y aplicó de forma autónoma optimizaciones de memoria en sus centros de datos, liberando más de 300 TiB de memoria una vez desplegado, con una estimación total de ahorro entre 500 TiB y 1 PiB.
La segunda viene de investigación en computación cuántica, donde Argon ayudó a optimizar los recursos espacio-tiempo (qubits multiplicados por compuertas) de subrutinas que eran cuello de botella. En un caso, superó en minutos la referencia publicada en un 40%.
Ninguno de los dos resultados tiene verificación externa, pero ambos son lo bastante concretos como para poder comprobarse más adelante.
Gestiona finanzas, legal y automatización de negocio con contexto visual
Argon apunta de lleno al trabajo del conocimiento donde la evidencia vive en gráficos, informes y vídeo, y no en un prompt de texto limpio.
Google cita el análisis profesional de gráficos, extraer detalles de vídeos largos y actuar a través de una serie de documentos como casos de uso de primera clase, y Argon anota un 91,7% en LVBench para comprensión de vídeo largo.
La versión práctica de esto, por ejemplo, es una tarea de investigación financiera en varios pasos donde el modelo lee una presentación, contrasta una tabla y luego ejecuta acciones en un sistema de negocio.
Argon ocupa el primer puesto en AutomationBench de Zapier con un 51,3%, que mide la ejecución de extremo a extremo en funciones empresariales clave, no respuestas de un solo turno.
Detecta y corrige vulnerabilidades sin barreras artificiales
Esto es lo más inusual del lanzamiento.
Para defensores de confianza en el programa Fairwind y para los equipos internos de Google, Google está entregando Argon sin barreras de ciberseguridad, de modo que esos equipos obtienen toda la capacidad adyacente ofensiva del modelo para trabajo defensivo: encontrar, validar y parchear vulnerabilidades de software de forma autónoma.
Wiz ya está utilizando Argon en su iniciativa Scan for Good, que corrige exposiciones de alto riesgo en infraestructuras públicas de forma gratuita.
En una demostración inicial, Argon encontró una vulnerabilidad grave que exponía información personal sensible en software sanitario utilizado por hospitales de todo el mundo, una que, según Google, modelos de frontera anteriores pasaron por alto.
Junto a esto, Google afirma que Argon es su modelo más resistente frente a inyección de prompts indirecta y lidera el benchmark IPI de Gray Swan, y que los monitores de cadena de pensamiento y acciones detienen la ejecución cuando el modelo se desvía de la intención del usuario.
Google también señala que deliberadamente mantuvo fuera del entrenamiento los hallazgos de monitorización para que el razonamiento de Argon no se moldeara para evadir los monitores, un detalle que ojalá más laboratorios publicaran.
¿Cómo rinde Gemini 4 Argon en los benchmarks?
Argon lidera 13 de los 19 benchmarks que Google publicó frente a GPT-6 Astra, Claude Fable 5.1 y Claude Opus 5.5, y las victorias se concentran en trabajo del conocimiento, contexto largo y remediación de vulnerabilidades.
Las derrotas se concentran en ciencia ejecutada por terminal y en una de las dos baterías de ingeniería de software, un patrón más interesante que un pleno.
Trabajo del conocimiento empresarial
Es el área más fuerte de Argon y la razón por la que Google enmarcó el lanzamiento en legal y finanzas.
En el Vals Index, que pondera finanzas, programación, legal y fiscalidad según su contribución al PIB de EE. UU., Argon obtiene un 68,9% frente al 67,0% de Claude Opus 5.5, el 65,8% de Claude Fable 5.1 y el 63,1% de GPT-6 Astra.
Las diferencias se amplían en las evaluaciones de agentes específicas por dominio.
Argon alcanza un 65,4% en Vals Finance Agent v2 (investigación financiera en varios pasos) frente al 58,9% de Fable 5.1 y el 53,5% de Astra, y un 51,3% en AutomationBench frente al 42,5% de Opus 5.5 y el 31,4% de Fable 5.1.
El benchmark legal de Harvey es el caso atípico.
Argon logra un 19,6% frente al 6,7% de Fable 5.1, el 5,4% de Astra y el 3,8% de Opus 5.5. Todos los modelos fallan la mayor parte de este benchmark, así que tómalo como una señal relativa sobre investigación y redacción legal, no como un modelo al que le darías un contrato sin supervisión.
Programación con agentes
Argon gana DeepSWE v1.1 con un 77,9%, por delante de Claude Opus 5.5 con un 74,2%, GPT-6 Astra con un 74,1% y Claude Fable 5.1 con un 67,4%.
DeepSWE mide ingeniería de software de largo recorrido sobre repositorios reales, así que premia a los modelos capaces de mantener un plan a lo largo de muchas ediciones en lugar de producir un único diff bueno.
