Google abre Gemini 4 Argon a usuarios de pago, con precios promocionales y nuevas divulgaciones sobre seguridad

Una distribución más amplia, con mejoras cuantificables y riesgos reconocidos

Google abrió Gemini 4 Argon a desarrolladores, empresas y consumidores de pago de todo el mundo el 13 de octubre de 2026. La compañía anunció precios iniciales para la API de US$2 por millón de tokens de entrada y US$10 por millón de tokens de salida, junto con afirmaciones detalladas sobre ingeniería de software, investigación científica y robótica. La ampliación llega 13 días después de su presentación, el 30 de septiembre, cuando el acceso estaba limitado a un grupo selecto de especialistas en ciberseguridad defensiva.

El lanzamiento también ofrece un panorama de seguridad más matizado que una simple declaración de que el modelo superó una inspección. Google DeepMind afirma que no puede descartar que Argon alcance umbrales críticos de capacidad en información biológica y ciberseguridad, ni otro umbral relacionado con el sigilo y el conocimiento de su entorno de despliegue. Google sostiene que las salvaguardas implementadas reducen los riesgos restantes por debajo de esos umbrales.

En el anuncio del lanzamiento de Argon, la empresa afirma que los envíos de código producidos mediante flujos de trabajo con agentes de IA aumentaron más de un 35% y que las reversiones de código se redujeron casi un tercio. Sus ejemplos van desde reorganizar Chromium hasta generar diseños de enzimas que posteriormente mostraron actividad en pruebas de laboratorio.

Koray Kavukcuoglu, vicepresidente sénior de Google DeepMind y arquitecto jefe de IA de Google, describió el alcance del lanzamiento:

«Damos a desarrolladores, empresas, científicos y consumidores acceso a nuestro modelo de frontera más reciente».

La propuesta central es práctica, más que puramente conversacional: Argon está diseñado para investigar sistemas complejos, producir cambios y probar resultados en tareas prolongadas. Que esto se traduzca en un valor fiable depende del tipo de trabajo, el nivel de acceso y la revisión humana, como muestran los propios ejemplos de ingeniería de Google.

¿Quién puede acceder a Argon y a través de qué productos?

Los suscriptores de Google AI Pro y Ultra pueden usar Argon en la aplicación Gemini y en el Modo IA de Search. Para acceder individualmente mediante Google Antigravity, el entorno de Google para agentes de programación con IA, se requiere Ultra. Google también ofrece acceso con Ultra en AI Studio, además del acceso para desarrolladores a través de la API de Gemini de pago en AI Studio y Android Studio.

Las empresas pueden acceder al modelo mediante Gemini para empresas, la API y Antigravity. Esta distinción es importante: una suscripción de consumo y el uso de la API de pago son vías distintas, por lo que tener acceso a Pro en la aplicación Gemini no da automáticamente el mismo acceso a flujos de trabajo de programación autónoma.

Los precios de suscripción publicados son de US$20 al mes para AI Pro y desde US$99 al mes para Ultra. Los suscriptores de Pro pueden generar código con Argon mediante Gemini Canvas, mientras Google mantiene Gemini 3.1 Pro. No se ha anunciado una fecha para que Argon esté disponible en los niveles inferiores de suscripción a Antigravity ni para los usuarios gratuitos.

El lanzamiento se produce tras un breve periodo de pruebas restringidas y una distribución más amplia:

• 30 de septiembre de 2026: Google presentó inicialmente Argon con acceso para especialistas autorizados en ciberseguridad defensiva.
• 12 de octubre de 2026: Meta anunció Muse Wonder Full, otro modelo de frontera competidor.
• 13 de octubre de 2026: Google inició el despliegue mundial de Argon para suscriptores, desarrolladores y empresas que cumplen los requisitos.
• 1 de diciembre de 2026: Según los informes, esa es la fecha en que comenzarán a aplicarse las tarifas estándar de la API, tras el periodo inicial.

