Gemini 4 Argon llega a la API a US$2 el millón

Gemini 4 Argon ya está en la API, la app y el buscador

Google abrió Gemini 4 Argon al público el 13 de octubre de 2026: el modelo llega en simultáneo a la API (Google AI Studio y Vertex AI), a la app de Gemini para suscriptores Pro y Ultra, y al buscador, donde pasa a impulsar las respuestas de AI Mode y los AI Overviews en consultas complejas. El precio de lanzamiento es de US$2 por millón de tokens de entrada y US$10 por millón de salida, una tarifa que, según blockchain.news, se mantiene hasta el 30 de noviembre y después sube a US$4 y US$20 por millón.

Según Mashable, ese precio queda por debajo de lo que cobran los dos rivales principales de Google: Claude Opus 5.5 de Anthropic cobra US$4 y US$20 por millón de tokens de entrada y salida, mientras que GPT-6 Astra de OpenAI cobra US$10 y US$50. La trampa es que la ventana de descuento tiene fecha de caducidad: si tu equipo planifica presupuesto a doce meses con la tarifa de hoy, está mirando un número que se duplica en seis semanas.

El detalle que sí importa para un founder no es cuál modelo es el mejor, sino cuál de los tres escalones de la familia Gemini 4 le conviene a cada tarea.

¿Qué diferencia a Argon de Flash y Pro dentro de la familia Gemini 4?

La familia se reparte así: Flash apunta a velocidad y coste mínimo, Pro al equilibrio de uso general y Argon al razonamiento profundo con contexto extenso. No es el más rápido ni el más barato, y Google lo asume: es el modelo para tareas donde la calidad de razonamiento justifica la factura.

En lo técnico, la documentación de Google recogida por blockchain.news describe a Argon como un transformer de mezcla de expertos dispersos, no como un ajuste de un modelo anterior, con corte de conocimiento en marzo de 2026. Acepta texto, imagen, audio, vídeo y PDF como entrada, pero solo produce texto: no genera imágenes ni audio y no soporta la Live API. La misma documentación cifra la ventana de contexto unificada en 1.048.576 tokens compartidos entre entrada y salida, con un tope de salida síncrona de 65.536 tokens y un protocolo de continuación para generaciones más largas. unite.ai recoge que Google amplió el límite de tokens de salida de 64.000 a 1 millón, algo que cambia la factura porque los tokens de salida son el lado caro de la lista de precios.

La diferencia práctica la detecta cualquiera que haya intentado cruzar un PDF de 200 páginas con una segunda fuente. Donde la generación anterior perdía el hilo o inventaba referencias, Argon mantiene la coherencia en la síntesis. Para el uso conversacional del día a día, en cambio, Flash sigue siendo suficiente a una fracción del precio.

Los benchmarks: dónde gana y dónde pierde Argon

Acá conviene separar dos cosas: lo que dice Google de su propio modelo y lo que midió un tercero.

En el Artificial Analysis Intelligence Index, que combina diez evaluaciones sobre hardware estandarizado, Gemini 4 Argon (High) obtiene 53 puntos, muy por encima de la mediana de 26 para modelos comparables, según Mashable. Empata con GPT-6 Astra en 53 con razonamiento alto activado, queda un punto arriba de GPT-6.1 Sol y unos cinco puntos por detrás de Claude Opus 5.5 y Claude Sonnet 5.5. Frente al anterior tope de gama de Google, Gemini 3.1 Pro Preview, el salto es de 23 puntos.

El dato más útil para decidir es el coste por tarea: a precio introductorio, Argon cuesta unos US$1,99 por tarea del índice, cerca del 60 % de lo que cuesta GPT-6 Astra. Cuando termine el descuento, sube a unos US$3,98, alrededor de 1,2 veces Astra. Opus 5.5 cuesta US$5,98 por tarea, según las cifras que cita Mashable.

En las evaluaciones de la propia Google, blockchain.news y unite.ai reportan un 77,9 % en DeepSWE v1.1, primer puesto en AutomationBench con 51,3 % (unos nueve puntos por delante del siguiente), 91,7 % en LVBench y un empate en el primer lugar de CWE-bench v1 con 68 %. Mashable advierte de dos cosas: Google tiene el mejor resultado en 14 de sus 18 comparativas, y algunas de las cifras que atribuye a rivales no coinciden con las que esos rivales publicaron. Es un recordatorio sano de que los benchmarks de proveedor se leen como marketing hasta que un tercero los replica.

