Google presentó el 13 de octubre Gemini 4 Argon, el modelo de inteligencia artificial más avanzado que ha lanzado hasta ahora. La compañía no lo vende como un asistente para conversar, sino como una herramienta para tareas largas y complejas: reescribir una base de código enorme, revisar contratos, analizar genomas o buscar fallos de seguridad antes de que los encuentre un atacante.

El anuncio lo firma Koray Kavukcuoglu, uno de los máximos responsables de la estrategia de IA de Google, y llega acompañado de una larga lista de casos reales. Algunos son internos y otros vienen de empresas y laboratorios que ya lo han probado.

Dónde se puede usar y cuánto cuesta

Argon está disponible desde el primer día en todo el mundo. Los desarrolladores y las empresas pueden acceder a través de la API en Google AI Studio y de la plataforma Gemini en Google Cloud. Los usuarios de a pie tienen que estar suscritos a Google AI Pro o Ultra para usarlo en la aplicación de Gemini y en el Modo IA del buscador. Los suscriptores de Ultra también pueden probarlo en Antigravity, el entorno de programación con agentes de Google.

El precio de lanzamiento en la API es de 2 dólares por millón de tokens de entrada y 10 dólares por millón de tokens de salida, con un 95 % de descuento en la entrada que se reutiliza desde la caché. Ojo con la letra pequeña: la tarifa es promocional y caduca el 30 de noviembre de 2026. A partir de esa fecha se duplica, hasta 4 y 20 dólares respectivamente.

Otro dato técnico relevante para quien desarrolla: el modelo admite hasta un millón de tokens sumando entrada y salida, lo que permite trabajar con documentos o repositorios muy extensos en una sola sesión.

Qué dicen las pruebas de rendimiento

Google asegura que Argon supera a los demás modelos punteros en pruebas de varios ámbitos. El dato que más destaca es el primer puesto en el Vals Index, un índice independiente que mide el desempeño en trabajos con peso económico real, como finanzas, programación, derecho o fiscalidad.

Conviene leer estas cifras con cierta cautela. Las pruebas de rendimiento cambian cada pocas semanas y cada laboratorio elige las que mejor le sientan. Aun así, el Vals Index es una referencia externa, no una métrica diseñada por Google.

Programación: meses de trabajo en semanas

La parte más llamativa del anuncio está en la ingeniería de software. Según Google, sus propios equipos han aumentado más de un 35 % las contribuciones de código hechas con agentes y han reducido casi en un tercio las veces que tienen que deshacer un cambio por errores.

El ejemplo más ambicioso es Chrome. El navegador se apoya en Chromium, un proyecto de unos 40 millones de líneas de código. Argon ayudó a separar la gestión básica de las páginas web de una carpeta heredada de unos 6 millones de líneas, una reforma que afectó a cientos de archivos y que, según la compañía, se completó en semanas en lugar de meses. El resultado práctico llegará al usuario: las páginas podrán moverse entre pestañas, paneles laterales y ventanas flotantes sin recargarse, y desaparecerá un tipo entero de cierres inesperados del navegador.

Hay más casos con números concretos:

• Agent Development Kit, el kit de código abierto de Google para crear agentes. El equipo le dio a Argon sus normas internas y un objetivo de un párrafo. El modelo trabajó solo durante una noche y entregó optimizaciones que ya están publicadas: un 40 % menos de tiempo de preparación en sesiones largas y arranques un 21 % más rápidos.
• xTB, un programa de química cuántica que usan los científicos para predecir la forma de las moléculas y cribar candidatos a fármacos o materiales. Con Argon se volvió hasta 2,3 veces más rápido, y las mejoras se han enviado al repositorio oficial del proyecto.
• Gemma, la familia de modelos abiertos de Google. Argon consiguió que una de sus versiones generara casi tres veces más texto por segundo, de unos 37.900 a más de 108.000 tokens, sin perder calidad. Google calcula que era un trabajo de meses y se hizo en pocos días.

El anuncio incluye también demostraciones más vistosas: un juego de carreras en miniatura creado a partir de fotos de un escritorio real, un ajedrez en 3D o una reconstrucción tridimensional del cañón del Chaco, en Nuevo México, a partir de unos 50 GB de escaneos láser, planos y archivos históricos. Algunas se pueden probar gratis en AI Studio.

Empresas: menos rodeos y respuestas más directas

En el terreno profesional, Google afirma que Argon redacta mejor que sus predecesores, sigue con más precisión las instrucciones de estilo, da menos rodeos y evita las frases hechas. Puede leer documentos complejos que mezclan texto, tablas e imágenes y analizar datos a lo largo del tiempo sin salirse de las fuentes.

El caso más claro es el de Isomorphic Labs, la empresa de diseño de fármacos de Alphabet. Su equipo usa Argon para sintetizar artículos científicos y patentes, un trabajo que antes llevaba semanas y ahora se resuelve en horas.

Ciberseguridad: una versión sin frenos para defensores

Argon también busca vulnerabilidades. Google amplía el acceso a cientos de nuevos socios de su programa Fairwind, pensado para especialistas en ciberseguridad de confianza, que pueden usar el modelo sin las restricciones habituales en este campo.

