Gemini 4 Argon: Google lanza su modelo estrella a US$2

Gemini 4 Argon: el modelo con el que Google quiere resolver tus problemas más difíciles

Gemini 4 Argon ya está disponible para desarrolladores y empresas a través de la API en AI Studio y la plataforma Gemini, para suscriptores de Google AI Ultra en Antigravity, y para suscriptores Ultra y Pro en la app de Gemini y en AI Mode de Search. El precio introductorio es de US$2 por millón de tokens de entrada y US$10 por millón de tokens de salida, con un 95% de descuento en tokens de entrada en caché.

Para un founder, la cifra relevante no es el benchmark sino el costo por tarea terminada. Y ahí es donde este lanzamiento se vuelve interesante: Google está empujando un modelo frontera a un precio que hasta hace poco era territorio de modelos de gama media.

¿Qué hace diferente a Gemini 4 Argon?

Google posiciona a Argon para "trabajo profundo" en tareas complejas y de múltiples pasos en programación, finanzas, legal, ciberseguridad y ciencia. La compañía afirma que el modelo supera a otros modelos frontera en benchmarks de esos dominios y que ocupa el primer lugar en el Vals Index, que mide desempeño en sectores económicos críticos como finanzas, programación, legal y trabajo fiscal.

El salto técnico más citado es el límite de 1 millón de tokens de entrada y salida unificados vía la API de Gemini. Según el medio especializado Nokia Power User, los modelos anteriores restringían las corridas de salida a 64.000 tokens, lo que obligaba a partir tareas largas en varios turnos y perdía contexto en el camino. Con Argon, un agente puede analizar, planificar, redactar y autocorregirse dentro de un mismo turno de generación.

Google también reporta mejoras concretas en su uso interno:

• En Antigravity, sus equipos aumentaron los envíos de código agéntico en más de un 35% y redujeron los rollbacks de código en casi un tercio.
• El equipo de Chrome usó Argon para separar el manejo central de páginas web de una carpeta legacy de unos 6 millones de líneas dentro del código de Chromium, que ronda los 40 millones de líneas. Un refactor arquitectónico de meses se completó en semanas.
• El equipo del Agent Development Kit (ADK) de Google logró reducir el tiempo de preparación de sesiones en memoria en un 40% y acelerar las importaciones en frío un 21%.
• En química cuántica, el paquete open source xTB quedó hasta 2,3 veces más rápido prediciendo estructuras moleculares y 1,8 veces más rápido en búsqueda de conformeros.

¿Cuánto cuesta Gemini 4 Argon frente a sus competidores?

El precio introductorio de US$2 / US$10 coloca a Argon por debajo de varios modelos frontera. Según CoinCentral, Anthropic ofrece un modelo de gama alta a US$10 por millón de entrada y US$50 por millón de salida, y una opción más económica a US$4 / US$20. OpenAI maneja un esquema parecido: su modelo tope a US$10 / US$50 y una versión más barata a US$2 / US$10.

Hay un detalle que conviene leer con atención: Google describe los US$2 / US$10 como precio introductorio. Online Tech Tips reporta que la tarifa posterior sería de US$4 por millón de entrada y US$20 por millón de salida, sin que Google haya anunciado cuándo empieza a aplicar. En la práctica, eso significa que cualquier proyección de costos debería hacerse con el número alto, no con el de lanzamiento.

Ars Technica reportó que Anthropic lanzó Opus 5.5 con precios de US$4 y US$20 por millón de tokens, un 20% menos que su generación anterior, en una carrera entre los tres laboratorios por bajar el costo de inferencia para clientes empresariales.

¿Es Argon realmente el mejor modelo? Lo que dicen los benchmarks independientes

Aquí conviene bajar el entusiasmo del anuncio. Memeburn recopiló resultados de dos evaluadores independientes y el cuadro es mixto:

• En el Artificial Analysis Intelligence Index, Argon obtiene 53 puntos frente a 56 de Claude Sonnet 5.5.
• En el Vals Index, Argon lidera con 68,90% contra 67,04% de Sonnet 5.5.
• En Terminal-Bench 4, Sonnet 5.5 gana con 64% frente al 57% de Argon.
• En finanzas, legal y ciberseguridad, Argon se impone con márgenes amplios: 65,40% vs 58,10% en Finance Agent v2, 19,58% vs 2,92% en el benchmark legal de Harvey y 77,86% vs 59,58% en CyberBench.

