Gemini 4 Argon y Muse Wonder reabren la carrera de la IA

La carrera de la IA se reabre: Google y Meta golpean la mesa

Gemini 4 Argon cuesta USD 2 por millón de tokens de entrada y USD 10 por millón de salida, una quinta parte de lo que cobran los modelos tope de OpenAI y Anthropic, según Moneycontrol. Ese precio introductorio se duplicará después del 30 de noviembre. Es la señal más clara de que la carrera por la frontera de la IA dejó de ser un duelo entre dos empresas y volvió a ser una pelea de cuatro.

Hasta hace pocos días el guion era otro. Anthropic y OpenAI parecían despegadas, Google arrastraba meses de mejoras incrementales desde Gemini 3 y Meta, pese a haber quemado miles de millones en talento e infraestructura, no lograba colocar un modelo de frontera. Esta semana ambos golpearon la mesa casi al mismo tiempo.

Qué lanzó cada uno y por qué importa

• Google presentó Gemini 4 Argon, un modelo que la compañía dice iguala o supera a los buques insignia de OpenAI y Anthropic en múltiples benchmarks.
• Meta lanzó Muse Wonder y Muse Wonder Full el lunes 12 de octubre, los primeros modelos de frontera salidos de Meta Superintelligence Labs.

La diferencia entre ambos movimientos es de estrategia. Google atacó por precio. Meta atacó por producto y distribución. Y las dos jugadas obligan a cualquier startup que hoy paga inferencia a revisar sus números.

Gemini 4 Argon: la apuesta de Google por el precio

Argon se diseñó para tareas largas y complejas: ingeniería de software, análisis financiero, trabajo legal y defensa cibernética, según Analytics Insight. Google lo está desplegando en la app de Gemini, en AI Mode de Search y en la API paga; el acceso desde Antigravity, su plataforma de código, exige la suscripción AI Ultra.

El precio es el argumento central. Comparado con la competencia, según CoinCentral:

• Anthropic: su modelo tope cuesta USD 10 por millón de entrada y USD 50 por millón de salida; su opción más económica, USD 4 y USD 20.
• OpenAI: su modelo tope, USD 10 y USD 50; su versión más nueva y barata, USD 2 y USD 10.
• Meta Muse Wonder: USD 4 y USD 20, según Yahoo Finance.

Google ya usa Argon puertas adentro. Un equipo lo aplicó para encontrar ahorros de memoria en los centros de datos y otro lo usó para reescribir en Rust un sistema de más de 800.000 líneas de código, según CoinCentral. La firma de ciberseguridad Wiz lo emplea en un programa de protección de infraestructura pública y, según Google, el modelo detectó una falla en software de salud que modelos anteriores no habían visto.

Koray Kavukcuoglu, SVP de Google DeepMind, dijo que Argon en Antigravity ayudó a aumentar los envíos de código agéntico más de un 35% y a reducir los rollbacks en casi un tercio, y que hizo los modelos Gemma casi tres veces más rápidos, según Moneycontrol. Google también ofrecerá a 10.000 científicos seis meses de acceso gratuito a su tier más alto en Antigravity.

El lanzamiento llega después de un reordenamiento profundo en DeepMind. Demis Hassabis dejó el cargo de CEO para ser Chair y Chief Scientist de Alphabet; Jeff Dean se fue tras 27 años para lanzar Discovery Loop junto a Sanjay Ghemawat, Oriol Vinyals y Quoc Le; Noam Shazeer se marchó a OpenAI y el nobel John Jumper a Anthropic, según Moneycontrol. Google además arrastró el retraso de Gemini 3.5 Pro, anunciado en mayo para junio y finalmente cancelado.

Muse Wonder: el regreso de Meta tras años de gasto

Meta llegó a la frontera por otra vía. Muse Wonder se ofrece por API y vía Muse Code a USD 4 por millón de tokens de entrada y USD 20 de salida, con input cacheado a USD 0,20, según IJR. Muse Wonder Full, la versión grande, queda reservada a suscriptores de Muse Code y no se sirve por API.

El gasto detrás de ese lanzamiento es enorme. El capex de Meta llegó a USD 30.120 millones en el segundo trimestre de 2026, un 82% más que un año antes, y los últimos cuatro trimestres suman cerca de USD 89.000 millones, según Yahoo Finance citando datos de TIKR. Los modelos se entrenaron en el centro de datos Prometheus, en Ohio. La acción subió alrededor de un 3,4% el día del anuncio, hasta USD 742,96.