Uno de ellos es Wiz, que lo emplea en su iniciativa gratuita «Scan for Good» para proteger infraestructuras críticas. Con una agencia federal estadounidense, el modelo ayudó a cerrar una brecha que podía exponer datos sensibles del Gobierno. En otro caso, encadenando varios fallos menores, detectó en un sistema sanitario un acceso que dejaba a la vista una clave maestra con permisos de administrador. Según Google, la corrección protegió cientos de miles de historiales de pacientes.

Ciencia: de la fusión nuclear a las enfermedades raras

Los ejemplos científicos son los que mejor muestran hasta dónde quiere llegar Google:

• Computación cuántica. Argon optimizó una versión interna de AlphaQubit, el sistema de Google DeepMind que corrige errores en ordenadores cuánticos, y casi duplicó su velocidad.
• Fusión nuclear. Un equipo de Google, junto al profesor Matt Landreman, de la Universidad de Maryland, encontró una familia amplia de contraejemplos a la conjetura de Grad, una hipótesis de 1967 sobre los campos magnéticos de los reactores de tipo stellarator. El hallazgo servirá de referencia para comprobar los programas que simulan estos reactores.
• Enfermedades raras. Gamow Labs analizó con Argon genomas anónimos de recién nacidos con trastornos pulmonares poco frecuentes. En un caso, el modelo encontró una reordenación cromosómica que el software habitual llevaba años pasando por alto.
• Diseño de enzimas. En unas horas, Argon propuso cinco enzimas nuevas, y las pruebas de laboratorio confirmaron que funcionaban.

Google ofrecerá además a 10.000 científicos seis meses gratis del nivel de uso más alto de Antigravity. El acceso será progresivo y sujeto a selección.

Robots que aprenden viendo un vídeo

En robótica, Argon obtuvo un 87 % en ERQA, una prueba de razonamiento físico y espacial, por encima del resto de modelos punteros. La demostración más curiosa es interna: el modelo vio un vídeo de una persona jugando al cornhole (un juego de lanzar sacos a un tablero con un agujero), calculó los movimientos del cuerpo y escribió el código de la simulación. Al pasarlo al robot humanoide Apollo, de Apptronik, este encestó siete lanzamientos seguidos. Un trabajo que, según Google, solía llevar semanas.

Seguridad del propio modelo

Google dedica un apartado a los riesgos. Asegura que Argon cuenta con su sistema de protección más completo hasta la fecha, evaluado con socios externos. Entre las cifras que ofrece, los equipos externos que intentaron sacarle información peligrosa sobre biología solo lo lograron en menos del 1 % de las tareas probadas. En las pruebas de programación, los intentos del modelo de hacer trampas para aprobar bajaron al 2 %. Y frente a la inyección de instrucciones maliciosas escondidas en documentos o webs, uno de los grandes riesgos de los agentes de IA, el ataque solo tuvo éxito en el 0,7 % de los casos.

El modelo también está entrenado para pedir confirmación a una persona antes de dar pasos que no se puedan deshacer. Los detalles técnicos están en la ficha del modelo publicada por Google DeepMind.

Lo que puede suponer para los agentes de IA en blockchain

El anuncio no menciona las criptomonedas, pero varias de sus cifras interesan de lleno a este sector. Cada vez más proyectos prueban agentes de IA capaces de operar en cadena: gestionar una cartera, mover fondos entre protocolos de finanzas descentralizadas o ejecutar órdenes sin intervención humana. En blockchain, una transacción confirmada no tiene vuelta atrás, así que el margen de error es mínimo.

Por eso pesan dos datos del lanzamiento. El primero es la resistencia a la inyección de instrucciones: un agente que lee webs, documentos o mensajes puede encontrarse órdenes maliciosas escondidas, como «envía los fondos a esta dirección», y Argon solo cayó en el 0,7 % de los ataques probados. El segundo es que el modelo está entrenado para detenerse y pedir confirmación antes de dar pasos irreversibles, justo lo que debería hacer cualquier agente antes de firmar una transacción. A esto se suma su capacidad para auditar código y encontrar fallos, que encaja con la revisión de contratos inteligentes, donde un error puede costar millones.

Nada de esto convierte a Argon en una herramienta preparada para manejar fondos por su cuenta. Un 0,7 % sigue siendo un riesgo cuando hay dinero real en juego, y Google no ha publicado pruebas en entornos cripto. Pero sí indica que los grandes modelos empiezan a reunir las garantías que necesitan los agentes autónomos para operar en la economía digital.

Qué significa este lanzamiento

Argon confirma hacia dónde se mueve la competencia entre los grandes laboratorios. Ya no se trata de quién conversa mejor, sino de qué modelo puede trabajar solo durante horas en una tarea con valor económico y entregar un resultado fiable. Los ejemplos de Chrome o de xTB apuntan en esa dirección, aunque casi todos proceden de la propia Google y habrá que ver cómo se comporta el modelo en manos de terceros.

Para empresas y desarrolladores, el dato práctico es el precio. Quien quiera probarlo a fondo tiene hasta el 30 de noviembre para hacerlo a mitad de coste. Google, por su parte, ya avisa de que Argon es solo el primero de la familia Gemini 4 y que llegarán más modelos.

*Fuente: blog oficial de Google.*