Ese resultado se interpreta de otro modo cuando lo llevas al precio.
En nuestra cobertura de GPT-6.1 Sol, señalamos que Sol igualó a Astra en DeepSWE v1.1 a aproximadamente una quinta parte del coste de Astra, a $2 de entrada y $10 de salida por millón de tokens.
La tarifa de introducción de Argon es exactamente la misma, $2/$10, y supera a Astra en DeepSWE por 3,8 puntos.
Vibe Code Bench también se lo lleva Argon, con un 91,9% frente al 90,3% de ambos modelos de Claude y el 89,6% de Astra, aunque una diferencia de 1,6 puntos entre cuatro modelos de frontera roza el ruido.
Contexto largo y comprensión multimodal
La brecha en contexto largo es la más amplia de toda la tabla.
En GraphWalks BFS F1 entre 256K y 1M tokens, Argon marca un 84,2% frente al 71,8% de Astra, el 66,8% de Opus 5.5 y el 65,0% de Fable 5.1.
Hasta 128K todos puntúan alto, pero Argon sigue liderando con un 99,7%.
GraphWalks pide a un modelo que recorra un grafo descrito en el prompt, de modo que se degrada con fuerza cuando la recuperación en una ventana muy larga se vuelve poco fiable.
Una ventaja de 12,4 puntos sobre Astra en el extremo de 1M es el tipo de margen que decide si puedes meter un repositorio entero o todo un conjunto de declaraciones en una sola llamada.
En multimodal, Argon gana LVBench con un 91,7% (frente al 87,5% de Astra y el 79,7% de Fable 5.1) y Chartography con un 71,6%, por delante por poco del 71,0% de Astra.
En CWE-bench v1, que evalúa si un modelo puede remediar vulnerabilidades reales de seguridad, Argon empata con GPT-6 Astra en primer lugar con un 68%, con Opus 5.5 en 67% y Fable 5.1 en 58%.
Aquí un empate es razonable, y Google construye su argumento en la parte de descubrimiento.
Frente a 3.8 Flash Cyber, Google informa de que Argon descubrió exposiciones en bases de código que abarcan 20 lenguajes de programación en su benchmark interno de vulnerabilidades, y superó a 3.8 Flash Cyber en el benchmark de pruebas de penetración de caja negra de Wiz al mapear superficie de ataque, encontrar vulnerabilidades y producir pruebas de concepto.
"Caja negra" significa sin acceso al código fuente, que se acerca más a cómo vería un atacante externo un sistema web en producción.
Dónde se queda por detrás Argon
Google publicó también las derrotas, lo cual se agradece.
Creo que merece la pena destacar cuatro:
FrontierSWE v2: Argon 55,0% frente al 65,5% de GPT-6 Astra y el 62,3% de Opus 5.5, una desventaja de 10,5 puntos en la más difícil de las dos suites SWE.
Terminal-bench 4.0: Argon 57,4% frente al 66,4% de Opus 5.5. Nuestras pruebas de Claude Sonnet 5.5 situaron al Sonnet intermedio en 70,6% en el mismo benchmark, así que Argon queda por detrás de un modelo claramente más barato en trabajo con agentes orientados a terminal.
Terminal-Bench Science 0.1: Argon 57,6% frente al 68,1% de Astra, una brecha de 10,5 puntos en tareas científicas ejecutadas por shell.
PostTrainBench y OSWorld-2.0: Argon obtiene 45,3% en ingeniería de ML frente al 49,3% de Opus 5.5, y 69,2% en el subconjunto offline de OSWorld-2.0 frente al 72,6% de Astra.
Argon sí aguanta en ciencia y matemáticas en otros frentes, con 88,8% en LABBench 2 frente al 85,4% de Astra y el 68,6% de Fable 5.1, y 76,0% en RiemannBench frente al 72,0% de Astra.
El patrón que se ve es que Argon planifica y lee mejor, mientras que Astra y Opus 5.5 siguen siendo superiores conduciendo un terminal.
Aquí tienes el conjunto completo publicado, para que ubiques tu carga de trabajo.
