En la danza de nuevos modelos que irrumpen sin pausa en el mercado de la inteligencia artificial, se busca demasiado la espectacularidad; la mayoría busca colarse en un espacio que ha sido desbrozado y ocupado por otros. Las noticias se centran en la agitación cotidiana de OpenAI y Anthropic, mientras Google parece tomarse tiempo para responder al asalto. Aunque, a diferencia del dúo de rivales, cuenta con una presencia y una clientela masivas, además de un catálogo de aplicaciones, tanto para consumo como para empresas, en las que va inyectando visión de la IA. La presentación de Gemini 4 Argon no ha sido una más, porque confirma su filiación entre los llamados modelos de frontera.
Koray Kavukcuoglu
Han pasado nueve meses desde el anterior modelo Gemini (exceptuando las variaciones Flash) y pasará alguno más antes de la disponibilidad completa de Argon. Como es práctica habitual, Google sólo ha entregado su nuevo modelo a un grupo de entes cuya lista se desconoce y gozan de su confianza; indica vagamente la fecha de disponibilidad y – he aquí una primicia – ha aceptado someterlo a un proceso voluntario de revisión gubernamental, un requisito establecido por la administración estadounidense antes del verano para combatir la propagación de incidentes de ciberseguridad generados por los propios modelos.
Mientras esta fase se dilucida, Gemini 4 se ha utilizado internamente para migrar bases de datos extensas, de código antiguo a lenguaje Rust, lo que implicaba la reescritura de 800.000 líneas de código. Además, la transición ha servido para liberar 330 TB de memoria en los centros de datos de la compañía y para mejorar en un 40% la optimización de sus algoritmos cuánticos.
Esto ha sido posible gracias a la singularidad de la arquitectura de Argon, capaz de soportar una ventana de contexto de dos millones de tokens, cifra que duplica lo que ofrecen los modelos de OpenAI y Anthropic. A esto se suma un abultado límite de tokens de salida: un millón frente a los 64.000 que sostenía la versión precedente de Gemini. De igual manera, esto representa un salto con respect a los 128.000 tokens de salida como límite que tienen GPT-6 Astra o Claude Opus 5.5.
La mención aquí de estos parámetros tiene un sentido: mostrar la intención de Google de orientar Gemini 4 a la creación y manejo de agentes. Como se vería en el evento Gemini at Work 2026 hay una continuidad: el modelo se enfoca a sostener los flujos de trabajo empresariales que implican razonamiento complejo y encadenamiento de acciones sostenidas en el tiempo.
Su amplia ventana de contexto permite procesar y estructurar grandes volúmenes de datos corporativos con agentes que requieran bucear en información, invocar aplicaciones, auditar código o documentar sus pasos antes de producir resultados: actúa como memoria a corto plazo en la IA, permite llevar a cabo los pasos necesarios para completar una tarea y repetirlos si procede, sin quedarse a mitad del proceso.
El aumento del límite de tokens de salida da aire a los agentes, podría decirse. No constriñe el razonamiento profundo cuando sea menester para tomar decisiones y al mismo tiempo habilita la posibilidad de autocorregir errores, lo que en programación implica probar el código generado en un entorno virtual y después arreglar los fallos antes de producir el resultado. Todo ello pone en evidencia una brecha entre la IA anterior de Google y su nuevo modelo, Argon.
Se pasa así de sistemas diseñados esencialmente como chatbots – aunque no se presenten como tales – para el juego de pregunta/respuesta, a una concepción muy diferente, un modelo construido desde su base para propulsar agentes autónomos .
La compañía, al presentar Argon – discretamente, ahí se nota la conciencia del retraso – ha señalado que está desarrollado para realizar tareas largas y complejas en software, ingeniería, finanzar y en los ámbitos legalles y de ciberseguridad. De hecho, en uno de los benchmarks publicados, el Vals Index – mide el impacto económico en alguna de estas áreas – el modelo aparece en primera posición. Una fórmula que concuerda con la estrategia de Google en IA, que trata de diseminar su tecnología en múltiples nichos de negocio para atender a sectores profesionales que ya tiene en su extensa clientela.