Qué cubren realmente los precios iniciales

El anuncio de Google confirma precios de US$2 por millón de tokens de entrada y US$10 por millón de tokens de salida, con un descuento del 95% para los tokens de entrada almacenados en caché. Los tokens son las unidades que procesa un modelo; suelen corresponder a palabras o partes de palabras. El almacenamiento en caché permite reutilizar entradas ya procesadas con un costo menor.

Con esas tarifas, un millón de tokens de entrada ordinarios y un millón de tokens de salida costarían US$12. Con el descuento del 95% sobre la tarifa inicial de entrada, los tokens de entrada elegibles almacenados en caché cuestan US$0,10 por millón. Este es un precio por uso, no el costo de una suscripción a Gemini.

Según los informes, el periodo inicial termina el 30 de noviembre y, a partir del 1 de diciembre, los precios se duplican a US$4 por millón de tokens de entrada y US$20 por millón de tokens de salida. El mismo ejemplo costaría entonces US$24. El anuncio de lanzamiento de Google no especifica esa fecha límite ni las tarifas posteriores, por lo que la declaración oficial publicada confirma los precios iniciales, pero no cuándo vencen.

Los informes también describen las tarifas iniciales como aproximadamente una quinta parte de las de ciertos modelos competidores. Esa comparación no determina el costo de completar una tarea: distintos sistemas pueden consumir cantidades diferentes de tokens, requerir nuevos intentos o dedicar más tiempo al razonamiento. El anuncio oficial tampoco especifica cuánto dura el descuento para las entradas almacenadas en caché.

El experimento con Python muestra por qué sigue siendo necesaria la revisión

Uno de los ejemplos más informativos tiene que ver con el Agent Development Kit de Google, o ADK, un marco para crear agentes de IA empresariales. Su repositorio de Python contiene unas 205.000 líneas distribuidas en casi 800 archivos de código fuente, respaldadas por cerca de 17.000 pruebas unitarias. Se pidió a Argon que redujera la carga de trabajo del marco sin cambiar la interfaz pública ni lo que las aplicaciones envían a sus modelos.

Una primera ejecución, de unas dos horas, detectó cuellos de botella reales, pero también introdujo problemas. Entre ellos había un cambio sutil en un esquema JSON público y casos de prueba no contemplados. Después, el equipo proporcionó directrices para el repositorio e indicó a Argon que preparara una solicitud de cambios sin fusionar, con mediciones de rendimiento.

La siguiente ejecución, sin supervisión, duró 11 horas. Argon leyó 12 archivos de directrices, propuso seis optimizaciones y ejecutó 16.892 pruebas unitarias. Los revisores humanos aceptaron dos propuestas y rechazaron cuatro, debido a riesgos como datos almacenados en caché que podían quedar obsoletos, la dependencia de funciones internas privadas de bibliotecas, una menor legibilidad y mejoras limitadas a pruebas comparativas artificiales.

Los cambios aceptados filtraron el historial de conversaciones antes de copiarlo y retrasaron la carga de paquetes pesados hasta que fueran necesarios. El cambio final afectó a 22 archivos y añadió 17 funciones de prueba. Google informa de una reducción aproximada del 40% en el tiempo de preparación de sesiones largas mantenidas en memoria y de una mejora del 21% en la carga de paquetes desde cero.

En una medición aparte, una ejecución de 158 turnos pasó de 65,6 a 56,1 segundos, una reducción de alrededor del 14,5%. Esa cifra menor no es contradictoria: mejorar un componente en un 40% no hace que todo un flujo de trabajo sea un 40% más rápido. El experimento también muestra que, por sí sola, superar el conjunto de pruebas públicas no era suficiente. Un cambio de importación propuesto superó las 16.892 pruebas públicas, pero falló en 25 grupos de pruebas internos antes de ser revisado.

De Chromium a una inferencia más rápida de Gemma

Google afirma que Argon ayudó a separar el procesamiento central de las páginas web de una carpeta heredada que contiene unos seis millones de líneas de funciones del navegador, dentro de las 40 millones de líneas de código de Chromium. Esa carpeta representa aproximadamente el 15% del total. La reorganización abarcó cientos de archivos y, según Google, redujo meses de trabajo a semanas.