Benchmark
Gemini 4 Argon
GPT-6 Astra
Claude Fable 5.1
Claude Opus 5.5
Vals Index
68,9%
63,1%
65,8%
67,0%
AutomationBench
51,3%
41,4%
31,4%
42,5%
Vals Finance Agent v2
65,4%
53,5%
58,9%
58,6%
Harvey's Legal Agent Benchmark
19,6%
5,4%
6,7%
3,8%
DeepSWE v1.1
77,9%
74,1%
67,4%
74,2%
FrontierSWE v2
55,0%
65,5%
56,3%
62,3%
Vibe Code Bench
91,9%
89,6%
90,3%
90,3%
Terminal-bench 4.0
57,4%
58,2%
57,9%
66,4%
PostTrainBench
45,3%
44,3%
40,2%
49,3%
Terminal-Bench Science 0.1
57,6%
68,1%
52,6%
63,3%
LABBench 2
88,8%
85,4%
68,6%
73,1%
RiemannBench
76,0%
72,0%
65,6%
69,6%
GraphWalks (hasta 128K, BFS F1)
99,7%
98,7%
91,4%
90,6%
GraphWalks (256K a 1M, BFS F1)
84,2%
71,8%
65,0%
66,8%
Agent's Last Exam (tasa de aprobado)
39,5%
34,2%
—
38,2%
OSWorld-2.0 (subconjunto offline)
69,2%
72,6%
—
—
Chartography
71,6%
71,0%
46,2%
66,3%
LVBench
91,7%
87,5%
79,7%
83,7%
CWE-bench v1
68,0%
68,0%
58,0%
67,0%
Qué está haciendo Google en materia de seguridad antes del lanzamiento general
Google retiene Argon del lanzamiento general mientras refuerza cuatro áreas de salvaguardas, y las nombró en el anuncio. Esto importa si planeas desplegar un agente con acceso a herramientas.
Uso indebido: Argon rechaza solicitudes de ciber y CBRN manteniendo la investigación científica de doble uso, según el Frontier Safety Framework de Google, con equipos rojos internos y externos realizando ataques manuales y automatizados. Google también monitoriza las activaciones internas del modelo para detectar usos indebidos.
Inyección de prompts indirecta: Google informa que Argon lidera el benchmark IPI de Gray Swan tras red teaming automatizado y entrenamiento adversarial.
Desalineación: Monitores vigilan la cadena de pensamiento y las acciones y detienen la ejecución cuando Argon excede la intención del usuario, y Google afirma que mantuvo esos hallazgos fuera del entrenamiento para que el modelo no aprendiera a evadirlos.
Endurecimiento del sistema: Los entornos en sandbox se aíslan y sellan antes de ejecuciones de entrenamiento o evaluación de alto riesgo, siguiendo la hoja de ruta de control de agentes de Google.
Precios de Gemini 4 Argon
Argon se lanza con una tarifa de introducción de $2 por millón de tokens de entrada y $10 por millón de tokens de salida, con tokens de entrada en caché al 95% de descuento sobre la tarifa de entrada. Tras el periodo de introducción, la tarifa sube a $4 por millón de entrada y $20 por millón de salida. Google no ha publicado si los tokens de razonamiento se cobran a la tarifa de salida.
Frente al mercado, el precio de introducción es agresivo, y el estándar no lo es. A $2/$10, Argon iguala exactamente la tarifa de GPT-6.1 Sol y abarata 5x los $10/$50 de GPT-6 Astra. Tras la promo, a $4/$20, cae en la misma tarifa que documentamos para Claude Opus 5.5 en nuestro tutorial del API de Opus 5.5.
Un ángulo más de coste: el precio bruto por token oculta el coste de una tarea. En nuestra cobertura de GPT-6.1 Sol, registramos $23,80 por tarea de Terminal-Bench Science 0.1 para GPT-6 Astra frente a $5,47 para Sol, así que un modelo que gana un benchmark puede perder en la factura. Google no ha publicado costes por tarea para Argon, que es el dato que querría antes de comprometer una flota de agentes.
Google no ha publicado la duración del periodo de introducción, así que planifica con la tarifa de $4/$20 para cualquier cosa que vaya más allá de un piloto.
La factura es aproximadamente (precio por token) × (tokens usados), y un modelo puede ser barato en lo primero y caro en lo segundo. Por eso, razonamientos o trazas de pensamiento largas y respuestas verbosas pueden salir caras. Además, con flujos de trabajo agentic, hay uso en múltiples pasos, lo que implica que cada paso reenvía un contexto creciente, y los costes de entrada se acumulan. Por eso hay quien es más escéptico con los costes:
También conviene señalar por el lado competitivo: el posicionamiento de Anthropic en septiembre de 2026 para Claude Opus 5.5 fue un rendimiento comparable a Fable 5.1 con un coste de ejecución aproximadamente un 40% inferior a Opus 5, así que la presión que afronta Argon a la tarifa estándar de $4/$20 vendrá de modelos más baratos más que de mejores.
Disponibilidad de Gemini 4 Argon
La disponibilidad es la verdadera limitación. Argon se está desplegando a un conjunto de defensores de la ciberseguridad de confianza a través del programa Fairwind, y Google dice que está participando en el proceso voluntario del gobierno de EE. UU. para acceso previo al modelo mientras expande gradualmente. El acceso general llega después, empezando por clientes de API de pago y suscriptores de Google AI Ultra. No hay plan gratuito, ni enlace de lista de espera, ni límites de uso publicados en el anuncio.
