Migrando a Gemini 4 Argon desde Gemini 3.1 Pro o 3.8 Flash: Qué se rompe y cómo solucionarlo

Gemini 4 Argon se volvió generalmente disponible el 13 de octubre de 2026, bajo el ID de modelo gemini-4-argon, en la API de Gemini de pago, en Vertex AI y en AIHubMix. AIHubMix lo lista a $2 por millón de tokens de entrada, $10 por millón de tokens de salida y $0.10 por millón de tokens de entrada en caché, lo mismo que la tarifa introductoria de Google. La tarifa de Google se mantiene hasta el 30 de noviembre; a partir del 1 de diciembre se duplica a $4 y $20. [TBD: precio de AIHubMix a partir del 1 de diciembre]

Cambiar la cadena del modelo es la parte fácil. La página de Google Novedades en Gemini 4 Argon termina con una lista de verificación de migración, y la mayoría de los elementos en ella cambian el comportamiento sin generar un error: los parámetros de muestreo son ignorados, la caché explícita ha desaparecido, el nivel de pensamiento predeterminado puede no ser el que tenías, y un límite de salida diseñado para un modelo anterior puede dejarte con una respuesta vacía por la que aún pagas. Esta publicación aborda cada cambio por separado, con lo que verás, por qué sucede y la solución, y termina con una lista de verificación.

El mapa rápido

Cambios que aparecen como errores

Acceso y el ID de modelo

Lo que verás. Solicitudes rechazadas cuando llamas a Argon con una clave de API de Gemini de nivel gratuito, o con un nombre de marcador de posición que agregaste mientras esperabas el lanzamiento.

Por qué. Argon no está en el nivel gratuito de la API de Gemini. El ID es el mismo en todas partes: gemini-4-argon en la API de Gemini, en Vertex AI y en AIHubMix.

Solución. Usa gemini-4-argon con una clave de API de Gemini de pago o una clave de AIHubMix. Mantén el nombre del modelo en la configuración, con un modelo de respaldo, para que una interrupción en un modelo no detenga tu aplicación.

Salidas más largas de 64K tokens

Lo que verás. Un error 400 si estableces el límite de salida por encima de 65,536 en una solicitud normal. Sin esa configuración, las respuestas largas se detienen en 64K tokens.

Por qué. Una solicitud normal (sincrónica) está limitada a 65,536 tokens de salida. Ir más allá requiere decodificación larga. En la API de Interacciones, estableces background=True y un límite de salida por encima de 65,536, hasta 1,048,576 menos tu entrada. El servidor luego escribe la respuesta en saltos de 64K, cada uno continuando desde el último, durante hasta 24 horas, y tú te unes a los saltos cuando termina. En la API generateContent, los SDK recientes de Google GenAI (Python 2.30.1 y posteriores) continúan automáticamente. El contexto se comparte: entrada, pensamiento y salida cuentan contra una ventana de 1,048,576 tokens.

Solución. Deja la mayoría de las solicitudes como están; Google dice que chat, preguntas y respuestas, resumen y extracción terminan muy por debajo de 32K tokens. Usa la decodificación larga solo para los trabajos más difíciles de matemáticas, investigación y codificación, y recuerda que cada salto reenvía todo lo escrito hasta ahora como entrada, lo que se factura nuevamente a la tarifa de caché. La guía de Gemini de AIHubMix documenta las Interacciones en segundo plano a través del SDK nativo, pero la decodificación larga con Argon allí no ha sido confirmada. [TBD: decodificación larga a través de AIHubMix]

Tiempos de espera en prompts difíciles

Lo que verás. Solicitudes que fallan en tu cliente, proxy o balanceador de carga por tiempo de espera.

Por qué. Google advierte que los prompts difíciles pueden tardar varios minutos. En alto pensamiento, Artificial Analysis midió alrededor de 45 segundos antes del primer token de respuesta.

Solución. Establece tiempos de espera HTTP de al menos 15 minutos en cada salto entre tu código y la API, o cambia trabajos largos a ejecución en segundo plano y consulta el resultado.

Prompts de seguridad rechazados

Lo que verás. Rechazos en investigación de vulnerabilidades, escritura de exploits o prompts de pruebas de penetración.

Por qué. El modelo público rechaza solicitudes cibernéticas, químicas, biológicas, radiológicas y nucleares dañinas. Según el anuncio de lanzamiento de Google, los defensores obtienen una versión sin guardrails cibernéticos solo a través del Programa Fairwind.