El objetivo es permitir que las páginas web abiertas pasen de una pestaña a un panel lateral o una ventana flotante sin volver a cargarse, y eliminar una categoría de fallos. Se trata de consecuencias previstas del trabajo de arquitectura, no de pruebas de que todos los usuarios ya dispongan de esas funciones.

Para Gemma 4 E2B, Google informa de un aumento de 2,85 veces en la velocidad de inferencia en una Nvidia A100 con vLLM, un software para ejecutar modelos de lenguaje. El rendimiento aumentó de unos 37.900 a más de 108.000 tokens por segundo, con tokens generados idénticos y sin una pérdida de calidad informada. Este resultado corresponde a un modelo y un hardware específicos, y no representa un aumento de velocidad universal para toda la familia Gemma.

Otros ejemplos internos publicados incluyen la detección de redundancias en la representación de emojis en los comentarios de YouTube y la identificación de errores que se remontaban a 2018 en el simulador de física de drones utilizado por Wing, la empresa de entregas de Alphabet. Los informes difieren sobre la cifra de YouTube: uno habla de una reducción del 45% en la carga del servidor y otro afirma que se redujo a la mitad la potencia de cálculo necesaria. Sin más detalles, esas medidas no deben considerarse equivalentes.

Otra investigación publicada examinó 134 errores de software antiguos e identificó 97 como obsoletos o duplicados en menos de tres horas. En conjunto, estos ejemplos respaldan el uso de Argon como herramienta de mantenimiento e investigación, aunque siguen siendo afirmaciones de la empresa y no evaluaciones reproducidas de forma independiente.

El liderazgo en pruebas comparativas depende de la tarea

La ficha del modelo Argon de Google DeepMind, publicada en octubre, le atribuye una puntuación de 68,9% en el índice Vals, frente al 63,1% de GPT-6 Astra y el 67,0% de Claude Opus 5.5. Argon lidera esa medición del desempeño profesional en ámbitos como las finanzas, el derecho, la programación y las tareas tributarias.

Entre los resultados de programación publicados figuran un 77,9% en DeepSWE v1.1 y un 91,9% en Vibe Code Bench. En CWE-bench v1, una evaluación de ciberseguridad, Argon obtiene un 68,0%, la misma puntuación que GPT-6 Astra, en lugar de superarlo.

La misma tabla oficial muestra que otros competidores obtienen mejores resultados en otras pruebas. En FrontierSWE v2, Argon logra un 55,0%, frente al 65,5% de Astra. En Terminal-bench 4.0, el 57,4% de Argon queda por debajo del 66,4% de Opus 5.5. Por tanto, las afirmaciones generales de superioridad en programación y ciencia requieren matices.

Los resultados publicados del Artificial Analysis Intelligence Index asignan a Argon una puntuación de 53, igual a la de GPT-6 Astra y Claude Fable 5.1, pero inferior a los 58 de Claude Opus 5.5 y a los 56 de Muse Wonder Full y Claude Sonnet 5.5. Estas puntuaciones miden una combinación de capacidades distinta de la del índice Vals y no pueden compararse directamente con sus porcentajes.

Sam Witteveen, director ejecutivo y cofundador de Red Dragon AI, una consultora de IA empresarial, elogió Argon, aunque negó que fuera el mejor modelo disponible. Su valoración coincide con el panorama mixto de las pruebas comparativas: un buen desempeño profesional no demuestra liderazgo en todo tipo de tareas.

Los resultados científicos van desde código cuántico hasta pruebas con enzimas

Google afirma que Argon casi duplicó el rendimiento de inferencia de una versión interna de AlphaQubit, un sistema de aprendizaje automático que decodifica errores cuánticos. También sostiene que una implementación de una subrutina de arcoseno en Argon, verificada formalmente con Lean, redujo en más de 100 veces el costo espacio-tiempo frente a una referencia publicada basada en el algoritmo cuántico CORDIC. El costo espacio-tiempo combina los recursos de cálculo que necesita un cálculo cuántico con el tiempo que tarda.

