Gemini 4 Argon ya está disponible de forma global con un millón de tokens de contexto

Qué ha ocurrido

Google DeepMind ha puesto Gemini 4 Argon a disposición general el 13 de octubre de 2026, dos semanas después de una preentrega limitada a defensores de ciberseguridad seleccionados a través del programa Fairwind.

Según la nota oficial de Google, el modelo llega a:

• Desarrolladores: API de Gemini en AI Studio y Android Studio. Los suscriptores de Google AI Ultra también pueden probarlo en Google Antigravity.
• Empresas: Gemini for Business, la API y Google Antigravity.
• Usuarios finales: la app de Gemini y el modo de IA de la Búsqueda, para suscriptores de los planes Ultra y Pro.
• Investigadores: solicitud abierta para acceder gratis durante seis meses al nivel de uso más alto de Google Antigravity, con admisión progresiva y sujeta a elegibilidad, capacidad y selección.
• Ciberseguridad: solicitud para entrar en el programa Fairwind y usar Argon sin las barreras de seguridad específicas de ciberataques.

El dato técnico que más consecuencias tiene

Argon trabaja con un límite unificado de un millón de tokens que cubre entrada y salida a la vez, según la propia Google. La compañía ha publicado documentación específica sobre el «protocolo de continuación» que permite seguir generando cuando se agota la parte síncrona del presupuesto.

Esto no es lo mismo que tener un millón de tokens de entrada y además un límite aparte de salida. Un presupuesto compartido significa que un documento muy largo reduce el espacio disponible para la respuesta, y al contrario. Es una decisión de diseño que traslada al usuario una parte de la gestión del contexto.

Precios

Google ha fijado un precio introductorio de 2 dólares por millón de tokens de entrada y 10 dólares por millón de tokens de salida, con un descuento del 95 % en tokens de entrada en caché. Las notas oficiales consultadas no detallan la fecha de fin de la tarifa introductoria; informaciones secundarias sitúan el final del periodo promocional el 30 de noviembre de 2026, con tarifas estándar de 4 y 20 dólares por millón de tokens a partir de entonces. Esa fecha debe considerarse pendiente de confirmación en la documentación de precios de Google.

Qué dice Google sobre rendimiento

• Vals Index: Google afirma que Argon ocupa el primer puesto en este índice, que mide rendimiento en sectores económicos concretos —finanzas, programación, legal y fiscal—. Es una métrica de terceros, y como toda métrica de benchmark conviene leerla junto a la metodología de quien la elabora y al conjunto de tareas evaluadas.
• Resistencia a inyección de prompt: según el model card, Argon encabeza el benchmark de inyección indirecta de prompt de Gray Swan, reduciendo el éxito de ataque en 15 intentos adaptativos al 0,7 %.
• Casos internos: Google documenta usos propios, como una refactorización en Chrome sobre una carpeta heredada de unos seis millones de líneas, una optimización del Agent Development Kit de Python que redujo el tiempo de preparación de sesión en memoria un 40 %, y mejoras de rendimiento de hasta 2,85× en la inferencia de modelos Gemma sobre vLLM.

Los casos internos son afirmaciones de la propia compañía. No son verificables de forma independiente y se recogen aquí como lo que son: ejemplos publicados por el fabricante.

Contexto competitivo

Argon es el primer modelo de gama alta que Google presenta en aproximadamente siete meses. En el intervalo, la compañía desplegó versiones Flash con frecuencia, mientras OpenAI publicaba GPT-6 y GPT-6.1 Sol y Anthropic lanzaba la familia 5.5 de Claude y, según informaciones de prensa, prepara su salida a bolsa.

Google ha señalado además que el resto de la familia Gemini 4 llegará más adelante, sin fechas concretas.

Qué no hace Argon

Según la documentación publicada, el modelo acepta texto, imágenes, vídeo, audio y PDF como entrada, pero produce únicamente texto. No genera imágenes ni audio, y no está disponible a través de la Live API. Para generación de imagen, Google mantiene sus modelos específicos de la familia Gemini.

Qué sigue sin saberse

• Si la fecha del 30 de noviembre para el fin del precio introductorio se confirma.
• Qué modelos completan la familia Gemini 4 y cuándo.
• Cómo se comporta la ventana de un millón de tokens en tareas reales de recuperación de información, más allá de la longitud nominal.
• Si los resultados del Vals Index se mantienen cuando la evaluación se repita con las versiones definitivas de los modelos comparados.