Un punto a vigilar: la página pública de precios de IA de Google se actualizó por última vez el 24 de septiembre de 2026, y las tarifas visibles allí ($0,75 de entrada y $3,75 de salida por millón, promocionales hasta el 31 de diciembre de 2026, subiendo a $1,50/$7,50 el 1 de enero de 2027) pertenecen al nivel Gemini 3.8 Flash, no a Argon.
¿Cómo conseguir acceso a Gemini 4 Argon?
Básicamente aún no puedes. Google no ha publicado un ID de modelo de API para Gemini 4 Argon, y no conviene deducirlo del nombre comercial. El acceso hoy pasa por la cohorte del programa Fairwind de defensores de la ciberseguridad de confianza y por los equipos internos de Google.
A 30 de septiembre de 2026, Argon no aparece en el catálogo de OpenRouter ni en el de models.dev, y no figura en la documentación de modelos de Google Vertex AI, Gemini CLI, Cursor o GitHub Copilot. Las páginas de modelos de Azure AI Foundry y AWS Bedrock no pudieron confirmarse en ningún sentido. Cuando llegue para clientes de API de pago, la forma de la llamada será la estándar de Gemini:
from google import genai
client = genai.Client()# Model ID for Gemini 4 Argon is not published as of September 30, 2026.
response = client.models.generate_content(
model="<argon-model-id>",
contents="Audit this module for memory-safety issues and propose a patch.",)print(response.text)Con la tecnología de
Si quieres ir dejando la fontanería lista mientras tanto, nuestro tutorial del API de Claude Opus 5.5 te guía para construir un agente investigador con herramientas de solo lectura y llamadas a herramientas programáticas, y los mismos patrones se portan entre proveedores cambiando el ID del modelo.
Qué se dice de Gemini 4 Argon
Casi nadie fuera de la cohorte de Fairwind ha usado aún Argon, así que la mayoría de reacciones son primeras impresiones del anuncio, no pruebas prácticas. Así va la conversación, de lo general a lo específico.
Visión general / primeras impresiones: la gente está impresionada.
Las primeras impresiones no pueden separarse de los resultados en benchmarks. El rendimiento en Vals Index y los resultados en legal y finanzas acapararon la atención, con el asterisco de que son evaluaciones del propio Google.
Pero hay una reacción que captura de qué va realmente este lanzamiento. Argon está diseñado para trabajos que duran horas, como reescribir un kernel en Rust, y eso puede tener implicaciones reales para el futuro del trabajo.
Conclusiones
Google apuesta a que la próxima ronda de competencia en la frontera se ganará en trabajo del conocimiento empresarial y defensa cibernética, no en calidad de chat, y los números de Argon en Vals Index, AutomationBench y GraphWalks respaldan esa apuesta.
Dicho esto, nadie fuera de la cohorte de Fairwind ha reproducido aún ni una sola puntuación.
Cuando se abra al público, yo tiraría de Argon para trabajo con documentos y repositorios de contexto largo y me quedaría con Claude Opus 5.5 o GPT-6 Astra para bucles de agentes dirigidos por terminal, donde Argon queda 9 a 10 puntos por detrás.
Escritora y editora de contenidos en el ámbito de la tecnología educativa. Comprometido con la exploración de tendencias de datos y entusiasmado con el aprendizaje de la ciencia de datos.
FAQs
¿Qué es Gemini 4 Argon?⌄
Gemini 4 Argon es el modelo de frontera de Google anunciado el 30 de septiembre de 2026 por Koray Kavukcuoglu de Google DeepMind. Está orientado a ingeniería de software de largo recorrido, trabajo del conocimiento empresarial en legal y finanzas, y defensa en ciberseguridad. Su cambio estrella es un límite de salida de 1M de tokens, frente a los 64K de la generación anterior.
¿Cómo se compara Gemini 4 Argon con GPT-6 Astra y Claude Opus 5.5?⌄
Argon lidera en trabajo del conocimiento y contexto largo: 68,9% en Vals Index frente al 67,0% de Claude Opus 5.5 y el 63,1% de GPT-6 Astra, y 84,2% en GraphWalks entre 256K y 1M tokens frente al 71,8% de Astra. Astra aún gana en FrontierSWE v2 (65,5% vs 55,0%) y Terminal-Bench Science 0.1 (68,1% vs 57,6%), y Opus 5.5 gana Terminal-bench 4.0 con 66,4% frente al 57,4% de Argon.
¿Cuánto cuesta Gemini 4 Argon?⌄
Argon se lanza con un precio de introducción de $2 por millón de tokens de entrada y $10 por millón de tokens de salida, con tokens de entrada en caché con un 95% de descuento sobre la tarifa de entrada. Tras el periodo de introducción, la tarifa sube a $4 por millón de entrada y $20 por millón de salida. Google no ha publicado cuánto dura el periodo de introducción.
