Gemini 4 Argon

Gemini 4 Argon es el nuevo modelo insignia de Google para razonamiento, presentado oficialmente el 13 de octubre de 2026. Su propuesta es directa: dedicar más capacidad de cómputo a los problemas difíciles —ingeniería de software, análisis financiero y legal, investigación científica y agentes de IA de larga duración— en lugar de optimizar cada respuesta para ser la más rápida posible.

La pregunta relevante no es si Argon impresiona en los benchmarks, sino si ese razonamiento extra se traduce en trabajo más fiable. La evidencia temprana es prometedora pero matizada: lidera varias pruebas de trabajo del conocimiento, programación y contexto largo, aunque no gana todas. Para tareas simples —clasificar, resumir, chatear— un modelo más pequeño y barato sigue siendo la mejor opción. Este análisis explica qué hace bien, qué hace mal, cuánto cuesta y para quién tiene sentido.

Qué es Gemini 4 Argon

Gemini 4 Argon es un modelo de razonamiento de frontera, no un ajuste fino de un modelo anterior. Según la ficha técnica (model card) de Google DeepMind, utiliza una arquitectura transformer de mezcla de expertos (mixture-of-experts) con soporte multimodal nativo. Su identificador en la API es gemini-4-argon.

Está disponible a través de la API de Gemini y de Google AI Studio, y también dentro de los productos de consumo de Google: la app de Gemini, el modo IA de la Búsqueda y la plataforma de desarrollo agéntico Antigravity, según el plan de suscripción.

Especificación	Gemini 4 Argon
ID del modelo	gemini-4-argon
Lanzamiento	13 de octubre de 2026
Ventana de contexto	1.048.576 tokens (combinados, entrada + salida)
Salida síncrona estándar	65.536 tokens
Salida extendida (long decode)	Hasta 1.048.576 tokens, con requisitos de API
Niveles de razonamiento	low, medium, high
Entradas	Texto, imágenes, audio, vídeo, PDF y documentos
Salidas	Solo texto
Generación de imágenes/audio	No soportada
Llamadas a funciones y ejecución de código	Sí
Búsqueda conectada y contexto de URL	Sí
Uso de ordenador (computer use)	En vista previa
Caché explícita de contexto	No soportada (solo caché implícita)

Un matiz importante: la ventana de un millón de tokens no significa que cualquier respuesta pueda devolver un millón de tokens de inmediato. La salida estándar se limita a 65.536 tokens; la salida extendida requiere una configuración específica de la API.

Precio de Gemini 4 Argon

Es la pregunta que más interesará a la mayoría: cuánto cuesta Gemini 4 Argon.

Precio por API (por millón de tokens)

Concepto	Hasta el 30 nov. 2026	Desde el 1 dic. 2026
Entrada	2,00 $	4,00 $
Entrada en caché	0,10 $	0,20 $
Salida (incluye tokens de razonamiento)	10,00 $	20,00 $

Dos advertencias que conviene subrayar:

• El precio de lanzamiento caduca. Los 2 $/10 $ son precios introductorios hasta el 30 de noviembre de 2026; a partir del 1 de diciembre se duplican. Un proyecto que cierra cuentas a precio de estreno puede no cerrarlas al precio estándar. Para planificar el cuarto trimestre, calcula siempre con la tarifa de 4 $/20 $.
• Los tokens de razonamiento se cobran como salida. Argon tiende a consumir más tokens que la competencia para completar la misma tarea: según las mediciones de Artificial Analysis, gasta aproximadamente el doble de tokens de salida que GPT-6 Astra por tarea. El precio por token es bajo; el coste por tarea, no tanto.

Aun así, en precio de lista Argon sale a mitad de precio que Claude Opus 5.5 (4 $/20 $) y a una fracción de GPT-6 Astra (10 $/50 $).

¿Se puede usar Gemini 4 Argon gratis?

