Gemini 4 Argon: DeepMind y el salto a la AGI física

Gemini 4 Argon: el modelo que razona sobre el mundo físico

Gemini 4 Argon resuelve el benchmark ERQA con un 87% de acierto usando razonamiento puro, por encima de cualquier otro modelo frontera. ERQA mide algo que hasta ahora se le daba mal a la IA: entender y resolver problemas físicos y espaciales en entornos 3D.

Para un founder que construye producto, el dato relevante no es el porcentaje. Es que Google DeepMind acaba de publicar un modelo de propósito general para el ciclo completo de la robótica, disponible desde el primer día en gemini-4-argon dentro de la Interactions API y en los SDK de google-genai. Eso convierte una capacidad que antes requería un equipo de investigación en algo que se consume por API.

¿Qué cambia Argon frente a Gemini Robotics 2?

La comparación directa es con Gemini Robotics 2, que DeepMind presentó el 30 de julio de 2026 con tres modelos: un VLA, un modelo de razonamiento encarnado (ER 2) y una versión on-device para correr sin conexión. Aquella release fue la primera en controlar el cuerpo completo de un humanoide, "de los pies a las puntas de los dedos", según reportó GCN.

Argon no reemplaza esa arquitectura: la profundiza. Donde ER 2 clasificaba la completitud de fotogramas de video con casi 60% de precisión, según Ars Technica, Argon pasa a razonar sobre geometría 3D, mecánica de contacto y telemetría propioceptiva. La diferencia práctica es la que separa "describir lo que veo" de "entender cómo interactúan los objetos para completar una tarea".

Carolina Parada, responsable de robótica de Google DeepMind, lo enmarcó así ante WIRED: el objetivo es que un robot haga cualquier cosa que pueda hacer un humano. Eso es lo que la compañía llama physical AGI.

Las cuatro capas donde Argon ya funciona

El post de DeepMind no es teoría: lista casos concretos de uso a lo largo del stack robótico.

• Control de hardware real. Argon maneja un Boston Dynamics Spot con patas de 12 grados de libertad y un brazo de 6 para aprender una habilidad nueva: pisar un pedal de basurero y tirar latas de refresco. Antes de tocar el pedal físico, construye un gemelo digital articulado en MuJoCo y practica ahí.
• Generación de código como política. Sobre un brazo robótico simple, Argon escribe comandos curl y primitivas de movimiento (grasp, place, moveuntilcontact) para enderezar una taza caída y meter una servilleta dentro. Es código ejecutable, no una descripción.
• Simulación a partir de un solo dato. Partiendo de una sola foto RGB de una mesa real, Argon reconstruye un gemelo en MuJoCo, define tareas nuevas y sintetiza más de 4.500 episodios con aleatorización de dominio. El resultado declarado: la tasa de éxito del robot físico pasa de 56% a 75% y el tiempo de completado baja de 35 a 24 segundos.
• Anotación y evaluación de datos. Argon segmenta video de manipulación, etiqueta con texto y detecta tramos malos (pausas, agarres inestables, fumbles). Sobre un video de un ALOHA 2 doblando un zorro de origami en 136 segundos, genera una jerarquía de anotación de cuatro niveles.

A eso se suma la capacidad de leer un paper de control robótico y portar el modelo físico y el controlador a laboratorios en MuJoCo WebAssembly que corren en el navegador, verificados en Chromium headless.

¿Por qué esto importa ahora y no en 2030?

El contexto de mercado explica la urgencia. Según GCN, citando a McKinsey, el mercado de robótica de propósito general vale hoy menos de 1.000 millones de dólares, pero podría llegar a unos 370.000 millones en 2040.

El capital ya se está moviendo a esa velocidad. XPeng anunció el 24 de agosto de 2026 que su negocio de robótica levantó más de US$900 millones a una valoración post-money superior a US$6.300 millones, la mayor ronda privada de la industria de IA encarnada en China hasta la fecha. Nvidia también apuesta fuerte: su CEO Jensen Huang describió el negocio de physical AI como una línea de casi US$10.000 millones anuales en marzo de 2026, según Ars Technica, y la compañía lanzó Halos for Robotics en junio de 2026.

La lectura para un founder es simple: el cuello de botella de la robótica dejó de ser el hardware. Es el software de razonamiento físico, y ahora hay API para acceder a él.

Qué significa esto para tu startup

1. Deja de entrenar desde cero lo que ya viene por API. Si tu producto necesita que un sistema interprete escenas 3D, lea instrumentos o planifique pasos de manipulación, la pregunta ya no es "¿puedo construir esto?" sino "¿qué construyo encima?". Argon cubre la capa de razonamiento; tu ventaja está en el dominio vertical: el flujo de trabajo del almacén, la clínica o la cocina que nadie más modeló.

2. Usa simulación para generar datos, no para ahorrar tiempo. El caso de la foto única que se convierte en 4.500 episodios es el más replicable para un equipo chico. Si tienes un dataset real pequeño, la vía es reconstruir el entorno en MuJoCo y multiplicar episodios con aleatorización, no salir a recolectar más horas de teleoperación.

3. Presupuesta la seguridad desde el diseño, no como parche. DeepMind introdujo ASIMOV-Agentic, un benchmark que mide si el agente de razonamiento rechaza llamadas inseguras de un VLA y pide intervención humana cuando hay incertidumbre. Si tu robot va a operar cerca de personas, ese criterio va a ser parte de la evaluación de tus clientes corporativos.

4. Revisa tu stack de datos. Argon anota video con jerarquías de cuatro niveles y penaliza los tramos de fumble para Behavior Cloning. Si entrenas políticas con datos propios, esa metodología de reweighting es directamente aplicable y no depende de tener un robot en el laboratorio.

El límite que conviene tener presente

Nada de esto significa que un robot generalista esté listo para tu oficina. Como reportó WIRED, los modelos todavía necesitan entrenamiento específico para ejecutar un rango amplio de tareas complejas, y la propia Parada reconoce que la incertidumbre en el mundo físico es mucho mayor que en el digital. La ventana realista para startups es la de herramientas, integración y datos, no la de un humanoide autónomo de propósito general.

Conclusión

Gemini 4 Argon no es solo un modelo mejor: es la señal de que la capa de razonamiento físico se está comoditizando. El 87% en ERQA y la disponibilidad inmediata en los SDK de Google bajan la barrera de entrada para cualquier equipo que quiera construir sobre robótica. La oportunidad para un founder hispanohablante no está en competir con DeepMind, sino en ser el primero en aplicar esa capacidad a un vertical concreto, con datos propios y un problema que el cliente ya paga por resolver.

Fuentes

• Gemini 4 Argon for Robotics — Google DeepMind (fuente original)
• Google DeepMind launches Gemini Robotics 2 with full humanoid body control — GCN
• Google's Gemini Can Now Stomp Around as a Humanoid Robot — WIRED
• Google reveals Gemini Robotics 2.0 — Ars Technica
• Nvidia's big bet on physical AI — Ars Technica
• XPENG robotics business raises over US$900 million — FT/PR Newswire