Gemini 4 Argon ya está en la API: US$2 por millón de tokens

Gemini 4 Argon ya no está detrás del muro

Google abrió el acceso general a Gemini 4 Argon, su modelo multimodal de frontera, trece días después de presentarlo el 30 de septiembre con acceso limitado a defensores de ciberseguridad aprobados dentro del programa Fairwind. Desde ahora, desarrolladores y empresas pueden llamarlo a través de la API de pago de Gemini, Google AI Studio, el entorno de desarrollo agéntico Antigravity y las suscripciones elegibles de Gemini Enterprise. Los suscriptores de Google AI Pro y Ultra también lo tienen en la app de Gemini y en AI Mode dentro de Search, aunque usar Antigravity como suscriptor individual exige el plan Ultra.

El dato que importa para un founder no es el benchmark, sino que el modelo más capaz que Google ofrece al público ya tiene precio, canal y fecha de vencimiento. La tarifa introductoria es de US$2 por millón de tokens de entrada y US$10 por millón de salida, con 95% de descuento en entrada cacheada (US$0,10 por millón). Esa ventana cierra el 30 de noviembre de 2026. Desde el 1 de diciembre, el precio estándar se duplica a US$4 y US$20.

Los números que Google puso sobre la mesa

Google respaldó el lanzamiento con casos internos poco habituales por lo específicos. El más llamativo es Chrome: Argon ayudó a reorganizar una carpeta heredada de aproximadamente 6 millones de líneas de código de funciones del navegador dentro de una base de código de Chromium de unos 40 millones de líneas, separando las capacidades centrales de manejo de páginas del código específico de cada función. Google dice que un trabajo que se esperaba de meses se completó en semanas.

Otros tres ejemplos que la compañía publicó:

• El equipo del Agent Development Kit (ADK) le pidió a Argon optimizar su framework open source de Python para construir agentes. El modelo trabajó durante la noche y detectó mejoras que, según Google, redujeron el tiempo de preparación de sesiones en memoria un 40% para sesiones de larga duración y aceleraron las importaciones en frío un 21%. Los cambios ya están incorporados en el código público.
• Argon optimizó la inferencia del modelo pequeño Gemma 4 E2B, llevando el throughput de unos 37.900 a más de 108.000 tokens por segundo en una GPU Nvidia A100, con salida idéntica.
• Revisó 134 bugs antiguos de software e identificó 97 como obsoletos o duplicados en menos de tres horas, usando historiales de commits y telemetría de producción.

Son resultados reportados por la propia compañía, no evaluaciones replicadas por terceros. Ese matiz importa cuando se decide migrar un pipeline de producción.

Qué dicen los benchmarks independientes

Acá la historia se vuelve más matizada. Vals AI, que evalúa tareas profesionales en finanzas, servicios legales, código e impuestos, ubica a Argon primero en su índice ponderado por PIB con 68,90% al 12 de octubre, por delante de Claude Sonnet 5.5 (67,04%) y Claude Opus 5.5 (66,97%). También lidera su benchmark Finance Agent v2 con 65,40%.

En cambio, Artificial Analysis, que mide razonamiento, conocimiento, matemáticas, código y tareas agénticas, le asigna a Argon 53 puntos en su Intelligence Index. Eso lo empata con GPT-6 Astra y Claude Fable 5.1, pero lo deja por debajo de Claude Opus 5.5 (58), Claude Sonnet 5.5 (56) y Meta Muse Wonder Full (56).

En las comparaciones que Google divulgó el 30 de septiembre, Argon sacó 19,6% en el Legal Agent Benchmark de Harvey frente al 5,4% de GPT-6 Astra, y 51,3% en AutomationBench de Zapier frente al 42,5% de Opus 5.5. Pero en Terminal-Bench 4.0, que evalúa tareas de código hechas desde la línea de comandos, Opus 5.5 quedó arriba con 66,4% contra 57,4% de Argon.

Sam Witteveen, CEO y cofundador de Red Dragon AI, probó el modelo antes del lanzamiento amplio: "Es un modelo realmente, realmente bueno. ¿Pero es el mejor que hay? Sinceramente, creo que no". Su lectura es que el mayor logro de Google es estratégico antes que técnico: construir una base generalista lo bastante capaz para sostener productos y flujos empresariales cada vez más sofisticados. También advierte que Antigravity, el entorno de desarrollo de Google, "no está ni cerca de Claude Code o Codex" para quien busca ingeniería de software autónoma. Esa distinción entre el modelo y las herramientas que lo rodean es clave al evaluar un stack completo.