En la investigación sobre fusión, Google colaboró con Matt Landreman, profesor de la Universidad de Maryland, para identificar una clase más amplia de contraejemplos a la conjetura de Grad, una hipótesis de 1967 sobre soluciones exactas para campos magnéticos. Las soluciones resultantes ofrecen referencias para probar programas de simulación de stellarators. Se trata de una contribución matemática y de simulación, no de una demostración de que la energía de fusión pueda utilizarse comercialmente.

Google también informa de que los cambios en el paquete de química cuántica xTB permitieron predecir estructuras moleculares hasta 2,3 veces más rápido y buscar formas moleculares alternativas 1,8 veces más rápido. Los cambios se incorporaron al repositorio oficial del paquete.

En biología, Gamow Labs utilizó Argon para analizar genomas anonimizados de recién nacidos con trastornos pulmonares poco frecuentes que afectan al desarrollo. Google describe un caso en el que identificó una reorganización cromosómica que había pasado inadvertida durante años. En evaluaciones privadas, el modelo obtuvo puntuaciones del 57% en asistencia para diagnosticar enfermedades raras y del 52,2% en razonamiento de laboratorio. Son evaluaciones de investigación, no una prueba de que Argon pueda diagnosticar pacientes de forma independiente.

Los científicos de Google también utilizaron Argon para generar cinco nuevos diseños de esterasas de serina, enzimas que rompen enlaces éster. Las pruebas de laboratorio posteriores confirmaron su actividad catalítica. Por separado, Google abrió las solicitudes para que 10.000 científicos reciban gratis durante seis meses el nivel de uso más alto de Antigravity, con admisión continua sujeta a los requisitos, la selección y la capacidad disponible.

Las demostraciones de robótica van más allá de lanzar una bolsa

Argon obtuvo un 87% en la prueba Embodied Reasoning, que evalúa la comprensión de problemas físicos y espaciales. En una demostración interna, observó un video de una persona jugando al cornhole, trazó un mapa del entorno, calculó los movimientos de las articulaciones y generó código de simulación. Según Google, al transferir ese trabajo al humanoide Apollo de Apptronik, el robot realizó siete lanzamientos consecutivos con éxito en una prueba física.

Otras demostraciones publicadas incluyen un robot Spot de Boston Dynamics que utiliza un cubo con pedal para desechar latas, un brazo robótico que coloca en posición vertical una taza caída y mete una servilleta en su interior, y Argon conduciendo simulaciones de video mediante retroalimentación visual repetida. Estos ejemplos combinan razonamiento con observaciones calibradas, comandos de movimiento predefinidos y pasos de verificación; no demuestran una autonomía robótica sin restricciones.

El trabajo de robótica también incluye la reconstrucción de simulaciones a partir de grabaciones de cámaras de robots, videos de personas y bocetos. Es importante reproducir las fuerzas de contacto además del aspecto visual, porque una simulación que solo parezca convincente aún puede enseñar movimientos que fallen en el hardware real.

En un experimento publicado, los datos generados en una simulación elevaron del 56% al 75% la tasa de éxito en tareas físicas, una mejora de 19 puntos porcentuales. El tiempo por tarea bajó de 35 a 24 segundos, una reducción de alrededor del 31%. Los resultados permiten concluir, de forma más acotada, que mejoraron el entrenamiento y la ejecución de tareas; no demuestran una inteligencia física general.

Las divulgaciones sobre seguridad complican el relato del lanzamiento

La ficha del modelo afirma que Google no puede descartar que Argon alcance niveles críticos de capacidad relacionados con los riesgos de la información biológica y la ciberseguridad. Estos umbrales se refieren a si un modelo podría aumentar considerablemente la capacidad de causar daños graves sin salvaguardas adecuadas. Google dice que desarrolló evaluaciones de seguridad y protecciones que reducen el riesgo restante por debajo de esos niveles.

Argon también superó 14 de los 15 desafíos que evalúan el sigilo y la conciencia situacional. En este caso, «superar» significa completar con éxito pruebas de capacidad, no recibir una autorización de seguridad. Por ello, Google afirma que no puede descartar un umbral asociado a la posibilidad de socavar el control humano si no se aplican más protecciones.