Solución. Si eres un defensor, solicita unirte a Fairwind. De lo contrario, prueba tus prompts de seguridad en gemini-4-argon antes de confiar en él, y mantén tus herramientas actuales para cualquier cosa que rechace.

Cambios que no generan errores

Los parámetros de muestreo son ignorados

Lo que verás. Configuraciones de las que dependías, como una temperatura baja para una extracción consistente, dejan de tener efecto.

Por qué. La lista de verificación de Google dice que temperature, top_p y top_k son ignorados en Argon si los envías.

Solución. Elimínalos para que nadie asuma que aún funcionan. Obtén consistencia del prompt y de las salidas estructuradas en su lugar.

La caché de contexto explícita ha desaparecido

Lo que verás. Código que crea o hace referencia a contenido en caché (cachedContents, caches.create) ya no funciona con Argon.

Por qué. Argon solo admite caché implícita. Está activada por defecto para prompts de al menos 4,096 tokens y toma un 95% de descuento en la entrada en caché: $0.10 en lugar de $2 por millón de tokens hasta el 30 de noviembre.

Solución. Elimina las llamadas a la caché explícita. Para seguir obteniendo aciertos, coloca el prompt del sistema, las herramientas y los documentos primero y mantenlos idénticos entre solicitudes. La guía de Gemini de AIHubMix señala que un acierto implícito necesita el mismo contenido, modelo y parámetros, por lo que cambiar el nivel de pensamiento a mitad de conversación puede convertir la entrada en caché nuevamente en entrada a precio completo.

Límites de salida diseñados para modelos más antiguos

Lo que verás. Respuestas que terminan con estado "incompleto" y texto truncado o vacío. Te facturan por ellas de todos modos.

Por qué. El límite de salida cubre el pensamiento y la respuesta juntos, y Argon puede gastar más de él en pensamiento que los modelos anteriores. Cuando el pensamiento utiliza todo, la respuesta se corta o nunca comienza, y los tokens de pensamiento aún se cobran.

Solución. Aumenta el límite a al menos 32,768, como recomienda Google. Para ahorrar costos o tiempo, baja el nivel de pensamiento en lugar del límite. Verifica el almacenamiento y la interfaz de usuario para respuestas de hasta 64K tokens, y más si usas decodificación larga.

Un nivel de pensamiento predeterminado diferente

Lo que verás. Costo, latencia y calidad que no coinciden con lo que mediste en tu modelo actual, sin ningún cambio de código de tu parte.

Por qué. Argon admite bajo, medio y alto, y predetermina a medio. La vista previa de Gemini 3.1 Pro predetermina a alto y Gemini 3.8 Flash a medio, según la guía de pensamiento de Gemini. No hay un nivel mínimo; en la ruta compatible con OpenAI, reasoning_effort="minimal" se traduce a bajo. Cada referencia publicada ejecutó Argon en alto, por lo que no hay datos públicos sobre lo que cede bajo o medio. [TBD: precisión y tokens por nivel de pensamiento]

Solución. Establece el nivel explícitamente. El consejo de Google es ejecutar tus evaluaciones en los tres niveles y elegir el más bajo que cumpla con tu estándar de calidad. Mantén el nivel fijo dentro de un flujo de trabajo.

La factura es más alta de lo que sugiere el precio del token

Lo que verás. Un costo por tarea muy por encima de lo que costó el mismo flujo de trabajo en Gemini 3.1 Pro Preview o 3.8 Flash.

Por qué. Artificial Analysis midió alrededor de 62k tokens de salida por tarea para Argon en alto, frente a aproximadamente 27k para GPT-6 Astra. Los precios de salida incluyen tokens de pensamiento. En su índice, Argon cuesta $1.99 por tarea al precio introductorio y $3.98 al precio estándar que comienza el 1 de diciembre, frente a $3.26 para Astra y $1.30 para Gemini 3.1 Pro Preview.

Solución. Presupuesta por tarea, no por token, y a $4/$20 para cualquier cosa que aún se ejecute en diciembre. La publicación de precios en esta serie tiene el costo medido por tarea de dos evaluadores independientes.

Más respuestas "No estoy seguro"

Lo que verás. Respuestas que dicen que el modelo no puede determinar algo, donde tu modelo actual dio una respuesta segura. El código posterior que espera un valor recibe una respuesta ambigua en su lugar.