Qué cambia para quien nunca va a tocar la API

Argon también aterriza en producto de consumo. Según Mashable, la interfaz de código agéntico de Google Antigravity ahora vive dentro de la app de Gemini en macOS, y un interruptor nuevo permite pasar de chat a modo tareas, donde el modelo sigue trabajando mientras estás fuera del ordenador. La app conecta además con más de 40 servicios, entre ellos Instacart, OpenTable, Adobe y Shopify.

El acceso se reparte por suscripción: Google AI Pro cuesta US$19,99 al mes, mientras que Antigravity exige el plan Ultra desde US$99,99 al mes, según The Next Web. La misma publicación recuerda que Google movió a los usuarios gratuitos a su modelo más pequeño pocos días antes del lanzamiento.

Google también abrió un programa para 10.000 científicos con el nivel de uso más alto de Antigravity gratis durante seis meses, con inscripción desde el 13 de octubre, según blockchain.news. En paralelo, el Fairwind Program —el acceso a Argon sin salvaguardas cibernéticas para defensores de confianza— se amplía a cientos de socios adicionales.

¿Vale la pena migrar antes del 30 de noviembre?

Depende exclusivamente de tu caso de uso. Hay dos escenarios claros:

• Si tienes un flujo de trabajo que exige razonamiento profundo —análisis cruzado de documentos extensos, refactorización de repositorios grandes, agentes con bucles largos—, la ventana de precio introductorio es dinero real. Con un consumo de 10 millones de tokens de salida al mes, la diferencia entre US$10 y US$20 por millón equivale a US$100 mensuales y US$1.200 al año.
• Si tu producto es conversacional o de generación de texto simple, Flash cubre la necesidad a una fracción del coste y no hay razón para migrar.

Hay una palanca adicional que suele pasarse por alto: el context caching. Mashable recoge que los tokens de entrada en caché tienen un 95 % de descuento, lo que deja el millón en US$0,10 durante el período introductorio. Para aplicaciones RAG que procesan los mismos documentos en muchas consultas, o para agentes con memoria larga, Google estima que la reutilización de contexto puede reducir el coste efectivo entre un 40 % y un 70 %.

¿Qué significa esto para tu startup?

Tres movimientos concretos, en orden:

• Corre el cálculo con las dos tarifas, no con una. Modela tu consumo mensual de entrada y salida con US$2/US$10 y con US$4/US$20, y decide si vale la pena adelantar trabajo a noviembre. Si tu volumen es alto, la diferencia financia un trimestre de infraestructura.
• Prueba antes de comprometer producción. Google AI Studio ofrece una capa gratuita con límites diarios de uso, suficiente para validar si Argon resuelve tu tarea larga. Vertex AI añade facturación por uso y contratos enterprise con SLA.
• Deja de elegir el modelo más potente por defecto. El error más común en equipos que adoptan modelos frontera es arrancar con el más caro sin compararlo contra el caso de uso real. Un patrón que funciona bien: Flash para el tráfico conversacional y Argon solo para las tareas donde la coherencia en documentos largos se traduce en menos revisiones humanas.

Si tu producto ya vive dentro de Google Cloud —BigQuery, Workspace, Vertex AI—, la integración nativa es una ventaja de distribución real. Si trabajas con otro stack, Argon compite de igual a igual y tiene que ganarse el lugar en producción.

Conclusión

Gemini 4 Argon no es un modelo para todos los proyectos, y ese es justamente el punto. Google lanzó un modelo de frontera con disponibilidad real el mismo día del anuncio, precio agresivo durante seis semanas y un ecosistema de producto que llega hasta el buscador. Para un equipo con tareas largas y complejas, el cálculo es simple y tiene fecha límite. Para el resto, la decisión inteligente sigue siendo la más barata: usar el modelo que corresponde al trabajo, no al titular.

Fuentes

• wwwhatsnew (fuente original)
• Mashable
• blockchain.news
• The Next Web
• Unite.AI