No. Es la respuesta corta y directa que la documentación oficial no siempre deja clara:

• Plan gratuito: no incluye Argon (desde el 9 de octubre, el nivel gratuito se limita esencialmente a los modelos Flash-Lite).
• Google AI Plus (4,99 $/mes): tampoco lo incluye.
• Google AI Pro (19,99 $/mes en EE. UU.; 21,99 €/mes en España): sí, incluye acceso a Gemini 4 Argon en la app de Gemini y en el modo IA de la Búsqueda, con límites de uso intermedios.
• Google AI Ultra (desde 99,99 $/mes): acceso con los límites más altos, y además Argon dentro de Antigravity, la plataforma de codificación agéntica de Google, que es donde están las funciones de programación más avanzadas.

Es decir: la suscripción más barata para probar Argon en la app es Google AI Pro. Si tu interés principal es programar con agentes en Antigravity, necesitarás Ultra.

Capacidades: dónde destaca y dónde no

Razonamiento y resolución de problemas

Argon ofrece tres niveles de razonamiento (low, medium y high). Más razonamiento ayuda en planificación compleja, matemáticas e investigación, pero aumenta el tiempo de respuesta y el consumo de tokens. Google recomienda "medium" como valor por defecto y aconseja probar los niveles con tu propia carga de trabajo.

Ojo con una confusión habitual: resolver bien un problema no es lo mismo que explicarlo de forma convincente. Un modelo de razonamiento puede seguir cometiendo inferencias inválidas o dando por verificado algo que no lo está. Para trabajo con consecuencias reales, exige comprobaciones intermedias, citas o evidencia derivada de herramientas.

Programación: fuerte en un benchmark, rezagado en otro

Aquí está la información más útil para desarrolladores, y no es un mensaje simple:

• En DeepSWE v1.1 (ingeniería de software agéntica), Argon logra un 77,9 %, por delante de Claude Opus 5.5 (74,2 %) y GPT-6 Astra (74,1 %).
• En FrontierSWE v2, en cambio, se queda en 55,0 %, por detrás de sus competidores directos.
• En Terminal-bench 4.0 (tareas en la terminal), obtiene 57,4 %, muy lejos del 66,4 % de Opus 5.5.

La lección: la ingeniería de software no es una sola tarea. Argon parece especialmente útil para entender repositorios grandes, planificar refactorizaciones y razonar sobre arquitecturas (Google lo ha usado internamente para reestructurar código del navegador Chrome), pero los primeros reportes de usuarios lo muestran menos sólido en flujos de depuración iterativa, terminal y front-end. Si evalúas Argon para tu equipo, júzgalo por parches que compilan, pasan los tests y no rompen nada — no por el volumen de código generado.

Agentes de IA

Argon soporta llamadas a funciones, ejecución de código, búsqueda conectada, contexto de URL y uso de ordenador en vista previa, lo que lo hace adecuado como núcleo de razonamiento de un agente. Pero un agente es más que su modelo: la aplicación que lo rodea debe gestionar permisos, estados, reintentos y verificación. Para tareas largas, usa puntos de control y criterios de finalización explícitos, y mantén las acciones irreversibles detrás de confirmaciones humanas.

Contexto de un millón de tokens y multimodalidad

La especificación más llamativa de Argon es su ventana unificada de 1.048.576 tokens. Google reporta un 84,2 % de puntuación F1 en GraphWalks entre 256K y 1M tokens, muy por encima de los modelos comparados (71,8 % y 66,8 %). Es evidencia sólida de recuperación de información en contextos largos, aunque no prueba que Argon "entienda" perfectamente un archivo legal de un millón de tokens: GraphWalks mide una tarea estructurada, no toda forma de comprensión documental.

En la práctica, el contexto largo brilla cuando las relaciones entre documentos importan: analizar decenas de contratos, cruzar informes financieros con anexos, o revisar bases de código enteras. Argon acepta texto, imágenes, audio, vídeo y PDF como entrada (la salida es solo texto), lo que lo hace útil para extraer información de documentos y analizar grabaciones de pantalla o vídeo. En LVBench (comprensión de vídeo largo) logra un 91,7 %, el mejor de su grupo. Eso sí: no genera imágenes, audio ni vídeo.

