Google lanza Gemini 4 Argon para trabajos profesionales complejos

Google lanza Gemini 4 Argon en todo el mundo

Google ha lanzado Gemini 4 Argon, un nuevo modelo de IA de frontera que, según la empresa, está diseñado para trabajos difíciles y de varios pasos en ámbitos como la ingeniería de software, las finanzas, el derecho, la ciberseguridad y la ciencia. La compañía afirmó que el modelo está disponible globalmente desde el 13 de octubre a través de sus ofertas de API, AI Studio, la plataforma Gemini, la aplicación Gemini, AI Mode en Search y Google Antigravity para suscriptores que cumplan los requisitos.

El lanzamiento destaca menos por una única función dirigida al consumidor que por la amplitud de tareas que Google quiere que el modelo pueda realizar. Argon se presenta como un sistema para el “trabajo profundo”: tareas que exigen conservar el contexto, razonar en varias etapas y producir resultados útiles en entornos donde los errores pueden ser costosos o llevar mucho tiempo corregirlos.

Google afirmó que Argon ocupó el primer puesto en Vals Index, una prueba de referencia que describió como una medición del rendimiento en ámbitos de importancia económica, como las finanzas, la programación, el trabajo jurídico y los impuestos. Como ocurre con cualquier afirmación basada en un benchmark, el resultado debe interpretarse como un indicador de la capacidad del modelo, no como una garantía de rendimiento con los datos, flujos de trabajo o requisitos de riesgo de una organización concreta.

Un impulso hacia tareas de ingeniería más grandes

Uno de los ejemplos centrales de Google es el mantenimiento de software a gran escala. La compañía afirmó que sus ingenieros han utilizado Argon en proyectos internos difíciles, incluido el trabajo en Chromium, la base de código abierta del navegador en la que se basan Chrome y otros navegadores.

Según Google, Argon ayudó al equipo de Chrome a separar las funciones principales de gestión de páginas web de una carpeta heredada de funciones del navegador que contenía aproximadamente 6 millones de líneas de código dentro de la base de código de Chromium, de unos 40 millones de líneas. El trabajo implicó una refactorización arquitectónica en cientos de archivos. Google dijo que el modelo permitió al equipo completar en semanas un trabajo que, de otro modo, habría tardado meses.

La empresa señaló que la refactorización está destinada a permitir que las páginas web se muevan entre pestañas, paneles laterales y ventanas flotantes sin recargarse. El ejemplo ilustra el tipo de ingeniería asistida por IA que Google está destacando: no se trata solo de generar un fragmento de código independiente, sino de ayudar a los equipos a recorrer, modificar y validar cambios en una base de código grande e interdependiente.

Google también informó de que los ingenieros que utilizan Argon en Antigravity aumentaron en más de un 35% los envíos de código generados por agentes, mientras que las reversiones de código disminuyeron casi un tercio. Estas cifras son afirmaciones internas de la empresa y no demuestran que todos los equipos de desarrollo obtengan los mismos resultados. Sin embargo, indican cómo las grandes empresas tecnológicas miden cada vez más las herramientas de IA: por su efecto en la velocidad de entrega y en la proporción de cambios que deben deshacerse.

Disponibilidad y precios

Los desarrolladores y las empresas pueden acceder a Gemini 4 Argon mediante la API y los productos de plataforma de Google. Google afirmó que el modelo también está disponible para los suscriptores de Google AI Ultra en Antigravity, mientras que los suscriptores de Google AI Ultra y Pro pueden utilizarlo en la aplicación Gemini y en AI Mode en Search.

El modelo se lanza con un precio introductorio de 2 dólares por millón de tokens de entrada y 10 dólares por millón de tokens de salida. Google afirmó que los tokens de entrada almacenados en caché reciben un descuento del 95%. El precio por token importa porque las cargas de trabajo agénticas complejas pueden enviar repetidamente documentos extensos, bases de código u otro contexto a un modelo; la caché puede reducir el coste de reutilizar información en un flujo de trabajo.

Para las organizaciones, la disponibilidad en superficies para desarrolladores y consumidores significa que Argon puede aparecer potencialmente en varias partes de la misma pila tecnológica: en una aplicación personalizada mediante una API, en una plataforma orientada al trabajo y en un asistente de propósito general. Ese alcance podría facilitar la adopción, pero también plantea preguntas conocidas de gobernanza sobre dónde se procesa la información sensible, qué tareas pueden automatizarse y qué revisión humana sigue siendo necesaria.

Afirmaciones en ciencia y negocios

Google afirmó que equipos de la empresa, usuarios empresariales e investigadores ya han utilizado Argon para refactorización de código, optimización de flujos de trabajo, trabajos sobre vulnerabilidades de ciberseguridad, computación cuántica, fusión nuclear e investigación en ciencias de la vida. La compañía no presentó estos usos como un sustituto de la experiencia especializada. Más bien, describió el modelo como un acelerador para especialistas que afrontan información y procesos técnicos complejos.

Ese enfoque es cada vez más importante en la competencia entre desarrolladores de modelos de frontera. La atención está pasando de la capacidad de un chatbot para ofrecer una respuesta fluida a su capacidad para contribuir de forma fiable a una cadena de trabajo más larga. En la práctica, esto puede significar leer un repositorio grande, preparar un primer borrador de un flujo de trabajo jurídico o financiero, identificar posibles problemas de seguridad o ayudar a investigadores a organizar y poner a prueba ideas.

El anuncio de Google también pone especial énfasis en la seguridad y la fiabilidad. La compañía afirmó que desarrolló Argon de forma responsable y segura, mientras que sus ejemplos subrayan la precisión en ámbitos de alto impacto. La prueba práctica será cómo evalúan los clientes los resultados en sus propios entornos, especialmente cuando una respuesta debe verificarse frente a normas vigentes, materiales de origen, código o pruebas experimentales.

Qué cambia con el lanzamiento

Gemini 4 Argon amplía el esfuerzo de Google por convertir la IA avanzada en una herramienta de trabajo para desarrolladores, empresas e investigadores, en lugar de limitarla a un asistente de consumo. Su lanzamiento amplio y su precio basado en el uso ofrecen a las organizaciones una vía directa para poner a prueba esa propuesta.

La pregunta inmediata no es si un modelo puede intentar realizar trabajos profesionales complejos. Es si puede hacerlo con suficiente consistencia para integrarse en los procesos de revisión de equipos reales. El ejemplo de Chromium sugiere que la empresa considera el mantenimiento de código a gran escala un campo de prueba inicial. Si las mejoras comunicadas se trasladan más allá de la propia organización de ingeniería de Google, Argon podría formar parte de un movimiento más amplio hacia sistemas de IA que ayuden con trabajos técnicos sustanciales y de varios pasos.

Este artículo se basa en información del Google AI Blog. Leer el artículo original.