¿Dónde puedo acceder a Gemini 4 Argon?⌄
El acceso está limitado por ahora a un conjunto de defensores de la ciberseguridad de confianza a través del programa Fairwind de Google, además de los equipos internos de Google. Google afirma que el lanzamiento más amplio comenzará con clientes de API de pago y suscriptores de Google AI Ultra. A 30 de septiembre de 2026 no hay ID de modelo de API publicado, y Argon no figura en los catálogos de OpenRouter o models.dev, ni en la documentación de modelos de Vertex AI, Gemini CLI, Cursor o GitHub Copilot.
¿Por qué se lanza primero Gemini 4 Argon a equipos de ciberseguridad?⌄
Google entrenó Argon para encontrar, validar y parchear vulnerabilidades de software de forma autónoma, y lo está lanzando sin barreras de ciberseguridad para defensores de confianza para que dispongan de toda su capacidad defensiva. Wiz ya lo utiliza en la iniciativa Scan for Good, donde encontró una vulnerabilidad grave que exponía información personal en software sanitario y que, según Google, modelos de frontera anteriores no detectaron. Argon empata con GPT-6 Astra en primer lugar en CWE-bench v1 con un 68%.
Domina Gemini y NotebookLM para automatizar tareas, aumentar la productividad y trabajar de forma más inteligente en todo el ecosistema de IA de Google.
OpenAI pasó el 29 de septiembre de 2026, en DevDay, lanzando GPT-6.1 Sol, un modelo intermedio pensado para solucionar el problema de costes de GPT-6 Astra. Un día después, Google anunció Gemini 4 Argon, y el lanzamiento llega primero a equipos de ciberseguridad antes que a desarrolladores.
Koray Kavukcuoglu, SVP de Google DeepMind, presentó Argon el 30 de septiembre de 2026 como el modelo de frontera de Google para trabajos de largo recorrido: ingeniería de software en el mundo real, trabajo experto en el ámbito legal y financiero, y defensa cibernética.
El cambio de ingeniería más llamativo es el límite de tokens de salida, que salta a 1M desde 64K. Marca un nuevo estado del arte en DeepSWE v1.1 con un 77,9%, y se está desplegando primero a través del programa Fairwind a una cohorte de defensores de la ciberseguridad de confianza.
Para situarlo frente a sus rivales, consulta nuestras guías de GPT-6.1 Sol y Claude Sonnet 5.5.
Resumen
¿Qué es Gemini 4 Argon?
Gemini 4 Argon es el nuevo modelo de frontera de Google, situado en la parte alta de la familia Gemini por encima de la línea Gemini 3.8 que se lanzó hasta septiembre de 2026.
Google lo describe como un modelo diseñado para sostener razonamientos profundos en flujos de trabajo complejos y de largo recorrido, con tres dominios objetivo: ingeniería de software, trabajo del conocimiento empresarial como legal y finanzas, y defensa en ciberseguridad.
El cambio generacional más claro es cómo Google ha ampliado el límite de tokens de salida a 1M, desde 64K, lo que significa que Argon puede generar cientos de miles de tokens en una sola trayectoria en lugar de verse obligado a parar y volver a pedirle que continúe.
Funciones clave de Gemini 4 Argon
El conjunto de funciones de Argon está organizado en torno a tareas que duran horas y no segundos, lo que se nota en el presupuesto de salida, el trabajo de agentes y las herramientas de ciberseguridad. Estas son las cuatro capacidades que cambian lo que realmente puedes construir.
Escribe 1M de tokens en una sola pasada
Argon puede producir hasta 1M de tokens de salida en una única generación, frente a los 64K de la generación anterior.
El argumento de Google es que ese margen extra cambia la calidad del razonamiento, no solo la longitud: cuando el modelo puede pensar y generar a lo largo de cientos de miles de tokens en una misma trayectoria, resuelve problemas más difíciles sin los empalmes y las pérdidas de estado de un flujo por fragmentos.
En comparación, GPT-6 Astra limita la salida a 128K tokens con una ventana de contexto de 1,05M.
Si alguna vez un agente se te ha ido del guion a mitad de una gran refactorización porque chocó con el techo de salida y hubo que reiniciarlo, este es el límite que desaparece.
El matiz, claro, es la facturación. Generaciones largas a $10 por millón de tokens de salida suman rápido, y Google no ha publicado si los tokens de razonamiento se cobran a la tarifa de salida.
Migraciones de bases de código de extremo a extremo
Agentes de Argon ya están migrando bases de código en C y C++ a Rust dentro de Google, escalando desde decenas de miles de líneas en librerías clave como re2 y libgav1 hasta más de 800K líneas en el kernel Zircon del SO Fuchsia.
Ese es el tipo de trabajo que suele consumir varios trimestres de ingeniería, y Google dice que estas reescrituras pasan por auditorías automatizadas y manuales, pruebas de emulación y revisión antes de producción.
