Google presenta Gemini 4 Argon: 77,9% en coding y 1M tokens

El 30 de septiembre de 2026, Google anunció Gemini 4 Argon, su nuevo modelo de frontera para coding, trabajo de conocimiento y ciberseguridad. En el benchmark DeepSWE v1.1 alcanza 77,9%, por encima de GPT-6 Astra (74,1%) y Claude Opus 5.5 (74,2%), según cifras que Google publicó y replicaron Ars Technica y 9to5Google. El modelo todavía no está disponible al público: el lanzamiento arranca con el programa Fairwind para ciberdefensores de confianza y, después, se abrirá a clientes de pago de la API y suscriptores de Google AI Ultra.

Para un founder que está eligiendo stack de IA, lo relevante de Argon no es solo el número del benchmark: es el límite de salida de 1 millón de tokens (frente a los 64.000 anteriores), las primeras cifras de precio confirmadas por Google y una arquitectura orientada a tareas largas y multiagente que ya está migrando bases de código reales dentro de Google.

¿Qué es Gemini 4 Argon y por qué importa ahora?

Argon es la respuesta de Google a un verano de 2026 en el que la compañía tuvo que encajar el prometido Gemini 3.5 Pro y centrar el calendario en modelos Flash más pequeños, como recuerda Ars Technica. Argon inaugura, además, un nuevo esquema de nombres dentro de la familia Gemini.

👥 ¿Quieres ir más allá de la noticia?

En nuestra comunidad discutimos las tendencias, compartimos oportunidades y nos ayudamos entre emprendedores. Sin humo, solo acción.

👥 Unirme a la comunidad

El movimiento no es casual: Anthropic presentó Claude Opus 5.5 el 22 de septiembre de 2026, y OpenAI lanzó GPT-6 Sol y GPT-6 Luna a finales de septiembre (MacRumors). Con Argon, Google vuelve a poner un modelo insignia sobre la mesa con cifras comparables al de sus dos competidores directos en coding agéntico.

Los benchmarks que Google presentó como prueba

Google acompañó el anuncio con una batería de pruebas:

DeepSWE v1.1 (77,9%): por encima de Opus 5.5 (74,2%) y GPT-6 Astra (74,1%), según datos publicados por 9to5Google.
AutomationBench (51,3%): primer puesto en el benchmark de Zapier para ejecución end-to-end de procesos de negocio.
LVBench (91,7%): estado del arte en análisis de video largo.
CWE-bench v1 (68%): empate en el primer puesto para remediación de vulnerabilidades de seguridad.
Vals Index, Vals Finance Agent v2 y Harvey’s Legal Agent Benchmark: Argon lidera, según Google (Unite.ai).

Sobre el papel, Argon gana en coding agéntico largo, multitarea de negocio y comprensión de video extenso. En ciencia y automatización clásica, según las cifras de Anthropic y OpenAI que recoge Decrypt, GPT-6 Astra y Opus 5.5 mantienen ventaja en Terminal-Bench-Science 0.1 y en AutomationBench para flujos muy específicos.

Lo que Argon ya está haciendo dentro de Google

Google no presenta Argon como una promesa: la compañía asegura que ya está desplegado en producción interna con tres casos de uso que un founder puede leer con lupa.

Optimización de memoria en centros de datos. Un equipo de agentes Argon analizó telemetría de toda la flota y aplicó optimizaciones autónomas que liberaron más de 300 TiB de memoria, con un ahorro estimado total de 500 TiB a 1 PiB (Unite.ai).

Migración masiva de C/C++ a Rust. Agentes Argon están migrando código crítico: decenas de miles de líneas en bibliotecas como re2 y libgav1, y más de 800.000 líneas del kernel Zircon de Fuchsia OS. En el caso de libgav1, los agentes reescribieron 32K líneas de código SIMD y lograron un decodificador de video memory-safe que corre 2,7 veces más rápido que el port previo en Rust, con salida idéntica (Unite.ai).

Investigación cuántica. Argon optimizó recursos de espacio-tiempo (qubits × puertas) en subrutinas que eran cuello de botella para aplicaciones cuánticas de Google, superando una línea base publicada en un 40% en minutos (Unite.ai).

Para startups que están construyendo herramientas de refactor, agentes de optimización o pipelines de migración de código, estos casos son una referencia útil: muestran qué tipo de tareas largas y verificables se vuelven viables cuando un modelo tiene la ventana de contexto y la fiabilidad que Argon promete.

El límite de 1 millón de tokens y por qué cambia el juego

Google confirmó que Argon soporta 1 millón de tokens de salida, frente a los 64.000 de modelos Gemini anteriores. Google describe la cifra como líder del sector (9to5Google, Unite.ai).

En la práctica, esto significa tres cosas concretas:

Tareas más largas en un solo paso. Cuando el modelo tiene espacio para pensar a fondo y generar cientos de miles de tokens en una sola trayectoria, añade un nuevo nivel de profundidad de razonamiento, según Google.
Menos fragmentación de flujos. Workflows que antes había que trocear (analizar un repositorio completo, resumir un discovery legal, correr una investigación multi-documento) ahora pueden vivir en una sola llamada.
Agentes más estables. El límite alto encaja con el diseño multiagente que Google exhibe: un orquestador que reparte subtareas a varios agentes y cada uno devuelve contexto largo sin encadenar docenas de llamadas cortas.

Precio y acceso: cómo conseguirlo cuando salga

Google confirmó precios introductorios en el anuncio recogido por Unite.ai y 9to5Google:

Periodo introductorio: US$2 por millón de tokens de entrada y US$10 por millón de tokens de salida. Lectura de caché: 95% de descuento sobre el precio de entrada.
Tras el periodo introductorio: US$4 por millón de entrada y US$20 por millón de salida, mismo nivel que Claude Opus 5.5 y GPT-5.6 Sol, según Decrypt.

El acceso se está abriendo en fases: primero a ciberdefensores de confianza a través del programa Fairwind (lanzado el 2 de septiembre de 2026, con más de 650 socios globales, según Unite.ai), después a clientes de API de pago y suscriptores de Google AI Ultra.

¿Qué significa esto para tu startup?

Argon todavía no está disponible para developers en general, pero el anuncio ya te permite tomar decisiones de stack con más información. Tres acciones concretas:

Audita tus workflows largos y mira dónde se trocean hoy. Si tu agente actual divide tareas en 10 llamadas porque el límite de salida es de 64K tokens, prepárate para probar Argon en cuanto abra y medir si el salto a 1M tokens te reduce latencia y coste total por tarea.
Compara precio por tarea, no precio por token. Anthropic, OpenAI y Google han movido la conversación hacia el coste total por trabajo completado. Cuando Argon esté disponible, calcula cuánto te cuesta hoy una investigación multi-documento o un refactor de código en Claude Opus 5.5 o GPT-6 Astra, y vuelve a calcular con los precios de Argon ($2/$10 intro, $4/$20 después) para identificar dónde te conviene.
Define tu política de acceso para ciberseguridad antes del lanzamiento. Si tu producto toca código o infraestructura sensible, evalúa si entras en Fairwind o si esperas al rollout general, y documenta qué modelo usas para qué tipo de análisis. Wiz ya está usando Argon dentro de su iniciativa Scan for Good, según Unite.ai, y encontró vulnerabilidades críticas en software de salud que modelos anteriores no detectaban.