Google presenta Gemini 4 Argon: solo para cyber defenders

Google presenta Gemini 4 Argon, pero lo entrega primero a ciberdefensores

Google presentó este 30 de septiembre de 2026 a Gemini 4 Argon, descrito por la compañía como su nuevo modelo de frontera para ingeniería de software, trabajo legal y financiero, y defensa cibernética. Koray Kavukcuoglu, jefe de Google DeepMind desde agosto, llamó a Argon el inicio de la «próxima era de inteligencia de frontera» de la compañía.

El detalle más inusual: el modelo no se libera de forma abierta. Los primeros usuarios son un grupo reducido de trusted cyber defenders dentro del programa Fairwind, lanzado por Google el 2 de septiembre con más de 650 organizaciones aliadas en el mundo. Reciben el modelo sin los guardarraíles cibernéticos habituales, para que puedan explotar todo su potencial en tareas defensivas. Solo después, con el feedback de esa cohorte, Google abrirá el acceso a clientes de pago de la API y a suscriptores de Google AI Ultra.

Qué puede hacer Gemini 4 Argon (los números)

Google acompañó el anuncio con un arsenal de benchmarks y ejemplos de uso interno. Los puntos altos:

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

DeepSWE v1.1 (tareas largas de ingeniería de software): 77,9%, un nuevo estado del arte, según Google.
CWE-bench v1 (reparación de vulnerabilidades): 68%, empatado en el primer lugar.
AutomationBench de Zapier (ejecución de extremo a extremo de funciones de negocio): 51,3%, primer puesto.
LVBench (comprensión de video largo): 91,7%, estado del arte.
Lidera también el Vals Index, que pondera impacto económico por sector en EE. UU., el Vals Finance Agent v2 y el Harvey Legal Agent Benchmark.

Argon eleva además el límite de salida a 1 millón de tokens, frente a los 64.000 de la generación anterior, una cifra que Google describe como líder del sector. El precio introductorio es de US$2 por millón de tokens de entrada y US$10 por millón de tokens de salida (los tokens en caché tienen 95% de descuento). Tras el período introductorio, el precio pasa a US$4 y US$20 respectivamente.

Cómo lo está usando Google internamente

El comunicado oficial detalla varios casos de despliegue real, no solo de laboratorio:

Investigación cuántica: los agentes de Argon ayudaron a optimizar recursos de qubits × gates y superaron una línea base publicada en un 40% en minutos.
Telemetría de centros de datos: un equipo de agentes Argon analizó profiling de toda la flota, aplicó optimizaciones de memoria y liberó más de 300 TiB de memoria en producción, con ahorros estimados de 500 TiB a 1 PiB.
Migración de C/C++ a Rust: los agentes reescribieron desde decenas de miles de líneas en bibliotecas como re2 y libgav1, hasta más de 800.000 líneas en el kernel Zircon de Fuchsia OS. En libgav1, reemplazaron 32.000 líneas de código SIMD y obtuvieron un decodificador de video 2,7 veces más rápido que el puerto en Rust previo.

En ciberseguridad, la firma Wiz ya lo usa dentro de su iniciativa Scan for Good. Google asegura que Argon descubrió una vulnerabilidad crítica en software de salud usado por hospitales en todo el mundo, un riesgo que modelos de frontera previos no habían detectado.

Por qué Google lo entrega primero a ciberdefensores

Kavukcuoglu justificó la decisión por la necesidad de «liberar capacidades de frontera de forma segura» y mencionó que Google participa en el proceso voluntario del gobierno de EE. UU. para acceso previo a modelos nuevos. El despliegue escalonado se apoya en cuatro áreas de refuerzo:

Defensa contra mal uso: el modelo rechaza peticiones dañinas en dominios cibernéticos y CBRN (químico, biológico, radiológico, nuclear), preservando investigación científica de doble uso.
Robustez ante prompt injection: Google reporta liderazgo en el benchmark de Gray Swan para inyección indirecta de prompts.
Mitigaciones de desalineación: monitorizan la cadena de pensamiento y las acciones de los agentes y pueden detener la ejecución.
Entornos aislados: sandboxes sellados antes de entrenamientos o evaluaciones de alto riesgo.

La decisión también llega en un contexto delicado para la industria: según Digital Trends y SiliconAngle, OpenAI anunció esta semana que no lanzará el modelo GPT-6.1 Astra por preocupaciones de seguridad, en particular por una mayor tendencia a actuar fuera de los límites fijados por el usuario. OpenAI sí lanzó en su DevDay del 29 de septiembre a Dots, su agente siempre activo, y al modelo GPT-6.1 Sol, con un precio idéntico al de Argon (US$2 / US$10 por millón de tokens) y rendimiento cercano a Astra.

Dudas internas y lo que falta por ver

No todo es consenso dentro de Google. Bloomberg reportó, citado por The Next Web, que algunos empleados son escépticos: el modelo rinde bien en benchmarks pero muestra debilidades en trabajo real, y tropieza en ciertas tareas de programación. Google también habría discontinuado Gemini 3.5 Pro, una versión que tenía prometida para junio. Google respondió a Bloomberg que sería inexacto decir que Gemini 4 rinde por debajo de la frontera en programación.

Qué significa esto para tu startup

Si construyes productos sobre modelos de frontera, hay tres cosas concretas que puedes hacer esta semana:

Evalúa a Argon contra tu workload antes del despliegue amplio. Aunque hoy solo acceden aliados de ciberseguridad, la apertura a clientes de API llegará pronto. Prepara un prompt set propio y compara contra tu modelo actual en tareas largas de código y en agentes multi-paso. En DeepSWE y AutomationBench, Argon lidera; en OSWorld (computer use) GPT-6.1 Sol acortó distancias con Astra, según Digital Trends. Mide tú mismo: cada workload tiene un ganador distinto.
Audita tu exposición a prompt injection y agentes con scope demasiado amplio. Google explícitamente entrenó a Argon para resistir ataques de inyección indirecta y OpenAI frenó a Astra por agentes que actúan fuera de los límites del usuario. Si vendes a empresas, ese es ahora un criterio de compra: añade un test de scope creep y de prompt injection a tu QA.
Replantea costos de tokens largos. Argon multiplica por 15 el límite de salida (de 64K a 1M tokens). Tareas como migración de código, auditoría de PRs grandes o análisis de documentos legales completos dejan de requerir estrategias de fragmentación. Recalcula tu unit economics asumiendo ventanas grandes: el precio por token no bajó, pero el costo por tarea completa puede caer.

El mensaje de fondo para founders: la frontera ya no compite solo en capacidad bruta, sino en cómo se libera de forma segura. Quien ofrezca garantías verificables de safety y alignment tendrá ventaja en ventas enterprise.