Google anunció este 30 de septiembre de 2026 Gemini 4 Argon, su nuevo modelo de frontera, que empieza a distribuirse entre un grupo de ciberdefensores de confianza a través del Fairwind Program. El anuncio lo firma Koray Kavukcuoglu, SVP de Google DeepMind y arquitecto jefe de IA de la compañía. Según la empresa, el modelo sostiene razonamiento profundo en flujos de trabajo largos y complejos, con desempeño de frontera en ingeniería de software del mundo real, trabajo de conocimiento empresarial como legal y finanzas, y defensa cibernética.

El despliegue es por fases. Google dice estar involucrado en el proceso voluntario del gobierno de Estados Unidos para el acceso a modelos antes de su lanzamiento, mientras amplía el acceso de forma gradual. La compañía recogerá retroalimentación de los primeros probadores antes de abrir Argon a desarrolladores, empresas y consumidores.

Qué hace Gemini 4 Argon dentro de Google

El modelo ya corre en flujos internos de la empresa. Miles de empleados lo usan para tareas de programación especializadas, investigación y redacción. Google menciona tres casos concretos:

  • Optimización algorítmica cuántica: Argon ayuda a los investigadores de computación cuántica a optimizar los recursos de espacio-tiempo (qubits por compuertas) de subrutinas que frenan aplicaciones importantes. En un caso, superó la línea base publicada por 40% en cuestión de minutos.
  • Eficiencia de memoria: un equipo de agentes Argon analizó telemetría de perfilado de toda la flota, identificó y aplicó optimizaciones de memoria en centros de datos de Google, y liberó más de 300 TiB una vez desplegado, con un ahorro total estimado de entre 500 TiB y 1 PiB.
  • Migraciones de código a gran escala: agentes Argon trabajan en migrar bases de código C/C++ a Rust dentro de Google, desde decenas de miles de líneas en bibliotecas centrales como re2 y libgav1 hasta más de 800.000 líneas en el kernel Zircon de Fuchsia. Por la criticidad de esos sistemas, las reescrituras pasan por auditoría automatizada y manual, pruebas de emulación y revisión antes de llegar a producción.

En libgav1, el software de código abierto de Google para decodificar video, los agentes partieron de un port existente a Rust y reemplazaron 32.000 líneas de código SIMD. Lo hicieron con varias rondas de experimentos guiados por perfilado y estudio de la salida del compilador, hasta producir Rust seguro que el compilador vectoriza por su cuenta. El resultado es un decodificador de video con seguridad de memoria que corre 2,7 veces más rápido que el port a Rust, con salida de video idéntica y más cerca del C++ optimizado.

Precio de Gemini 4 Argon y el límite de un millón de tokens

Gemini 4 Argon se lanzará a un precio introductorio de 2 dólares por millón de tokens de entrada y 10 dólares por millón de tokens de salida. Los tokens de entrada en caché tienen 95% de descuento sobre el precio de entrada.

Google amplió el límite de tokens de salida a 1 millón, desde los 64.000 anteriores. La empresa lo describe como líder de la industria y sostiene que ese margen permite al modelo pensar a fondo y generar cientos de miles de tokens en una sola trayectoria para resolver problemas difíciles de una vez.

Resultados de Gemini 4 Argon en benchmarks

La compañía reporta estas cifras:

  • DeepSWE v1.1: 77,9%, nuevo estado del arte en tareas de ingeniería de software de horizonte largo.
  • Vals Index, que mide impacto económico en finanzas, código, legal y trabajo fiscal con cada sector ponderado por su aporte al PIB de Estados Unidos: modelo líder.
  • Vals Finance Agent v2 (investigación financiera de varios pasos) y Harvey’s Legal Agent Benchmark (investigación y redacción legal): desempeño líder.
  • AutomationBench de Zapier, que mide ejecución de extremo a extremo en funciones centrales del negocio: primer lugar con 51,3%.
  • LVBench, que mide comprensión de video largo: 91,7%, estado del arte.

En trabajo de conocimiento que exige entender imágenes, Google dice que el modelo conduce análisis de gráficos profesionales, identifica detalles en videos extensos y actúa a partir de una serie de documentos. La empresa ya había presentado antes funciones de análisis agéntico de video en Gemini con recorte de consumo de tokens y de costos.

Gemini 4 Argon en ciberseguridad

Google entrenó a Argon para defensa cibernética. El modelo puede encontrar, validar y parchear vulnerabilidades críticas de software de forma autónoma. Para defensores de confianza y equipos internos de Google, la empresa liberará Argon sin las barreras de seguridad de ciberseguridad, de modo que puedan usar todas sus capacidades.

Wiz ya usa Argon para defensa cibernética dentro de su iniciativa Scan for Good, un programa que busca y remedia exposiciones de alto riesgo en infraestructura pública crítica sin costo. En una demostración temprana, el modelo encontró una vulnerabilidad crítica que exponía información personal sensible en software de salud usado por hospitales de todo el mundo. El fallo había pasado desapercibido para modelos de frontera anteriores.

En CWE-bench v1, que evalúa la capacidad de remediar vulnerabilidades de seguridad, Argon comparte el primer lugar con 68%. La cifra se apoya en el desempeño de 3.8 Flash Cyber en CWE-bench v0. Google también reporta avances en descubrimiento de fallos frente a ese modelo. En su benchmark interno de vulnerabilidades, Argon encontró exposiciones en bases de código complejas de 20 lenguajes de programación. En el benchmark interno de pruebas de penetración de caja negra de Wiz, que analiza sistemas web en vivo sin código fuente, superó a 3.8 Flash Cyber al descubrir la superficie de ataque, identificar vulnerabilidades y producir pruebas de concepto para validarlas.

Las barreras de seguridad antes del lanzamiento amplio

Google dice estar reforzando cuatro áreas antes de abrir Argon de forma general:

  • Defensa contra uso indebido: el modelo está diseñado para rechazar solicitudes dañinas de ataques cibernéticos o químicos, biológicos, radiológicos y nucleares (CBRN), sin bloquear investigación científica legítima de doble uso, según su Frontier Safety Framework. La empresa mejoró técnicas para monitorear las activaciones internas del modelo y detectar uso indebido. Equipos rojos internos y externos probaron la resistencia de estas barreras con métodos manuales y automatizados.
  • Defensa contra inyección de prompts: Google describe a Argon como su modelo más resistente hasta ahora frente a inyecciones indirectas de prompts, ataques que usan instrucciones o contexto malicioso para secuestrar el comportamiento del modelo. Con red teaming automatizado y entrenamiento adversarial, Argon lidera la resistencia frente a inyección indirecta en el benchmark de Gray Swan.
  • Monitoreo de desalineación: la empresa despliega mitigaciones que vigilan la cadena de pensamiento y las acciones de Argon, y detienen la ejecución cuando hace falta. Un sistema similar monitoreó los entrenamientos y envió alertas a un equipo dedicado de respuesta a incidentes. Google evitó alimentar los hallazgos de vuelta al entrenamiento para no moldear el razonamiento de Argon hacia la evasión del monitoreo, y pide al resto de la industria preservar la transparencia del razonamiento.
  • Refuerzo de sistemas: en línea con su hoja de ruta de control de agentes, Google aísla y sella sus entornos de sandbox antes de entrenamientos o evaluaciones de alto riesgo. La empresa dice que compartirá estas prácticas de seguridad con sus socios.

Cuándo llega Gemini 4 Argon

El lanzamiento amplio empezará por clientes de pago de la API y suscriptores de Google AI Ultra. Antes, la empresa espera la retroalimentación del primer grupo de ciberdefensores y probadores de confianza.