Benchmarks: qué dicen las cifras y qué no

Estos son los resultados publicados por Google (datos del fabricante, no una clasificación independiente):

Benchmark	Qué mide	Gemini 4 Argon	Lectura
Vals Index	Trabajo del conocimiento	68,9 %	El mejor de los cuatro comparados
Vals Finance Agent v2	Tareas de agente financiero	65,4 %	El mejor de los comparados
Harvey's Legal Agent Benchmark	Agente legal	19,6 %	El mejor, pero en valor absoluto es bajo
DeepSWE v1.1	Ingeniería de software agéntica	77,9 %	El mejor de los comparados
FrontierSWE v2	Ingeniería de software	55,0 %	Por detrás de los alternativos
Terminal-bench 4.0	Tareas de terminal	57,4 %	Por debajo de Opus 5.5 (66,4 %)
RiemannBench	Razonamiento matemático	76,0 %	El mejor de los comparados
GraphWalks, 256K–1M	Recuperación en contexto largo	84,2 % F1	Resultado destacado
LVBench	Comprensión de vídeo	91,7 %	El mejor de los comparados
OSWorld-2.0 (offline)	Uso de ordenador	69,2 %	Por debajo de GPT-6 Astra (72,6 %)
CWE-bench v1	Ciberseguridad	68,0 %	Empatado con GPT-6 Astra

Fuente: model card y metodología de evaluación de Google DeepMind.

Tres conclusiones: Argon es especialmente competitivo en trabajo del conocimiento, finanzas, matemáticas, programación agéntica y contexto largo. No es el mejor en todo: ingeniería de software clásica, terminal y uso de ordenador son sus puntos débiles frente a la competencia. Y ningún benchmark sustituye a probar el modelo con tus propias tareas.

Como referencia independiente: Artificial Analysis sitúa a Argon con una puntuación de 53 en su Intelligence Index, empatado con GPT-6 Astra, y reporta una tasa de alucinaciones del 15 %, baja para su categoría.

Gemini 4 Argon vs ChatGPT (GPT-6 Astra) y Claude

	Gemini 4 Argon	GPT-6 Astra	Claude Opus 5.5
Precio API (entrada/salida por 1M)	2 $/10 $ (introducción, hasta el 30 nov.)	10 $/50 $	4 $/20 $
Precio estándar desde dic. 2026	4 $/20 $	10 $/50 $	4 $/20 $
Contexto	1M combinado	—	—
Puntos fuertes	Trabajo del conocimiento, finanzas, contexto largo, matemáticas	Ingeniería de software real, uso de ordenador, ciencia en terminal	Tareas de terminal, estabilidad en flujos largos
Puntos débiles	Terminal, FrontierSWE, consumo alto de tokens	Coste por token muy alto	Coste doble que Argon en introducción
Acceso de consumo	Google AI Pro y Ultra	Suscripción de OpenAI	Suscripción de Anthropic

En términos prácticos: si tu criterio es coste por capacidad de razonamiento, Argon en precio introductorio es difícil de batir (Artificial Analysis calcula que iguala el índice de inteligencia de GPT-6 Astra a un 60 % del coste por tarea). Si tu trabajo es depuración en terminal o ingeniería de front-end, Opus 5.5 o Astra siguen teniendo ventaja. Y si el precio introductorio te tienta, recuerda que el 1 de diciembre la ecuación cambia: Argon pasará a costar lo mismo que Opus 5.5.

