Gemini 4 Argon: tamaño y límites de su ventana de contexto

👁 114 lecturas

Google ha integrado en Gemini 4 Argon una ventana de contexto de 1.048.576 tokens, consolidando una capacidad masiva orientada a tareas extensas de múltiples pasos. Esta cifra sitúa al modelo en una escala técnica similar a los 1.050.000 tokens de GPT-6 Astra y GPT-6.1 Sol, superando el millón de tokens que registran Claude Opus 5.5 y Claude Fable 5.1, e igualando exactamente los 1.048.576 tokens de Muse Wonder en el mercado actual.

En la práctica de desarrollo a través de la Gemini API, Google describe un límite unificado de entrada y salida de un millón de tokens, calificando esta extensión de respuesta como una referencia destacada frente a la generación anterior, que estaba limitada a 64.000 tokens de salida. No obstante, las especificaciones varían según el entorno de despliegue. Por ejemplo, en la plataforma OpenRouter, el identificador google/gemini-4-argon figura con la ventana total de 1.048.576 tokens pero con un límite máximo de compleción fijado en 65.536 tokens por cada solicitud individual.

Capacidad técnica en cargas de trabajo complejas

La amplitud de esta ventana está diseñada para sostener flujos exigentes como ingeniería de software, análisis financiero y trabajo legal corporativo. Según datos reportados por Google, el modelo alcanza un 91.7% en LVBench para video largo y un 77.9% en DeepSWE v1.1. Asimismo, la compañía afirma haber obtenido el primer lugar en Vals Finance Agent v2 y Harvey Legal Agent, demostrando el impacto directo de procesar expedientes voluminosos en un único contexto.

Las mediciones del índice independiente Artificial Analysis aportan datos clave sobre cómo consume esta ventana en tareas reales. En sus pruebas de referencia, Gemini 4 Argon utilizó un promedio de 62.000 tokens de salida por tarea -en contraste con los 27.000 tokens empleados por GPT-6 Astra-, manteniendo una tasa de alucinación del 15%, la más baja entre los modelos con 45 o más puntos. Esto confirma que el modelo tiende a generar respuestas largas y densas para resolver problemas complejos sin perder precisión contextual.

Más sobre el modelo: Gemini 4 Argon - precios, disponibilidad, benchmarks y preguntas frecuentes

// sigue leyendoVentana de contexto de GPT-6 Sol: capacidad y uso prácticoNoticiasGoogle DeepMind descubre que agentes de IA denuncian a sus compañeros tramposos en un experimento matemáticoNoticiasOpenAI resuelve el problema de Navier-Stokes en 88 horas, pero la academia acusa a la empresa de saltarse normas éticasNoticias

Kinetyra