El anuncio del lanzamiento describe varias defensas: entrenamiento para respetar límites y solicitar confirmación humana antes de realizar acciones irreversibles; supervisión destinada a bloquear métodos no autorizados para eludir controles; y protecciones contra instrucciones maliciosas ocultas en páginas web, correos electrónicos o código. Google informa de una tasa de éxito de los ataques del 0,7% en 15 intentos adaptativos en la prueba de inyección indirecta de instrucciones Gray Swan.

Otros resultados de seguridad publicados incluyen una reducción al 2% de los intentos no autorizados de recurrir a atajos en las evaluaciones de programación y la resolución de menos del 1% de las subtareas evaluadas en pruebas externas de ataques biológicos. Estas cifras describen pruebas específicas, no ofrecen garantías contra el uso indebido. La ficha del modelo también registra un empeoramiento de 1,57 puntos porcentuales frente a Gemini 3.1 Pro en una medida automatizada de seguridad textual. Google afirma que la diferencia se mantuvo dentro de los intervalos de confianza y que la revisión manual detectó en su mayoría falsos positivos o problemas no graves.

Google ampliará su programa Fairwind a cientos de socios adicionales autorizados en ciberseguridad, con acceso sin controles de ciberseguridad dentro del programa. En su anuncio, la empresa señala que Wiz utilizó Argon para abordar riesgos en infraestructuras gubernamentales y sistemas sanitarios, entre ellos una cadena de vulnerabilidades que podía exponer una clave maestra y permitir el acceso de administrador.

Según los informes, Google participó en el proceso de revisión voluntaria de la Casa Blanca, pero ese proceso no es público. La participación no debe presentarse como una certificación gubernamental pública de que Argon es seguro.

Lo que los compradores aún deben determinar

Argon acepta texto, imágenes, audio y video, y genera texto. La ficha del modelo especifica una ventana de contexto combinada de entrada y salida de hasta un millón de tokens. Se trata de una capacidad compartida, no de una promesa de un millón de tokens de entrada más otro millón de tokens de salida. Según los informes, no se ha aclarado el límite de longitud de las respuestas ininterrumpidas.

La fecha límite de conocimiento del modelo es marzo de 2026, y Google advierte que la información en algunas áreas puede ser anterior. El modelo puede inventar información inexacta y experimentar respuestas lentas o interrupciones por tiempo de espera. Estas limitaciones son relevantes para el trabajo jurídico, financiero, científico y de ingeniería al que Google apunta.

El lanzamiento ofrece ejemplos de rendimiento inusualmente concretos, pero el caso de ingeniería más sólido también muestra la necesidad de un despliegue selectivo: los responsables del mantenimiento rechazaron cuatro de las seis optimizaciones propuestas. Los compradores ya pueden probar Argon en sus propios sistemas, mientras que los precios posteriores a noviembre, un acceso más amplio mediante suscripción y la eficacia de las salvaguardas fuera de las evaluaciones controladas requieren seguimiento.

Puntos clave

• Google inició el despliegue más amplio de Argon el 13 de octubre de 2026 para suscriptores, desarrolladores y empresas que cumplen los requisitos.
• Las tarifas iniciales de la API son de US$2 por millón de tokens de entrada y US$10 por millón de tokens de salida.
• Según los informes, las tarifas estándar se duplicarán el 1 de diciembre; el anuncio oficial del lanzamiento no indica esa fecha límite.
• Argon lidera el índice Vals, pero queda por detrás de modelos competidores en varias otras evaluaciones.
• En una ejecución de 11 horas para optimizar código Python, los revisores humanos aceptaron dos de las seis propuestas.
• Google informa de avances científicos y robóticos, incluidos cinco diseños de enzimas probados en laboratorio y una mejor ejecución de tareas físicas.
• Google reconoce posibles umbrales de capacidad relacionados con la biología, la ciberseguridad y el control, y afirma que las salvaguardas reducen los riesgos restantes.