Google presenta Gemini 4 Argon, que supera a los modelos de IA rivales en pruebas de ciberseguridad
Puntos clave
- •Gemini 4 Argon obtuvo 77.9% en la prueba de ingeniería de software DeepSWE v1.1, por delante de Claude Opus 5.5 con 74.2%, GPT-6 Astra con 74.1% y Claude Fable 5.1 con 67.4%, aunque Google calculó su propia puntuación mientras que las cifras de los rivales provienen de fuentes externas.
- •En la prueba de inyección de prompt indirecta de Gray Swan, Argon registró una tasa de éxito de ataques de 0.7%, superando a Claude Opus 5.5 y Claude Fable 5.1 con 1.0%, mientras que Grok 4.6 y Kimi K3 fueron engañados más de la mitad de las veces.
- •Google limita el acceso inicial a equipos de seguridad verificados mediante su Fairwind Program, que cuenta con más de 650 socios, incluidos gobiernos y operadores de infraestructura crítica, y el modelo se entrega sin barreras cibernéticas integradas bajo un despliegue por fases.
- •Arg puede producir hasta 1 millón de tokens en una sola respuesta, un aumento de aproximadamente dieciséis veces respecto al techo anterior de 64,000 tokens, brindando margen para tareas largas de programación y trabajo de oficina.
- •Se planea un lanzamiento más amplio para clientes de API de pago y suscriptores de Google AI Ultra, con precios introductorios de $2 por millón de tokens de entrada y $10 por millón de tokens de salida, la mitad de las tarifas estándar futuras.

Google presentó el miércoles Gemini 4 Argon, su nuevo modelo frontera, con resultados de pruebas que lo colocan por delante de los sistemas de IA rivales en pruebas de ciberseguridad. El modelo obtuvo 77.9% en DeepSWE v1.1 y registró una tasa de éxito de ataques de 0.7% en la prueba de inyección de prompt de Gray Swan, por delante de Claude Opus 5.5 y Claude Fable 5.1, que ambos obtuvieron 1.0%.
El lanzamiento llega una semana después del estreno de Claude Opus 5.5 y un día después de GPT 6.1 Sol, lo más reciente en una cadena de lanzamientos acelerados de modelos frontera por parte de los principales laboratorios de IA de Estados Unidos, un ritmo que ha convertido los cuadros comparativos del día de lanzamiento en la tabla de puntuación permanente de la industria.
Según el anuncio oficial de Google, Argon es el modelo más capaz de la compañía hasta la fecha, diseñado para programación, trabajo de oficina y defensa cibernética.
Puntuaciones sólidas en ingeniería de software, con advertencias
DeepSWE v1.1 mide si un modelo de IA puede completar trabajos de ingeniería de software largos, desordenados y del mundo real, con resultados puntuados en porcentaje. Argon alcanzó 77.9%, por delante de Claude Opus 5.5 con 74.2%, GPT-6 Astra con 74.1% y Claude Fable 5.1 con 67.4%. Como referencia, Gemini 3.6 Flash logró 49% en la misma prueba en julio.
El modelo también puede escribir hasta 1 millón de tokens en una sola respuesta, frente a los 64,000 anteriores. Un token es un fragmento de texto de aproximadamente tres cuartos de una palabra, lo que sitúa el nuevo techo en unas 750,000 palabras frente a unas 48,000 previas, un margen orientado a las tareas largas de programación y trabajo de oficina para las que fue diseñado el modelo.
Las cifras vienen con una advertencia: Google calculó su propia puntuación de DeepSWE, mientras que las cifras de los modelos rivales provienen de una tabla de clasificación pública y de informes de las empresas. La tabla comparativa de Google también cede terreno. Argon lidera en 12 de 18 pruebas, empata en una y queda por detrás en cinco, una mezcla de pruebas de programación, ciencia y control de computadoras, una combinación de metodologías propias y de terceros que conviene tener presente al revisar las cifras titulares.