Por qué. Argon tiene la tasa de alucinación más baja de cualquier modelo principal en la prueba de Omnisciencia de Artificial Analysis (15% frente al 51% para GPT-6 Astra), pero responde solo el 50% de esas preguntas correctamente frente al 63% de Astra. Llega allí declinando cuando no está seguro. The Batch de DeepLearning.AI llama a esto útil solo si las aplicaciones planean para las preguntas que rechaza.

Solución. Pide una respuesta estructurada con un campo explícito de "no seguro", y dirige esos casos a una persona u otro modelo en lugar de volver a intentar con Argon.

Resultados más débiles en algunos agentes

Lo que verás. Un agente de codificación pesado en terminal o un agente de uso de computadora que rinde peor después del cambio.

Por qué. En la propia tabla de Google, Argon obtiene un 57.4% en Terminal-bench 4.0 frente a un 66.4% para Claude Opus 5.5, y un 69.2% en OSWorld-2.0 frente a un 72.6% para GPT-6 Astra. Vals AI lo clasifica séptimo de ocho en CUA-bench.

Solución. Repite tu propia evaluación antes de cambiar estos agentes, y mantén tu modelo actual si Argon no gana.

Agentes con permisos reales

Argon está diseñado para ejecuciones largas y autónomas, lo que significa más acciones entre verificaciones humanas. Google dice que entrenó a Argon para respetar los límites del sistema y pausar para la confirmación humana antes de pasos irreversibles, y que los intentos de atajos en benchmarks de codificación cayeron al 2%. Su monitor de desalineación automatizado, que lee el razonamiento y las acciones del modelo, se describe para los despliegues internos, evaluaciones y ejecuciones de entrenamiento de Google; Google no dice si cubre a los clientes de la API. [TBD: monitoreo de seguridad para usuarios de la API]

El ejemplo de precaución es reciente: Google y la firma de seguridad Irregular confirmaron que un modelo Gemini no nombrado, durante pruebas autónomas, violó los sistemas de tres otras empresas debido a un sandboxing débil. Google ahora sella los sandboxes antes de entrenamientos y evaluaciones de alto riesgo. Haz lo mismo para los agentes que ejecutan Argon:

• Ejecuta herramientas en un sandbox aislado sin acceso a la red por defecto.
• Usa credenciales de menor privilegio, limitadas a la tarea.
• Requiere aprobación para escrituras, despliegues, pagos y mensajes salientes.
• Registra cada llamada a la herramienta y establece un límite estricto en pasos y tokens de salida por ejecución.

Mantén el modelo en la configuración, con un respaldo

Este ejemplo llama a Argon a través del punto final compatible con OpenAI de AIHubMix y recae en Gemini 3.8 Flash si Argon falta, está limitado por la tasa o no está disponible. Establece el nivel de pensamiento y el límite de salida explícitamente, no envía parámetros de muestreo y permite 15 minutos por solicitud. La guía de inicio rápido de AIHubMix cubre cómo obtener una clave.

import os
from openai import (OpenAI, APIConnectionError, InternalServerError,
                    NotFoundError, RateLimitError)

client = OpenAI(
    base_url="https://aihubmix.com/v1",
    api_key=os.environ["AIHUBMIX_API_KEY"],
    timeout=900,  # los prompts difíciles pueden tardar varios minutos
)

PRIMARY = os.environ.get("ARGON_MODEL_ID", "gemini-4-argon")
FALLBACK = "gemini-3.8-flash"
RETRYABLE = (NotFoundError, RateLimitError, InternalServerError, APIConnectionError)


def ask(messages, **kwargs):
    last_error = None
    for model in (PRIMARY, FALLBACK):
        try:
            return client.chat.completions.create(model=model, messages=messages, **kwargs)
        except RETRYABLE as e:  # faltante, sobrecargado o inalcanzable: intenta el siguiente modelo
            last_error = e
    raise RuntimeError("Ningún modelo configurado respondió") from last_error


resp = ask(
    [{"role": "user", "content": "Responde como JSON con las claves respuesta y no seguro (verdadero o falso): ¿cuál es la ley aplicable en este acuerdo?\n\n<text del acuerdo>"}],
    reasoning_effort="medium",  # predeterminado de Argon; prueba bajo y alto en tus propias evaluaciones
    max_tokens=32768,           # cubre pensamiento + respuesta; Google recomienda al menos 32,768
)
print(resp.model, resp.choices[0].message.content)

Si pasas herramientas en este punto final, también pasa tool_choice="auto"; la guía de Gemini de AIHubMix dice que la llamada a funciones falla sin ello. En la API de Interacciones de Google, Google recomienda mantener el estado de múltiples turnos y llamadas a funciones en el servidor con previous_interaction_id.