El caso de libgav1 es al que sigo volviendo.
Agentes de Argon tomaron un port a Rust ya existente del decodificador de vídeo open source de Google y sustituyeron 32K líneas de código SIMD escrito a mano ejecutando rondas de experimentos guiados por perfiles y estudiando la salida del compilador hasta que el compilador vectorizó Rust seguro de forma automática.
El resultado es un decodificador con seguridad de memoria que funciona 2,7 veces más rápido que el port en Rust con salida de vídeo idéntica.
Resultados de despliegues internos en Google
Hay dos cifras internas que merece la pena destacar porque son lo más parecido a un resultado del mundo real en todo el anuncio.
Ninguno de los dos resultados tiene verificación externa, pero ambos son lo bastante concretos como para poder comprobarse más adelante.
Gestiona finanzas, legal y automatización de negocio con contexto visual
Argon apunta de lleno al trabajo del conocimiento donde la evidencia vive en gráficos, informes y vídeo, y no en un prompt de texto limpio.
Google cita el análisis profesional de gráficos, extraer detalles de vídeos largos y actuar a través de una serie de documentos como casos de uso de primera clase, y Argon anota un 91,7% en LVBench para comprensión de vídeo largo.
La versión práctica de esto, por ejemplo, es una tarea de investigación financiera en varios pasos donde el modelo lee una presentación, contrasta una tabla y luego ejecuta acciones en un sistema de negocio.
Argon ocupa el primer puesto en AutomationBench de Zapier con un 51,3%, que mide la ejecución de extremo a extremo en funciones empresariales clave, no respuestas de un solo turno.
Detecta y corrige vulnerabilidades sin barreras artificiales
Esto es lo más inusual del lanzamiento.
Para defensores de confianza en el programa Fairwind y para los equipos internos de Google, Google está entregando Argon sin barreras de ciberseguridad, de modo que esos equipos obtienen toda la capacidad adyacente ofensiva del modelo para trabajo defensivo: encontrar, validar y parchear vulnerabilidades de software de forma autónoma.
Wiz ya está utilizando Argon en su iniciativa Scan for Good, que corrige exposiciones de alto riesgo en infraestructuras públicas de forma gratuita.
En una demostración inicial, Argon encontró una vulnerabilidad grave que exponía información personal sensible en software sanitario utilizado por hospitales de todo el mundo, una que, según Google, modelos de frontera anteriores pasaron por alto.
Junto a esto, Google afirma que Argon es su modelo más resistente frente a inyección de prompts indirecta y lidera el benchmark IPI de Gray Swan, y que los monitores de cadena de pensamiento y acciones detienen la ejecución cuando el modelo se desvía de la intención del usuario.
Google también señala que deliberadamente mantuvo fuera del entrenamiento los hallazgos de monitorización para que el razonamiento de Argon no se moldeara para evadir los monitores, un detalle que ojalá más laboratorios publicaran.
¿Cómo rinde Gemini 4 Argon en los benchmarks?
Argon lidera 13 de los 19 benchmarks que Google publicó frente a GPT-6 Astra, Claude Fable 5.1 y Claude Opus 5.5, y las victorias se concentran en trabajo del conocimiento, contexto largo y remediación de vulnerabilidades.
Las derrotas se concentran en ciencia ejecutada por terminal y en una de las dos baterías de ingeniería de software, un patrón más interesante que un pleno.
Trabajo del conocimiento empresarial
Es el área más fuerte de Argon y la razón por la que Google enmarcó el lanzamiento en legal y finanzas.
En el Vals Index, que pondera finanzas, programación, legal y fiscalidad según su contribución al PIB de EE. UU., Argon obtiene un 68,9% frente al 67,0% de Claude Opus 5.5, el 65,8% de Claude Fable 5.1 y el 63,1% de GPT-6 Astra.
Las diferencias se amplían en las evaluaciones de agentes específicas por dominio.
Argon alcanza un 65,4% en Vals Finance Agent v2 (investigación financiera en varios pasos) frente al 58,9% de Fable 5.1 y el 53,5% de Astra, y un 51,3% en AutomationBench frente al 42,5% de Opus 5.5 y el 31,4% de Fable 5.1.
El benchmark legal de Harvey es el caso atípico.
Argon logra un 19,6% frente al 6,7% de Fable 5.1, el 5,4% de Astra y el 3,8% de Opus 5.5. Todos los modelos fallan la mayor parte de este benchmark, así que tómalo como una señal relativa sobre investigación y redacción legal, no como un modelo al que le darías un contrato sin supervisión.
Programación con agentes
Argon gana DeepSWE v1.1 con un 77,9%, por delante de Claude Opus 5.5 con un 74,2%, GPT-6 Astra con un 74,1% y Claude Fable 5.1 con un 67,4%.
