Gemini 4 Argon: Puntuaciones de Frontier, un límite de salida de 1M tokens y aún sin ID de modelo público

Gemini 4 Argon es el primer modelo Gemini 4 de Google y el más potente hasta ahora. Los evaluadores independientes lo colocan al nivel de GPT-6 Astra, lidera el Índice Vals para trabajos financieros, legales y fiscales, y puede escribir hasta 1M de tokens en una sola respuesta. Durante su promoción de lanzamiento, también cuesta menos por token que Astra.

El inconveniente es el acceso. A partir del 13 de octubre de 2026, Argon se está implementando solo para defensores cibernéticos en el Programa Fairwind de Google. Google no ha publicado un ID de modelo, no está en la lista de modelos de la API de Gemini, y aún no está disponible en AIHubMix. Esta publicación cubre lo que ha cambiado, dónde Argon gana y dónde no, y quién debería comenzar a planear para ello.

La versión corta

• Argon reemplaza a Gemini 3.1 Pro Preview en la parte superior de la línea de Google. Es el primer modelo nuevo de Google por encima del nivel Flash en más de siete meses.
• En el Índice de Inteligencia de Análisis Artificial, obtiene una puntuación de 53, la misma que GPT-6 Astra en razonamiento máximo y 23 puntos por encima de Gemini 3.1 Pro Preview.
• Tiene la tasa de alucinación más baja de cualquier modelo con alta puntuación en la prueba de Análisis Artificial (15%), pero también responde correctamente a menos de esas preguntas que Astra.
• Se queda atrás de Claude Opus 5.5 y GPT-6 Astra en codificación pesada en terminal y uso de computadoras.
• Precio introductorio: $2 de entrada y $10 de salida por millón de tokens, aumentando a $4 y $20. Google no ha dicho cuándo termina la promoción.
• Quién puede usarlo hoy: miembros de Fairwind. Los clientes de API de pago y suscriptores de Google AI Ultra vienen después, sin fecha.

Qué cambió de Gemini 3.1 Pro Preview

La publicación de lanzamiento de Google enmarca a Argon en torno a trabajos de "largo horizonte": ingeniería de software del mundo real, trabajo de conocimiento empresarial como legal y financiero, y defensa cibernética. El cambio concreto más grande es el techo de salida.

Los precios de 3.1 Pro Preview son para solicitudes de hasta 200k tokens ($4 / $18 por encima de eso). Argon no ha publicado un nivel de precio para contexto largo.

Un límite de salida de 1M tokens. Los modelos Gemini anteriores se detenían en 64K tokens de salida. Argon puede continuar hasta 1M, utilizando una nueva función de la API de Gemini llamada Long Decode Continuation que pausa una respuesta larga y la reanuda a través de llamadas de seguimiento para que no se agote el tiempo. Los propios ejemplos de Google muestran por qué esto es importante: sus agentes han utilizado Argon para migraciones de C y C++ a Rust, incluyendo más de 800K líneas del núcleo Fuchsia Zircon, y para una biblioteca reemplazaron 32K líneas de código SIMD con Rust seguro que se ejecuta 2.7 veces más rápido que el puerto anterior de Rust. Esos son trabajos donde un límite de 64K te obligaba a dividir el trabajo manualmente.

Un nuevo esquema de nomenclatura. No hay etiqueta Pro o Flash, solo un número de generación y un nombre en clave. Google había planeado un Gemini 3.5 Pro a principios de 2026 y pasó de él.

Un lanzamiento restringido. Argon fue entrenado específicamente para trabajo defensivo cibernético, y Google dice que puede "encontrar, validar y parchear de forma autónoma vulnerabilidades críticas de software". Los miembros de Fairwind y los equipos internos de Google obtienen una versión sin restricciones cibernéticas. El lanzamiento más amplio rechazará solicitudes dañinas cibernéticas, químicas, biológicas, radiológicas y nucleares.