La lectura útil no es "cuál gana", sino "para qué tarea". Los dos modelos quedan en la misma banda de capacidad y se separan según el tipo de trabajo. Si tu producto vive de análisis financiero, investigación legal o revisión de seguridad, Argon tiene el mejor caso. Si tu carga es codificación agéntica en terminal, la evidencia favorece hoy a Sonnet 5.5.

Sobre costo por tarea, Memeburn reporta que Argon costó US$1,99 por tarea en el índice de Artificial Analysis a precio introductorio y US$3,98 a tarifa estándar, frente a unos US$7,60 de Sonnet 5.5 en su configuración de máximo esfuerzo. En Vals, el costo por test de Argon fue de US$15,68 contra US$21,34.

¿Qué cambia el límite de 1 millón de tokens en el día a día?

Para un equipo pequeño, la diferencia entre 64.000 y 1 millón de tokens de salida no es cosmética. Habilita flujos que antes exigían capas de orquestación propias:

• Refactor de repositorios completos en una sola llamada, sin perder dependencias entre archivos.
• Auditorías legales y de cumplimiento de punta a punta, procesando contratos largos junto con la normativa aplicable.
• Remediación automática de vulnerabilidades, donde el modelo genera el parche, los tests y la documentación en la misma corrida.

El propio anuncio menciona casos de migración de código C y C++ a Rust en sistemas de más de 800.000 líneas, como el kernel Zircon de Fuchsia.

¿Qué significa esto para tu startup?

La pregunta correcta no es si Argon es mejor que el modelo que ya usas, sino si el costo por tarea completada justifica migrar parte de tu stack. Hay dos movimientos concretos que puedes hacer esta semana.

Primero, mide tu costo real por tarea, no por token. La mayoría de los equipos compara precios de lista y decide con eso. Los datos de Memeburn muestran que dos modelos con el mismo precio de lista pueden terminar con costos por tarea muy distintos, porque consumen cantidades de tokens muy diferentes. Instrumenta tu pipeline para registrar tokens de entrada, de salida y de caché por cada tarea que completas, y calcula el costo final. Esa métrica, y no el precio por millón, es la que decide.

Segundo, enruta por tipo de tarea en lugar de elegir un solo modelo. Si tu producto combina análisis de documentos densos con codificación agéntica, la evidencia apunta a que ningún modelo gana en todo. Un router simple que mande trabajo financiero, legal o de seguridad a Argon y tareas de terminal a otro modelo puede darte mejor resultado y menor costo que apostar todo a uno solo.

Un tercer punto de atención: si vas a presupuestar sobre Argon, hazlo con la tarifa estándar de US$4 / US$20, no con la introductoria. Google no ha dicho cuándo termina el descuento, y un cambio de precio a mitad de trimestre puede desordenar tus unit economics.

El contexto que importa: la carrera por el costo

El lanzamiento de Argon no ocurre en el vacío. CoinCentral señala que Argon llega después de un período en el que los modelos de OpenAI y Anthropic se adelantaron a los lanzamientos previos de Google, y reporta que algunos empleados de la compañía expresaron dudas sobre la fortaleza de Argon frente a sus rivales, según un reporte de Bloomberg.

Ese es el telón de fondo real: los tres laboratorios están compitiendo menos por capacidades revolucionarias y más por eficiencia. Ars Technica lo describe como una carrera por ofrecer "un poco más por mucho menos dinero", en un momento en que las empresas exploran routers de modelos para usar menos los modelos frontera caros.

Para un founder hispanohablante con presupuesto ajustado, esa dinámica es buena noticia: la presión de precios entre Google, Anthropic y OpenAI significa que el costo de construir con IA de frontera seguirá bajando. La decisión estratégica deja de ser "cuál es el mejor modelo" y pasa a ser "cómo diseño mi arquitectura para no quedar atado a ninguno".

Fuentes

• Introducing Gemini 4 Argon - Google DeepMind
• Is Gemini 4 Argon Weaker Than Claude Sonnet 5.5? - Memeburn
• Google Announces Gemini 4 Argon, but Most People Can't Try It Yet - Online Tech Tips
• Google Launches Gemini 4 Argon: Breaking the 1 Million Output Token Ceiling - Nokia Power User
• Google's New AI Model Just Undercut OpenAI and Anthropic on Price - CoinCentral
• New Anthropic, OpenAI models make same promise - Ars Technica