DeepSWE mide ingeniería de software de largo recorrido sobre repositorios reales, así que premia a los modelos capaces de mantener un plan a lo largo de muchas ediciones en lugar de producir un único diff bueno.
Ese resultado se interpreta de otro modo cuando lo llevas al precio.
En nuestra cobertura de GPT-6.1 Sol, señalamos que Sol igualó a Astra en DeepSWE v1.1 a aproximadamente una quinta parte del coste de Astra, a $2 de entrada y $10 de salida por millón de tokens.
La tarifa de introducción de Argon es exactamente la misma, $2/$10, y supera a Astra en DeepSWE por 3,8 puntos.
Vibe Code Bench también se lo lleva Argon, con un 91,9% frente al 90,3% de ambos modelos de Claude y el 89,6% de Astra, aunque una diferencia de 1,6 puntos entre cuatro modelos de frontera roza el ruido.
Contexto largo y comprensión multimodal
La brecha en contexto largo es la más amplia de toda la tabla.
En GraphWalks BFS F1 entre 256K y 1M tokens, Argon marca un 84,2% frente al 71,8% de Astra, el 66,8% de Opus 5.5 y el 65,0% de Fable 5.1.
Hasta 128K todos puntúan alto, pero Argon sigue liderando con un 99,7%.
GraphWalks pide a un modelo que recorra un grafo descrito en el prompt, de modo que se degrada con fuerza cuando la recuperación en una ventana muy larga se vuelve poco fiable.
Una ventaja de 12,4 puntos sobre Astra en el extremo de 1M es el tipo de margen que decide si puedes meter un repositorio entero o todo un conjunto de declaraciones en una sola llamada.
En multimodal, Argon gana LVBench con un 91,7% (frente al 87,5% de Astra y el 79,7% de Fable 5.1) y Chartography con un 71,6%, por delante por poco del 71,0% de Astra.
Para contextualizar lo segundo, nuestra cobertura de Claude Sonnet 5.5 registró un 61,6% en Chartography para Sonnet 5.5 y un 64,4% para Opus 5.5.
Remediación en ciberseguridad
En CWE-bench v1, que evalúa si un modelo puede remediar vulnerabilidades reales de seguridad, Argon empata con GPT-6 Astra en primer lugar con un 68%, con Opus 5.5 en 67% y Fable 5.1 en 58%.
Aquí un empate es razonable, y Google construye su argumento en la parte de descubrimiento.
Frente a 3.8 Flash Cyber, Google informa de que Argon descubrió exposiciones en bases de código que abarcan 20 lenguajes de programación en su benchmark interno de vulnerabilidades, y superó a 3.8 Flash Cyber en el benchmark de pruebas de penetración de caja negra de Wiz al mapear superficie de ataque, encontrar vulnerabilidades y producir pruebas de concepto.
"Caja negra" significa sin acceso al código fuente, que se acerca más a cómo vería un atacante externo un sistema web en producción.
Dónde se queda por detrás Argon
Google publicó también las derrotas, lo cual se agradece.
Creo que merece la pena destacar cuatro:
Argon sí aguanta en ciencia y matemáticas en otros frentes, con 88,8% en LABBench 2 frente al 85,4% de Astra y el 68,6% de Fable 5.1, y 76,0% en RiemannBench frente al 72,0% de Astra.
El patrón que se ve es que Argon planifica y lee mejor, mientras que Astra y Opus 5.5 siguen siendo superiores conduciendo un terminal.
Aquí tienes el conjunto completo publicado, para que ubiques tu carga de trabajo.
Qué está haciendo Google en materia de seguridad antes del lanzamiento general
Google retiene Argon del lanzamiento general mientras refuerza cuatro áreas de salvaguardas, y las nombró en el anuncio. Esto importa si planeas desplegar un agente con acceso a herramientas.
Precios de Gemini 4 Argon
Argon se lanza con una tarifa de introducción de $2 por millón de tokens de entrada y $10 por millón de tokens de salida, con tokens de entrada en caché al 95% de descuento sobre la tarifa de entrada. Tras el periodo de introducción, la tarifa sube a $4 por millón de entrada y $20 por millón de salida. Google no ha publicado si los tokens de razonamiento se cobran a la tarifa de salida.
Frente al mercado, el precio de introducción es agresivo, y el estándar no lo es. A $2/$10, Argon iguala exactamente la tarifa de GPT-6.1 Sol y abarata 5x los $10/$50 de GPT-6 Astra. Tras la promo, a $4/$20, cae en la misma tarifa que documentamos para Claude Opus 5.5 en nuestro tutorial del API de Opus 5.5.