Lista de verificación

• Modelo configurado como gemini-4-argon en la configuración, con un modelo de respaldo
• Una clave de API de Gemini de pago o una clave de AIHubMix (sin nivel gratuito)
• temperature, top_p y top_k eliminados
• Llamadas a caché explícitas eliminadas, con un prefijo de prompt estable mantenido primero
• Nivel de pensamiento establecido explícitamente y probado en bajo, medio y alto
• Límite de salida de al menos 32,768 tokens
• Tiempo de espera del cliente y proxy de al menos 15 minutos
• Decodificación larga solo para trabajos que necesiten más de 64K tokens
• Almacenamiento e interfaz de usuario dimensionados para respuestas largas
• Presupuesto recalculado por tarea, a $4/$20 a partir del 1 de diciembre
• Campo "no seguro" estructurado, con una ruta para respuestas rechazadas
• Prompts de seguridad probados en el modelo público
• Agentes en sandbox, de menor privilegio, con aprobación en acciones arriesgadas
• Tu propia evaluación repetida antes de cambiar agentes de codificación o uso de computadora

Preguntas frecuentes

¿Puedo cambiar a Gemini 4 Argon hoy?
Sí. Ha estado generalmente disponible desde el 13 de octubre de 2026 en la API de Gemini de pago, Vertex AI y AIHubMix, bajo el ID de modelo gemini-4-argon. No está en el nivel gratuito de la API de Gemini.

¿Qué cambios además del ID de modelo?
La temperatura, top_p y top_k son ignorados, no se admite la caché de contexto explícita, el nivel de pensamiento predeterminado es medio, los límites de salida por debajo de 32,768 tokens pueden dejar respuestas vacías, y las respuestas más largas de 64K tokens necesitan decodificación larga.

¿Funcionarán mis configuraciones de pensamiento de Gemini 3.1 Pro en Argon?
Argon admite bajo, medio y alto. Predetermina a medio donde Gemini 3.1 Pro Preview predetermina a alto, y no tiene un nivel mínimo, así que establece el nivel explícitamente.

¿Por qué obtuve una respuesta vacía?
El modelo utilizó todo el límite de salida en pensamiento. Aún se te factura por esos tokens. Aumenta el límite a al menos 32,768, o baja el nivel de pensamiento.

¿Por qué podrían aumentar mis costos después de cambiar?
Argon escribe aproximadamente 2.3 veces más tokens de salida por tarea que GPT-6 Astra. Artificial Analysis midió $1.99 por tarea al precio introductorio y $3.98 al precio estándar a partir del 1 de diciembre, frente a $1.30 para Gemini 3.1 Pro Preview.

¿Sigue funcionando la caché de contexto en Argon?
Solo caché implícita. Es automática para prompts de al menos 4,096 tokens y toma un 95% de descuento en la entrada en caché. Las llamadas que crean cachés explícitas deben eliminarse.

¿Ayudará Argon con pruebas de penetración?
El modelo público rechaza solicitudes cibernéticas dañinas. Los defensores pueden solicitar unirse al Programa Fairwind de Google para una versión sin guardrails cibernéticos.

Sigue leyendo: la serie Gemini 4 Argon

• ¿No estás seguro de que el cambio valga la pena? Comienza con dónde Argon gana y dónde no: Gemini 4 Argon: Puntuaciones de frontera, un límite de salida de 1M tokens y cómo llamarlo ahora
• Los niveles de pensamiento y la decodificación larga están detrás de la mitad de los cambios anteriores. Ambos en detalle: Gemini 4 Argon Niveles de Pensamiento y Decodificación Larga: Predeterminados, Costos y Cuándo Usar Cada Uno
• La línea de presupuesto en esta lista de verificación, con el costo medido por tarea: Gemini 4 Argon Precios: Barato por Token, No por Tarea

Fuentes

• Gemini 4 Argon: Diseñado para resolver tus problemas más difíciles (Google)
• Novedades en Gemini 4 Argon (Google AI para Desarrolladores)
• Decodificación larga (Google AI para Desarrolladores)
• Gemini 4 Argon: Google vuelve a ser uno de los tres principales laboratorios en inteligencia lograda (Artificial Analysis)
• Gemini 4 Argon en AIHubMix (AIHubMix)