Más allá del código: ciberseguridad, ciencia y robótica

Google también empujó a Argon hacia territorios menos obvios. Wiz lo usó a través de su iniciativa Scan for Good para detectar y remediar una vulnerabilidad grave en software de salud que, según la compañía, exponía una llave maestra con acceso de nivel administrador. Google reporta además una tasa de éxito de ataque de 0,7% en el benchmark Gray Swan de inyección indirecta de prompts sobre 15 intentos adaptativos, y que los intentos de atajo no autorizados bajaron al 2% en sus evaluaciones de código. La compañía está ampliando el programa Fairwind a cientos de socios de ciberseguridad adicionales; según Cryptobriefing, ese programa reúne a más de 650 organizaciones de defensa verificadas, entre ellas CrowdStrike y Palo Alto Networks.

En ciencia, sus investigadores lo usaron para acelerar cálculos de computación cuántica, optimizar software de modelado molecular y diseñar cinco enzimas nuevas cuya actividad catalítica se confirmó después en laboratorio. En robótica, reporta 87% en el benchmark Embodied Reasoning Question Answering, y una demostración donde Argon estudió el video de una persona jugando cornhole, construyó el código de simulación y generó una secuencia de movimiento que se transfirió al robot humanoide Apollo de Apptronik: siete lanzamientos consecutivos acertados.

El contexto competitivo que no aparece en el comunicado

El precio introductorio de US$2 y US$10 no es casual: iguala la tarifa con descuento de GPT-6.1 Sol de OpenAI, según reportó CNBC y recogió FinanceFeeds. En la tabla de precios que acompaña al anuncio, Argon a tarifa introductoria cuesta la mitad por token que Claude Opus 5.5 y un quinto que GPT-6 Astra (US$10 de entrada y US$50 de salida). Desde diciembre, su precio base cae en la misma categoría que Claude Opus 5.5 y Meta Muse Wonder.

Mientras Google pelea por el liderazgo en modelos de frontera, buena parte de la atención del mercado se movió a los agentes personales. Según CoinCentral, citando datos de Sensor Tower, la app Muse de Meta superó los 5 millones de descargas a fines de septiembre, mientras que el agente de Google, Spark, sigue limitado a suscriptores de pago.

Qué significa esto para tu startup

La pregunta útil no es si Argon gana cada leaderboard, sino si su combinación de razonamiento, visión, automatización, integración con herramientas y precio resuelve tus cargas de trabajo reales. Cuatro cosas concretas para hacer esta semana:

• Corre un bake-off con tus propios datos antes del 30 de noviembre. La ventana de US$2/US$10 es corta y el precio se duplica el 1 de diciembre. Si tienes un flujo donde el costo por token pesa (procesamiento de documentos largos, agentes que iteran, análisis financiero), medir ahora te da una línea base real para decidir si el costo post-diciembre sigue teniendo sentido.
• No confundas el modelo con el entorno. Si tu equipo vive en Claude Code o Codex, cambiar la herramienta de desarrollo es un proyecto aparte de cambiar el modelo. Prueba Argon primero por API en una tarea acotada, no reescribiendo el flujo de trabajo de ingeniería.
• Aprovecha el descuento de caché si repites contexto. El 95% de descuento sobre entrada cacheada baja el costo a US$0,10 por millón de tokens. Para aplicaciones con un system prompt largo o una base de conocimiento fija, ese es el ahorro más grande de la ecuación, más que la tarifa introductoria.
• Si ya estás en Google Cloud, Workspace o Gemini, el costo de adopción es menor. Argon está en la API de Gemini, en Android Studio y en Firebase AI Logic. Extender lo que ya tienes suele ser más barato que sumar otro proveedor de IA para cada tarea especializada.

Un detalle técnico a vigilar: Google describe un límite unificado de hasta 1 millón de tokens de entrada y salida mediante un protocolo de continuación, lo que matiza el anuncio del 30 de septiembre, que hablaba de un techo de 1 millón de tokens de salida frente a los 64.000 anteriores. La compañía no aclaró en los materiales entregados cómo se relaciona ese límite con la cantidad máxima de tokens que un desarrollador puede recibir en una respuesta ininterrumpida. Witteveen recomienda no confundir esta capacidad especializada, que requiere configuración de API, con el comportamiento normal del modelo en la app de Gemini.

Conclusión

Argon no es el modelo más inteligente en todos los rankings, y Google lo sabe. Lo que cambió es que dejó de ser una demo con acceso cerrado y pasó a ser un producto con precio, canales de distribución y una fecha en la que ese precio sube. Para un founder, eso convierte la decisión en algo medible: unas siete semanas de tarifa reducida para probar en tus propios datos si el modelo aguanta lo que promete. Después, la factura se duplica y la conversación pasa a ser sobre arquitectura, caché y qué tareas vale la pena delegar a un modelo de frontera.

Fuentes

• VentureBeat: Google makes Gemini 4 Argon broadly available
• Cryptobriefing: Google unveils Gemini 4 Argon
• FinanceFeeds: Google Prices Gemini 4 Argon at $2
• CoinCentral: Can Google's Gemini 4 Argon Catch OpenAI and Anthropic?