Meta fue pionera: su serie Llama fue la primera oferta de frontera con pesos abiertos de un gran laboratorio, según Wired, pero la compañía se quedó atrás tras varias versiones decepcionantes y el empuje de Anthropic, OpenAI y Google.

Hay dos funciones nuevas que vale la pena mirar: Active Memory, que retiene lo que el usuario comparte a lo largo del tiempo, y Active Focus, que mantiene al agente trabajando pese a los bloqueos. Ambas apuntan al problema más caro de los agentes: perder el hilo en tareas largas y arrastrar errores compuestos. Ninguno de los dos modelos se publicó con pesos descargables.

Los benchmarks: quién gana y dónde

El índice agregado de Artificial Analysis ubica a Claude Opus 5.5 en 58 puntos, a Muse Wonder Full y Claude Sonnet 5.5 en 56, a GPT-6 Astra, Claude Fable 5.1 y Gemini 4 Argon en 53, y a Muse Wonder en 52, según IJR. Muse Spark, el modelo anterior de Meta, estaba en 48.

En las pruebas propias de Meta, Wonder Full saca ventaja en sesiones largas de código y en trabajo legal con documentos: 79,0 contra unos 74 de Opus 5.5 y GPT-6 Astra en DeepSWE 1.1, y 57,5 contra 46,3 en SWE-Marathon. Opus 5.5 sigue liderando en HealthBench Pro, OSWorld, Terminal-Bench y ProgramBench.

El punto débil de Meta es el conocimiento factual. En AA-Omniscience, Wonder Full llega a 30 y Wonder a 25, contra 46 de Opus 5.5, 43 de GPT-6 Astra y 42 de Gemini 4 Argon. Argon, además, registra la tasa de alucinación más baja, 15%, frente al 23% de Wonder Full.

¿Qué significa esto para tu startup?

1. Recalcula el costo de tu inferencia antes del 30 de noviembre. Argon a USD 2 y USD 10 es, según Moneycontrol, un quinto del costo de GPT-6 Astra y de los modelos Fable 5, y la mitad de Muse Wonder. Si tienes cargas pesadas de generación, moverlas ahora tiene impacto directo en el burn. Pero el precio se duplica después de esa fecha y queda a la par de Muse Wonder: modela el costo post-promoción, no el de la promo.

2. Construye una capa de abstracción de modelos. La lección de esta semana es que la ventaja de frontera dura meses, no años. Si tu producto está acoplado a un solo proveedor, cada cambio de liderazgo te cuesta un sprint de refactor. Un router de modelos con evaluación propia te deja cambiar de proveedor sin tocar el producto.

3. Elige por benchmark según tu caso de uso, no por titular. Si tu producto depende de precisión factual —legal, salud, finanzas—, la diferencia entre 46 y 30 en AA-Omniscience pesa más que un punto en el índice general. Si lo tuyo son agentes que trabajan durante horas, mira SWE-Marathon y Terminal-Bench.

4. Revisa los programas de acceso temprano. El programa Fairwind de Google da acceso anticipado a equipos de defensa cibernética y se está ampliando a cientos de socios. Si tu startup juega en ese terreno, es una puerta abierta con costo cero.

Conclusión

Google y Meta no ganaron la carrera: la reabrieron. Lo que cambió es la naturaleza de la competencia. Ya no alcanza con tener el modelo más potente, porque los modelos abiertos recortan distancia cada vez más rápido y las presiones de seguridad frenan los lanzamientos. Lo que ahora decide es el ecosistema: Meta tiene miles de millones de usuarios a un toque de distancia y Google tiene distribución en productos que casi todo el mundo usa. OpenAI, mientras tanto, trabaja por construir un ecosistema propio y posicionarse como alternativa a Meta.

Para un founder, la lectura práctica es simple: la ventana de ventaja de cualquier modelo se acorta, los precios se mueven rápido y la decisión de proveedor dejó de ser técnica para volverse financiera. Quien tenga la flexibilidad de cambiar de modelo en semanas va a capturar cada ciclo de precios. Quien no, va a pagar el precio de la promoción anterior.

Fuentes

• The Verge (fuente original)
• Moneycontrol
• CoinCentral
• Analytics Insight
• IJR
• Yahoo Finance
• Wired