Google lanza Gemini 4 Argon, su modelo de IA para trabajo pesado, en la API, la app y el buscador
Google ha presentado Gemini 4 Argon, el modelo más potente de su nueva familia de inteligencia artificial. Está diseñado para tareas que requieren razonamiento profundo, análisis de documentos extensos, generación de código complejo y funcionamiento prolongado de agentes de IA.
El lanzamiento se produce de forma simultánea en tres frentes: la API de Google AI Studio y Vertex AI para desarrolladores, la aplicación Gemini para usuarios finales y el buscador de Google. En este último caso, Argon impulsará las respuestas de AI Mode y los resúmenes generados por inteligencia artificial en consultas especialmente complejas.
Un modelo orientado a la calidad, no a la velocidad
Gemini 4 Argon ocupa el nivel superior dentro de la gama Gemini 4. La familia se divide en tres variantes principales: Flash, centrada en la rapidez y el bajo coste; Pro, orientada a un uso general equilibrado; y Argon, concebida para trabajos que exigen más capacidad de razonamiento y una memoria de contexto amplia.
La ventana de contexto determina la cantidad de información que un modelo puede analizar y mantener activa durante una conversación o una tarea. Argon alcanza los 2 millones de tokens, el doble que Gemini 4 Pro. Un token es una unidad de texto que el sistema procesa, equivalente aproximadamente a una palabra o a parte de ella, según el idioma.
Según Google DeepMind, el modelo mantiene la coherencia en ese volumen de información con menos degradación que otros sistemas con ventanas de contexto similares. En la práctica, esto permite trabajar con informes extensos, repositorios de código completos o conjuntos de documentos relacionados sin tener que dividirlos constantemente.
Entre un 15 % y un 22 % más en tareas complejas
En las pruebas de razonamiento multiescala publicadas por DeepMind, Gemini 4 Argon supera a Pro entre un 15 % y un 22 % en síntesis de documentos largos y generación de código con requisitos complejos. El modelo acepta entradas de texto, imagen, audio y vídeo, por lo que puede combinar distintos tipos de información en una misma tarea.
Uno de los escenarios más exigentes consiste en cruzar varios informes y elaborar una conclusión con referencias precisas. Google sostiene que Argon conserva mejor el hilo argumental y la trazabilidad de las fuentes que las versiones anteriores, un aspecto relevante en sectores como el jurídico, financiero, editorial o investigador.
También destaca su capacidad para trabajar con proyectos de software de gran tamaño. El modelo puede analizar, escribir y refactorizar código en repositorios de más de 100.000 líneas manteniendo activas sus dependencias y decisiones previas. Para los equipos de ingeniería, esta capacidad puede resultar más útil que una mejora aislada en las pruebas de rendimiento.
Agentes con memoria para procesos prolongados
Argon está especialmente orientado a los agentes de IA. Estos sistemas no se limitan a responder a una pregunta: ejecutan acciones, observan los resultados y deciden cuál debe ser el siguiente paso. El proceso puede repetirse durante varios turnos, por ejemplo para investigar un problema, consultar herramientas o modificar un proyecto.
Una ventana de contexto amplia ayuda al agente a recordar sus decisiones anteriores y los resultados obtenidos. Esta característica también resulta útil en aplicaciones RAG, una técnica que permite recuperar información de bases de datos o documentos antes de generar una respuesta. En este tipo de sistemas, Argon puede consultar los mismos contenidos en múltiples ocasiones sin perder el contexto relevante.
Google también ofrece context caching, o almacenamiento temporal del contexto. Esta función reutiliza documentos y datos ya procesados en llamadas posteriores, lo que puede reducir entre un 40 % y un 70 % el coste efectivo en proyectos con consultas repetitivas, según las estimaciones de la compañía.
Precios más altos a partir del 30 de noviembre
Gemini 4 Argon ya está disponible sin lista de espera a través de Google AI Studio, que ofrece una capa gratuita con determinados límites diarios, y de Vertex AI, la plataforma empresarial de Google Cloud. En este último caso, los clientes pueden optar por facturación por uso o por contratos con acuerdos de nivel de servicio, conocidos como SLA.
El precio de lanzamiento será de 2 dólares por cada millón de tokens de entrada y 10 dólares por cada millón de tokens de salida, aproximadamente 1,86 y 9,30 euros, respectivamente. Estas tarifas estarán vigentes hasta el 30 de noviembre de 2026.
A partir del 1 de diciembre, el coste se duplicará hasta los 4 dólares por millón de tokens de entrada y 20 dólares por millón de tokens de salida, equivalentes a unos 3,72 y 18,60 euros. La entrada corresponde a la información que recibe el modelo, mientras que la salida es el contenido que genera.
Argon también llega a Google Search
Los usuarios que no utilicen la API encontrarán Argon integrado en las respuestas más exigentes del buscador. Google lo empleará en consultas que requieran comparar información, resumir varias fuentes o elaborar respuestas estructuradas con varios pasos de razonamiento.
El tiempo de respuesta aumentará ligeramente frente a Gemini 4 Flash, entre 1,5 y 3 segundos según las pruebas de DeepMind. A cambio, la compañía promete mayor precisión y coherencia cuando la consulta exige integrar información procedente de más de dos fuentes.
Gemini 4 Argon incorpora soporte para español de España y español latinoamericano desde el primer día. Para las empresas que necesiten analizar grandes volúmenes de información o automatizar procesos complejos, la ventana de precios inicial ofrece un incentivo claro: valorar la migración antes del 30 de noviembre puede marcar una diferencia importante en el coste operativo.