La ciberseguridad toma el protagonismo
La capacidad estrella del modelo es la defensa cibernética. En un ataque de inyección de prompt indirecta, una instrucción secreta se oculta dentro de un correo electrónico u otro contenido; cuando un asistente de IA lo lee, la prueba es si el modelo obedece al desconocido en lugar de a su usuario. Tales ataques son un escenario de pesadilla para cualquiera que entregue a una IA el acceso a su bandeja de entrada o carrito de compras.
En la prueba de inyección de prompt indirecta de Gray Swan, que oculta instrucciones maliciosas en el contenido que leen los agentes de IA y mide la frecuencia con que los ataques tienen éxito en 15 intentos, Argon registró 0.7%, y cuanto más bajo, mejor. Claude Opus 5.5 y Claude Fable 5.1 obtuvieron ambos 1.0%. GPT-6 Astra llegó a 8.5%. Grok 4.6 y Kimi K3 fueron engañ poco más de la mitad de las veces, con 51.8% y 52.7%. La brecha de 52 puntos entre las mejores y peores defensas de la lista muestra cuán desigual sigue siendo la resistencia a la inyección de prompt en toda la industria.
Lanzamiento restringido a través del Fairwind Program
Argon llega primero a los equipos de seguridad verificados a través del Fairwind Program, la iniciativa de defensa cibernética de acceso limitado de Google, que se lanzó el 2 de septiembre con más de 650 socios, incluidos gobiernos y operadores de infraestructura crítica. El modelo se entrega "sin barreras cibernéticas", es decir, sin las negativas integradas que normalmente impiden que un modelo ayude con la piratería informática.
La lógica detrás de esta medida es que los defensores necesitan un modelo capaz de pensar como un atacante para parchar los agujeros antes de que los delincuentes los encuentren. La contrapartida es que la misma habilidad funciona en ambos sentidos, por lo que Google afirma que un despliegue por fases es el único camino seguro. La compañía también participa en el proceso voluntario del gobierno de Estados Unidos para el acceso previo al lanzamiento de modelos.
Google no es el primero en poner un modelo cibernético tras una cuerda de terciopelo. Una versión temprana de Claude Mythos de Anthropic ayudó a encontrar 271 vulnerabilidades en Firefox, es decir, 271 agujeros de seguridad que Mozilla parchó después. OpenAI ha tomado un camino similar con su programa Trusted Access for Cyber, convirtiendo el acceso cibernético restringido en un patrón emergente entre los laboratorios frontera.
Las puntuaciones cibernéticas de Argon también superan a las de Gemini 3.8 Flash Cyber, el modelo restringido que Google lanzó junto con Fairwind. En el Wiz Penetration Test Benchmark, una prueba interna de Google que pide a una IA escribir exploits funcionales contra fallas reales de aplicaciones web sin ver el código y puntúa la proporción resuelta al primer intento, Argon alcanzó 70.9% frente a 58.2%. Google también afirma que Argon ayudó a la empresa de seguridad Wiz a encontrar una falla crítica en software de atención médica usado por hospitales de todo el mundo, una que los modelos frontera anteriores habían pasado por alto.
Un lanzamiento tras un verano difícil
El lanzamiento sigue a un período complicado para Google. En julio, la compañía lanzó los modelos Flash más pequeños pero omitió el prometido Gemini 3.5 Pro, y las acciones de Alphabet cayeron alrededor de 4.4%. Argon también llegó el mismo día en que el presidente Trump presentó un acuerdo voluntario de IA sin sanciones que los líderes de Google firmaron.
Google dice que un lanzamiento más amplio llegará lo antes posible, comenzando con los clientes de API de pago y los suscriptores de Google AI Ultra. El precio introductorio es de $2 por millón de tokens de entrada y $10 por millón de tokens de salida. Google no ha dicho cuándo termina ese período, solo que las tarifas estándar serán de $4 y $20, exactamente el doble de las tarifas introductorias. El momento del lanzamiento más amplio y la duración de la ventana introductoria son las dos fechas a observar a medida que se desarrolle el despliegue de Argon.