Google ha puesto a disposición mundial su nuevo modelo de IA insignia, Gemini 4 Argon, posicionándolo como un sistema diseñado para el razonamiento extendido de varios pasos en tareas profesionales complejas.

Los desarrolladores y las empresas pueden acceder al modelo a través de la API de Gemini en AI Studio y la plataforma Gemini. Los suscriptores de Google AI Ultra también pueden usarlo en el entorno agéntico Antigravity, así como en la app de Gemini y en AI Mode de Search.

Según Google, Argon ocupa el primer lugar en el índice Vals, un benchmark que mide el rendimiento del modelo en sectores económicamente críticos como finanzas, programación, derecho y trabajo fiscal. Este tipo de rankings transversales se ha convertido en una forma estándar para que los laboratorios de IA argumentar que sus modelos están listos para flujos de trabajo profesionales regulados y con gran volumen de documentos.

El precio de lanzamiento se fija en $2 por millón de tokens de entrada y $10 por millón de tokens de salida, con un descuento del 95% en los tokens de entrada en caché, un dato relevante para los equipos que procesan repetidamente los mismos documentos extensos. Cuando finalice el período introductorio el 30 de noviembre de 2026, las tarifas se duplicarán a $4 y $20 por millón de tokens, respectivamente, lo que otorga a los equipos una ventana fija de evaluación con la economía de lanzamiento antes de que los costos aumenten. A través de la API, el modelo admite una ventana de contexto unificada de entrada-salida de 1 millón de tokens, líder en la industria, lo suficientemente amplia para contener bases de código extensas o colecciones de documentos en una sola pasada en lugar de dividir el trabajo en fragmentos más pequeños.

Google también compartió resultados internos tempranos que, según afirma, apuntan a mejoras significativas de productividad. Ejecutar Argon dentro de Antigravity aumentó los envíos de código agéntico en más de 35% y redujo los rollbacks de código en casi un tercio. El equipo de Chrome usó el modelo para desenredar una carpeta heredada de aproximadamente 6 millones de líneas dentro de la base de código de Chromium de 40 millones de líneas, acelerando una refactorización arquitectónica que de otro modo habría tomado meses. Las optimizaciones aportadas al framework de código abierto ADK redujeron en 40% el tiempo de preparación de sesiones en memoria y mejoraron las importaciones en frío en 21%, mientras que los modelos Gemma de Google lograron una aceleración de inferencia de 2.85x en hardware A100 con paridad total de tokens. Dado que estas cifras provienen de los propios equipos de ingeniería de Google y no de mediciones independientes, muestran cómo se desempeñó el modelo en bases de código a gran escala bajo condiciones controladas por la empresa.

— Google AI Studio (@GoogleAIStudio) October 13, 2026

Despliegues reales en ciencia y ciberseguridad

Más allá de la ingeniería de software, Argon se está aplicando en dominios científicos y de seguridad de alto riesgo, un conjunto de despliegues que extiende el historial del modelo más allá de las puntuaciones de benchmarks. En computación cuántica, el modelo tradujo decodificador de corrección de errores AlphaQubit de Google en un solo kernel de hardware optimizado, casi duplicando el rendimiento de inferencia. También produjo una implementación verificada formalmente de la subrutina arcsin que reduce los costos de espaciotiempo en más de 100x en comparación con una línea base publicada.

Trabajando con investigadores de la Universidad de Maryland, Google usó Argon para identificar nuevos contraejemplos de la conjetura de Grad, una hipótesis de 1967 sobre la optimización de campos magnéticos de stellarators que es central para la investigación de energía de fusión.

En las ciencias de la vida, investigadores de Gamow Labs usaron Argon para detectar una reorganización cromosómica en un recién nacido con un trastorno pulmonar raro que el software estándar había pasado por alto durante años. Por su parte, el equipo de Google diseñó en cuestión de horas cinco enzimas serina esterasa novedosas, todas las cuales mostraron actividad catalítica confirmada en pruebas de laboratorio.

En el frente de seguridad, Wiz empleó Argon para remediar vulnerabilidades en infraestructura gubernamental y de salud, incluida una evasión de descarga de archivos que exponía el acceso administrativo a registros de pacientes. Google también está ampliando su Fairwind Program a cientos de socios de ciberseguridad y ofreciendo a 10,000 investigadores seis meses de acceso gratuito al nivel de uso más alto de Antigravity, poniendo el modelo en manos de organizaciones externas para una evaluación prolongada en el mundo real.

En cuanto a la seguridad, Google informa que el red teaming biológico externo desbloqueó menos del 1% de las subtareas biológicas probadas, que los intentos de atajos en benchmarks de programación cayeron al 2%, y que Argon lidera el benchmark Gray Swan de Indirect Prompt Injection con una tasa de éxito de ataque del 0.7% a lo largo de 15 intentos adaptativos, una clase de ataque en la que instrucciones maliciosas ocultas en el contenido procesado intentan secuestrar el comportamiento de un modelo.

Este informe fue publicado por primera vez por Metaverse Post.