Limitaciones y riesgos conocidos

• Alucina. La propia ficha técnica lo reconoce, y su fecha de corte de conocimiento es marzo de 2026: para información reciente, usa la búsqueda conectada y verifica.
• Puede ser lento. Los prompts difíciles pueden tardar varios minutos; Google recomienda ampliar los tiempos de espera del cliente.
• Consume muchos tokens. El razonamiento extenso se factura como salida, y Argon gasta más que la media por tarea.
• Cambios de integración. No soporta caché explícita de contexto, ignora los parámetros de muestreo (temperature, top_p, top_k) y usa caché implícita solo desde 4.096 tokens. Si tu sistema depende de cualquiera de estas funciones, migrar requiere ajustes.
• Seguridad. Google no descarta que Argon alcance umbrales de capacidad crítica en bioseguridad y ciberseguridad, y ha desplegado salvaguardas adicionales. Para agentes en producción: aísla secretos, limita accesos de red y archivos, y trata las páginas y documentos que lee como entrada no confiable (riesgo de inyección de prompts).

¿Vale la pena Gemini 4 Argon?

Depende de la tarea, y conviene decirlo sin rodeos:

• Sí, si trabajas con análisis de documentos extensos (legal, financiero, investigación), construyes agentes con razonamiento profundo, o necesitas procesar bases de código y archivos multimodales grandes. Ahí es donde Argon justifica su coste con datos.
• No, si tu uso mayoritario es chat, redacción ligera o tareas de texto simples. Un modelo Flash o equivalente te dará el 90 % del resultado a una fracción del coste y la latencia.
• Para programar, pruébalo con tu propio repositorio antes de migrar: los benchmarks muestran un perfil de fortalezas y debilidades muy concreto, no una victoria general.
• Para probarlo sin API, Google AI Pro (19,99 $/21,99 € al mes) es la puerta de entrada; solo tiene sentido para quien ya aprovecha el resto del ecosistema Google (Gemini en Gmail y Docs, 5 TB de almacenamiento, NotebookLM).

Nuestra valoración (juicio editorial basado en especificaciones públicas y benchmarks reportados por Google, no mediciones independientes): razonamiento 4,5/5, programación y agentes 4,5/5, fiabilidad 4/5, contexto y multimodalidad 4,5/5, rentabilidad 3,5/5 — global 4,3/5. Un candidato serio para cargas de trabajo exigentes; no la opción por defecto para todo.

Preguntas frecuentes

¿Qué es Gemini 4 Argon?

Es el modelo insignia de razonamiento de Google, lanzado el 13 de octubre de 2026, orientado a programación compleja, flujos de agentes, análisis de documentos y problemas científicos. Su identificador de API es gemini-4-argon.

¿Cuánto cuesta Gemini 4 Argon?

Por API, 2 $ por millón de tokens de entrada y 10 $ por millón de salida hasta el 30 de noviembre de 2026; después, 4 $ y 20 $. Los tokens de razonamiento se cobran como salida.

¿Se puede usar Gemini 4 Argon gratis?

No. Requiere Google AI Pro (19,99 $/mes en EE. UU., 21,99 €/mes en España) o Google AI Ultra. El plan gratuito y Google AI Plus no incluyen este modelo.

¿Es Gemini 4 Argon bueno para programar?

Es fuerte en tareas de ingeniería de software agéntica (77,9 % en DeepSWE v1.1), pero rezagado en benchmarks de terminal y en FrontierSWE v2 (55,0 %). Conviene probarlo con tu propio código antes de decidir.

¿Qué modelos de IA rival tiene?

Sus comparaciones oficiales son GPT-6 Astra de OpenAI y Claude Fable 5.1 / Opus 5.5 de Anthropic. Argon gana en varias pruebas de conocimiento y contexto largo; pierde en terminal, ciencia y parte de la ingeniería de software.

¿Merece la pena pagar Google AI Pro solo por Argon?

Solo si además aprovechas lo demás que incluye el plan: Gemini en Gmail, Docs y Sheets, 5 TB de almacenamiento y más límites de uso. Si solo quieres "jugar" con el modelo una vez, el coste mensual probablemente no lo compense.

Fuentes

• Model card de Gemini 4 Argon — Google DeepMind
• Documentación del modelo en la Gemini API — Google AI for Developers
• Novedades de Gemini 4 Argon y precios — Google AI for Developers
• Presentación oficial — Google DeepMind blog
• Planes y suscripciones de Google AI