Un ángulo más de coste: el precio bruto por token oculta el coste de una tarea. En nuestra cobertura de GPT-6.1 Sol, registramos $23,80 por tarea de Terminal-Bench Science 0.1 para GPT-6 Astra frente a $5,47 para Sol, así que un modelo que gana un benchmark puede perder en la factura. Google no ha publicado costes por tarea para Argon, que es el dato que querría antes de comprometer una flota de agentes.
Google no ha publicado la duración del periodo de introducción, así que planifica con la tarifa de $4/$20 para cualquier cosa que vaya más allá de un piloto.
La factura es aproximadamente (precio por token) × (tokens usados), y un modelo puede ser barato en lo primero y caro en lo segundo. Por eso, razonamientos o trazas de pensamiento largas y respuestas verbosas pueden salir caras. Además, con flujos de trabajo agentic, hay uso en múltiples pasos, lo que implica que cada paso reenvía un contexto creciente, y los costes de entrada se acumulan. Por eso hay quien es más escéptico con los costes:
También conviene señalar por el lado competitivo: el posicionamiento de Anthropic en septiembre de 2026 para Claude Opus 5.5 fue un rendimiento comparable a Fable 5.1 con un coste de ejecución aproximadamente un 40% inferior a Opus 5, así que la presión que afronta Argon a la tarifa estándar de $4/$20 vendrá de modelos más baratos más que de mejores.
Disponibilidad de Gemini 4 Argon
La disponibilidad es la verdadera limitación. Argon se está desplegando a un conjunto de defensores de la ciberseguridad de confianza a través del programa Fairwind, y Google dice que está participando en el proceso voluntario del gobierno de EE. UU. para acceso previo al modelo mientras expande gradualmente. El acceso general llega después, empezando por clientes de API de pago y suscriptores de Google AI Ultra. No hay plan gratuito, ni enlace de lista de espera, ni límites de uso publicados en el anuncio.
Un punto a vigilar: la página pública de precios de IA de Google se actualizó por última vez el 24 de septiembre de 2026, y las tarifas visibles allí ($0,75 de entrada y $3,75 de salida por millón, promocionales hasta el 31 de diciembre de 2026, subiendo a $1,50/$7,50 el 1 de enero de 2027) pertenecen al nivel Gemini 3.8 Flash, no a Argon.
¿Cómo conseguir acceso a Gemini 4 Argon?
Básicamente aún no puedes. Google no ha publicado un ID de modelo de API para Gemini 4 Argon, y no conviene deducirlo del nombre comercial. El acceso hoy pasa por la cohorte del programa Fairwind de defensores de la ciberseguridad de confianza y por los equipos internos de Google.
A 30 de septiembre de 2026, Argon no aparece en el catálogo de OpenRouter ni en el de models.dev, y no figura en la documentación de modelos de Google Vertex AI, Gemini CLI, Cursor o GitHub Copilot. Las páginas de modelos de Azure AI Foundry y AWS Bedrock no pudieron confirmarse en ningún sentido. Cuando llegue para clientes de API de pago, la forma de la llamada será la estándar de Gemini:
Si quieres ir dejando la fontanería lista mientras tanto, nuestro tutorial del API de Claude Opus 5.5 te guía para construir un agente investigador con herramientas de solo lectura y llamadas a herramientas programáticas, y los mismos patrones se portan entre proveedores cambiando el ID del modelo.
Qué se dice de Gemini 4 Argon
Casi nadie fuera de la cohorte de Fairwind ha usado aún Argon, así que la mayoría de reacciones son primeras impresiones del anuncio, no pruebas prácticas. Así va la conversación, de lo general a lo específico.
Visión general / primeras impresiones: la gente está impresionada.
Las primeras impresiones no pueden separarse de los resultados en benchmarks. El rendimiento en Vals Index y los resultados en legal y finanzas acapararon la atención, con el asterisco de que son evaluaciones del propio Google.
Pero hay una reacción que captura de qué va realmente este lanzamiento. Argon está diseñado para trabajos que duran horas, como reescribir un kernel en Rust, y eso puede tener implicaciones reales para el futuro del trabajo.
Conclusiones
Google apuesta a que la próxima ronda de competencia en la frontera se ganará en trabajo del conocimiento empresarial y defensa cibernética, no en calidad de chat, y los números de Argon en Vals Index, AutomationBench y GraphWalks respaldan esa apuesta.
Dicho esto, nadie fuera de la cohorte de Fairwind ha reproducido aún ni una sola puntuación.
Cuando se abra al público, yo tiraría de Argon para trabajo con documentos y repositorios de contexto largo y me quedaría con Claude Opus 5.5 o GPT-6 Astra para bucles de agentes dirigidos por terminal, donde Argon queda 9 a 10 puntos por detrás.
Si quieres construir los flujos de trabajo con agentes a los que van orientados estos modelos, empieza con nuestro itinerario de aprendizaje AI Fundamentals.