Google Gemini 4 Argon: nuevo modelo para tareas profesionales
Google presenta Gemini 4 Argon, un modelo frontier capaz de generar 1 millón de tokens por respuesta y diseñado para flujos de trabajo profesionales complejos.
👁 114 lecturas
Actualización del 13 de octubre de 2026: Gemini 4 Argon ya está disponible para todos: en el nivel de pago de la API de Gemini (sin nivel gratuito) y la plataforma Gemini para empresas, en Google Antigravity para suscriptores de AI Ultra, y en la app de Gemini y el Modo IA del Buscador para suscriptores de Google AI Pro y Ultra (despliegue gradual). El precio de la API de 2 USD de entrada / 10 USD de salida por millón de tokens es de lanzamiento y dura hasta el 30 de noviembre de 2026; desde el 1 de diciembre pasa a 4 / 20 USD. Precios actuales, disponibilidad y nuestra prueba
Google DeepMind anunció el 30 de septiembre de 2026 el modelo Gemini 4 Argon, un nuevo sistema de clase frontier diseñado para tareas profesionales complejas y de larga duración. Por ahora, el acceso está restringido a especialistas seleccionados en ciberseguridad mediante el programa Fairwind; Google asegura que lo abrirá a desarrolladores, empresas y usuarios individuales en cuanto lo permita el proceso de validación de seguridad.
Argon puede generar hasta 1 millón de tokens en una sola respuesta, lo que Google califica como un límite de salida líder en el sector (las versiones previas de Gemini se quedaban en 64 mil tokens). Google no ha especificado la ventana de contexto de entrada. El precio de partida es de unos 1,79 EUR (2 USD) por millón de tokens de entrada y cerca de 8,94 EUR (10 USD) por millón de tokens de salida (conversión según la referencia del BCE del 12/10/2026: ecb.europa.eu); los tokens procedentes de la memoria caché resultan un 95% más económicos respecto a la tarifa estándar de entrada. Google también participa en el proceso voluntario de revisiones previas al lanzamiento con el gobierno de Estados Unidos.
Google · Tus fuentesBrilla más alto en tu Google - con un solo clicAñadir a fuentes preferidas →Cómo se utiliza ya Argon dentro de Google
El modelo ya lo emplean de forma activa miles de trabajadores dentro de Google. Los resultados más tangibles se aprecian en tres frentes. En primer lugar, agentes basados en Argon analizaron la telemetría de rendimiento de la flota de servidores e implementaron de manera autónoma optimizaciones de memoria que liberaron más de 300 TiB tras su primer despliegue, con un ahorro final estimado de entre 500 TiB y 1 PiB. En la optimización de algoritmos cuánticos, Argon mejoró una referencia pública en un 40% en cuestión de minutos, lo que permitió a los investigadores reducir los recursos de espacio-tiempo (cúbits × puertas lógicas) en los cuellos de botella del sistema.
De forma paralela, estos agentes coordinan la migración de bases de código escritas en C/C++ hacia Rust: desde decenas de miles de líneas en librerías como re2 y libgav1 hasta más de 800 mil líneas del núcleo Zircon en el sistema operativo Fuchsia. Debido a la criticidad de estos entornos, cada modificación supera una rigurosa auditoría automatizada y manual, pruebas de emulación y revisiones exhaustivas antes de llegar a producción.
La decisión de optar por una distribución escalonada por fases -en lugar de un lanzamiento masivo inmediato- confirma que Google busca aprender de las críticas recibidas en estrenos anteriores de Gemini, priorizando la fiabilidad de las pruebas frente a la urgencia de acaparar titulares.
More on this from FULGOR
benchmarks·Gemini 4 Argon vs GPT-6 Astra vs Claude Opus 5.5: comparativaComparamos Gemini 4 Argon, GPT-6 Astra y Claude Opus 5.5: 19 benchmarks oficiales de DeepMind, tarifas de API y estimación de costes reales en euros.