Anunciado Gemini 4 Argon: salida de 1 millón de tokens y acceso gradual

Google anunció su nuevo modelo insignia de IA, Gemini 4 Argon, el 30 de septiembre de 2026. El modelo, centrado en el razonamiento para tareas largas y de varios pasos, estará disponible inicialmente para especialistas en ciberseguridad seleccionados que participan en el programa Fairwind y para los equipos internos de Google. No se ha anunciado cuándo se ampliará el acceso a desarrolladores, empresas y usuarios particulares.

Un nuevo límite para respuestas más largas

Según la información de Google, Argon puede generar hasta 1 millón de tokens en una sola respuesta. El límite máximo anterior era de 64 mil tokens. La ventana de contexto de entrada también es de 1 millón de tokens. El modelo puede procesar entradas de texto, imágenes, video y audio, pero genera únicamente texto.

La nueva función «Long Decode Continuation», diseñada para evitar que se corten las respuestas largas, se incorporará a Gemini API. Esta función permite continuar generaciones extensas mediante solicitudes posteriores, con el objetivo de reducir el riesgo de que la respuesta agote el tiempo de espera. El enfoque de Google busca que las tareas complejas puedan prolongarse durante más tiempo dentro de un mismo flujo de trabajo.

Acceso y precios de la API

Google ofrecerá el modelo de forma gradual. El primer grupo estará integrado por especialistas en ciberseguridad seleccionados dentro de Fairwind. En esta etapa, se recopilarán comentarios de los primeros usuarios para mejorar las medidas de seguridad del modelo. En la siguiente fase, se prevé abrir el acceso primero a clientes de pago de la API y a suscriptores de Google AI Ultra, y ampliarlo después. Google no ha dado una fecha concreta para la disponibilidad general.

El precio inicial anunciado para la API es de 2 dólares por millón de tokens de entrada y 10 dólares por millón de tokens de salida. Al terminar el periodo promocional, se prevé que los precios suban a 4 y 20 dólares, respectivamente. Google indica un descuento del 95 % para las entradas almacenadas en caché. Por eso, para los desarrolladores será importante vigilar no solo el precio de lista del modelo, sino también la cantidad de tokens de salida que consumen las tareas largas.

¿Qué indican los benchmarks?

En la evaluación de Artificial Analysis citada por The Decoder, Argon obtuvo 53 puntos en el Intelligence Index con el nivel de razonamiento «High» más alto. El resultado está al mismo nivel que GPT-6 Astra y Claude Fable 5.1, y un punto por encima de GPT-6.1 Sol. Se trata de resultados de evaluaciones independientes; el rendimiento en el uso real puede variar según la tarea y el software utilizado.

En la misma evaluación, el modelo obtuvo un 77,5 % en AutomationBench-AA. Se informó de un resultado del 57 % en Terminal Bench 4. Según el cálculo de costo por tarea de Artificial Analysis, una prueba cuesta 1,99 dólares con los precios promocionales y 3,98 dólares con las tarifas normales. También se indica que Argon utiliza, en promedio, 62 mil tokens de salida por tarea, mientras que GPT-6 Astra usa 27 mil. Por lo tanto, un menor precio por token no implica necesariamente un menor costo total en cada tarea.

Flujos de trabajo de arquitectura y visualización

Para los estudios de arquitectura, interioristas y equipos de visualización, la ventana de contexto extensa y la compatibilidad con múltiples tipos de entrada podrían permitir analizar, dentro de un mismo trabajo, materiales con numerosos textos, imágenes o videos. Por ejemplo, pedir análisis de documentos del proyecto o de referencias visuales podría ser uno de los usos basados en texto de un modelo de este tipo; sin embargo, las fuentes no incluyen pruebas específicas en flujos de trabajo de arquitectura.

Hay una limitación importante: Argon no genera imágenes ni contenido 3D, solo texto. Por ello, no se espera que sustituya directamente a las herramientas de renderizado o modelado. El consumo de tokens en tareas largas puede influir en el costo; además, el acceso aún limitado significa que los equipos no podrán incorporar el modelo de inmediato a sus procesos de producción actuales. Tampoco se ha publicado información sobre los requisitos de hardware.