Lo que se mantuvo igual. La salida sigue siendo solo texto. Las entradas cubren texto, imágenes y video (Análisis Artificial también incluye el habla). Los evaluadores de terceros informan de una ventana de contexto de 1M tokens; la publicación de lanzamiento de Google no indica el límite de entrada. [TBD: ventana de contexto oficial]

Cómo se compara con GPT-6 Astra, Claude Opus 5.5 y Fable 5.1

La tabla a continuación proviene de la tabla de referencia de Google DeepMind. Google ejecutó Argon en su configuración de pensamiento más alta y utilizó principalmente números autoinformados o de tablas públicas de los rivales, así que trátalo como datos del proveedor. Análisis Artificial y Vals AI han publicado resultados independientes, citados después de la tabla.

OSWorld-2.0 es el subconjunto fuera de línea, puntuación parcial. GraphWalks es F1. La tabla completa tiene 19 filas; Argon lidera o empata en 14 de ellas.

Tres patrones destacan:

• El trabajo de conocimiento es donde la brecha es más amplia. En la referencia del agente legal de Harvey, Argon obtiene 19.6% frente a un máximo de 6.7% para los demás. En el Agente Financiero v2, la ventaja es de más de seis puntos.
• Las entradas muy largas se mantienen. En GraphWalks entre 256k y 1M tokens, Argon mantiene 84.2% donde los demás caen alrededor de 65–72%.
• La codificación es mixta. Argon lidera en DeepSWE pero se queda atrás en FrontierSWE (Astra) y Terminal-bench 4.0 (Opus 5.5).

Los números independientes están en gran medida de acuerdo. Análisis Artificial puntúa a Argon (alto) en 53 en su Índice de Inteligencia, empatado con GPT-6 Astra (máx) y un punto por delante de GPT-6.1 Sol (máx). Su ejecución en Terminal Bench 4 coloca a Argon en 57%, detrás de Claude Sonnet 5.5, Claude Opus 5.5 y GPT-6 Astra. Vals clasifica a Argon como el primero de los modelos en su índice, con su mejor resultado individual en Agente Financiero v2, y lista el uso de computadoras (CUA-bench) como un punto débil.

El intercambio detrás de "baja alucinación"

La prueba de Omnisciencia de Análisis Artificial hace preguntas fácticas difíciles y penaliza respuestas incorrectas confiadas. La tasa de alucinación de Argon es del 15%, la más baja de cualquier modelo que puntúe 45 o más en el índice; la de GPT-6 Astra es del 51%. Pero la precisión de Argon en las mismas preguntas es del 50%, frente al 63% de Astra. Argon obtiene su baja tasa de alucinación al negarse a responder cuando no está seguro, no porque sepa más.

Para la revisión legal y financiera, a menudo ese es el intercambio correcto: una negativa es fácil de detectar y dirigir a una persona u otro modelo, mientras que una cifra incorrecta confiada puede pasar desapercibida para un revisor. Solo vale la pena si tu aplicación tiene un lugar para enviar las preguntas que Argon rechaza.

Dónde Argon no es la mejor opción

• Agentes de codificación pesados en terminal. La propia tabla de Google tiene a Opus 5.5 en 66.4% en Terminal-bench 4.0 frente al 57.4% de Argon, y la ejecución de Análisis Artificial está de acuerdo con el orden.
• Uso de computadoras. Astra lidera OSWorld-2.0, y Vals clasifica a Argon séptimo de ocho en CUA-bench.
• Preguntas que necesitan una respuesta cada vez. Una precisión de 50% en Omnisciencia significa muchas respuestas de "no estoy seguro" en el recuerdo fáctico difícil.
• Trabajo sensible a la latencia. Argon promedió alrededor de 62k tokens de salida por tarea de Análisis Artificial, frente a aproximadamente 27k para Astra. Google no ha publicado cifras de velocidad. [TBD: velocidad de salida y tiempo hasta el primer token]
• Cualquier cosa que tenga que enviarse este trimestre. Aún no puedes llamarlo.

Quién debería cambiar, esperar o quedarse

"Planificar para Argon" significa: prototipar el flujo de trabajo en Gemini 3.8 Flash o 3.1 Pro Preview hoy, presupuestar al precio estándar de Argon y cambiar el ID del modelo cuando se abra el acceso.

Preparándose en AIHubMix

Argon tiene una página de modelo en AIHubMix bajo el ID gemini-4-argon, pero está marcada como "próximamente" y aún no tiene precio. [TBD: fecha de disponibilidad de AIHubMix]

Puedes construir el flujo de trabajo ahora en los modelos de Gemini que AIHubMix ya ofrece, como Gemini 3.8 Flash, y mantener el ID del modelo en la configuración. El punto final compatible con OpenAI funciona con el SDK estándar de OpenAI; la guía de AIHubMix Gemini también cubre el SDK nativo de Google.

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://aihubmix.com/v1",
    api_key=os.environ["AIHUBMIX_API_KEY"],
)

# AIHubMix lista Argon como gemini-4-argon (próximamente). Prototipa en
# Gemini 3.8 Flash, luego establece ARGON_MODEL_ID=gemini-4-argon una vez que se abra.
MODEL = os.environ.get("ARGON_MODEL_ID", "gemini-3.8-flash")

resp = client.chat.completions.create(
    model=MODEL,
    reasoning_effort="high",
    messages=[
        {"role": "user", "content": "Enumera las cláusulas de terminación en el contrato a continuación. Dilo si no estás seguro de alguna de ellas.\n\n<texto del contrato>"},
    ],
)
print(resp.choices[0].message.content)

En la ruta compatible con OpenAI, reasoning_effort se mapea a las configuraciones de pensamiento de Gemini. Qué valores acepta Argon aún no está documentado. [TBD: niveles de razonamiento de Argon en AIHubMix]

Cuando Argon se abra en AIHubMix, su precio y parámetros soportados se mostrarán en esa página de modelo.

FAQ

¿Puedo usar Gemini 4 Argon a través de la API hoy?
Solo si tu organización está en el Programa Fairwind de Google. Los clientes de API de pago y los suscriptores de Google AI Ultra son los siguientes en la fila, pero Google no ha dado una fecha.

¿Cuál es el ID de modelo de Gemini 4 Argon?
Google no ha publicado uno. En AIHubMix, Argon está listado como gemini-4-argon en una página de modelo marcada como "próximamente". Una llamada a ese ID a través de la propia API de Google devolvió un error 404 el 1 de octubre.

¿Es Gemini 4 Argon mejor que GPT-6 Astra?
En el índice de Análisis Artificial empatan. Argon lidera en trabajo de conocimiento, recuperación de contexto largo y comprensión de video; Astra lidera en FrontierSWE, tareas científicas en terminal y uso de computadoras.

¿Es Gemini 4 Argon bueno para codificación?
Es fuerte en DeepSWE y Vibe Code Bench, pero Claude Opus 5.5 y GPT-6 Astra aún lideran en codificación agente pesada en terminal.

¿Qué significa el límite de salida de 1M tokens en la práctica?
Un solo trabajo puede producir mucho más que el antiguo límite de 64K, como una gran migración de código o un informe largo. Google dice que esto depende de Long Decode Continuation, que pausa y reanuda respuestas largas a través de llamadas.

¿Por qué la tasa de alucinación es baja pero la precisión solo del 50%?
Argon se niega a responder con más frecuencia cuando no está seguro. Eso reduce las respuestas incorrectas confiadas, pero también disminuye la proporción de preguntas que responde correctamente.

¿Cuándo estará Gemini 4 Argon en AIHubMix?
Aún no hay fecha. Su página de modelo en AIHubMix está activa pero marcada como "próximamente". Trabaja en Gemini 3.8 Flash o 3.1 Pro Preview a través de AIHubMix ahora y cambia el ID del modelo cuando Argon se abra.

Sigue leyendo: la serie Gemini 4 Argon

• El precio de lanzamiento de $2/$10 parece barato hasta que cuentes los tokens por tarea. El costo medido por tarea está aquí: Precios de Gemini 4 Argon: Barato por Token, No por Tarea

Fuentes

• Gemini 4 Argon: nuestra próxima era de inteligencia de frontera (Google)
• Modelos y referencias de Gemini (Google DeepMind)
• Gemini 4 Argon: Google vuelve a ser uno de los tres principales laboratorios en inteligencia lograda (Análisis Artificial)
• Referencias, costos y capacidades de Gemini 4 Argon (Vals AI)
• Gemini 4 Argon en AIHubMix (AIHubMix)