Como se ha mencionado, Argon llega tras varios retraso en la hoja de ruta de Google, como la omisión de Gemini 3.5 Pro, que estaba previsto para el pasado junio, tras conocerse la polémica propuesta de Anthropic para ralentizar el desarrollo de la IA. La propia Google respaldó esa propuesta a través del ahora jefe científico de Alphabet, Demis Hassabis, pero no ha contado con el beneplácito de la Casa Blanca, empeñada en que la IA es un capítulo intocable en la confrontación con China.
El despliegue limitado de Gemini 4 Argon se enmarca en este ambiente de cautela frente a los nuevos desarrollos en IA, en parte motivados por la puja entre OpenAI y Anthropic por llegar cuanto antes a la gran cuestación en bolsa.
Para esto, Google ha recurrido a su programa Fairwind, abierto a principios de setiembre para el modelo Gemini 3.8 Flash Cyber. Dentro de esta iniciativa hay 650 entidades entre agencias gubernamentales, operadores de infraestructuras criticas, empresas financieras y de ciberseguridad (entre ellas Palo Alto Networks y Wiz). Todos los miembros tienen acceso a una versión sin guardarrailes, para aprovechar al máximo las capacidades del nuevo modelo. Con una condición: sólo se puede usar para fines defensivos.
En estas pruebas, Wiz -adquirida por Alphabet en 2024 – detectó una vulnerabilidad crítica en un software hospitalario de uso global que exponía datos personales y no descubierta por otros modelos. Pero el objetivo de fondo es obtener comentarios de especialistas acerca del funcionamiento de Argon en entornos reales. Después de estos ensayos, que servirán para afianzar la seguridad y el alineamiento del modelo, este llegará a los clientes que acceden a través de API y a los suscriptores de Google AI Ultra. La siguiente apertura será para las empresas y desarrolladores en general.
Koray Kavukcuoglu, en su condición de nuevo Chief AI Architect de Google, que ha pasado a reportar directamente a Sundar Pichai, CEO de Alphabet y de Google, ha comentado que Argon nace con dos novedades orientadas a ciertas sospechas que soporta la IA. Una es Frontier Safety Framework, para evitar que el modelo sea usado en ataques CBRN (cibernéticos, biológicos, radiológicos y nucleares. Otra es la defensa contra la inyección de prompts con instrucciones maliciosas o que creen condiciones para un hackeo del modelo.
Lo que significa que – como sus rivales directos – Argon estará preparado para identificar, validar y parchear (según sea el caso) vulnerabilidades críticas. Una prestación que se hace absolutamente necesaria.
Como se puede apreciar, Argon es un medio del que se vale Google para situar su IA como referente del desarrollo de software en ámbitos delicados: energía, telecomunicaciones, finanzas. Son áreas en las que su envergadura, procesos internos y experiencia empresarial pueden darle ventaja competitiva frente a OpenAI y Anthropic, que no dejan de ser recién llegados que aún no han hecho pie en esos mercados. El lector puede preguntarse por qué no nombrar en este párrafo a Microsoft. Pues bien, porque si bien reúne las mismas condiciones que Google, no ha terminado de digerir el intríngulis de su dependencia recíproca con OpenAI.
Es evidente que el mundo de los agentes está cada día más poblado y más competido. En agosto, SpaceX lanzó GrokBot, mientras que Muse, el agente de Meta, ha obtenido gran reconocimiento entre analistas y consumidores en las últimas semanas. OpenAI acaba de presentar sus Dots como una nueva clase de programas autónomos que se caracterizan por estar siempre activos. A Gemini 4 se le ha dotado de una capacidad mejorada para el uso de herramientas externas, con el propósito de promover la automatización de flujos de trabajo empresariales. Está llamado a enriquecer la oferta en este terreno, con vistas a profundizar en la estrategia de integración vertical desde el chip hasta la aplicación final, con la que persigue una mayor eficiencia de costes.
Esta ambición se refleja en el precio del modelo, significativamente inferior a los de GPT-6 Astra, Fable 5.1 o Claude Opus 5.5 . El millón de tokens de entrada se pagará a 2 dólares y el de salida a 10 dólares, mientras los de caché -aquellos que no pasan por primera vez por el modelo – tendrán un precio de 0,10 dólares. Es la misma tarifa que la de GPT 6.1 Sol, si bien ambos anticipan que la aumentarán después de un tiempo inicial [ya se verá, que esto va muy rápido]. Hay que tener en cuenta las dimensiones considerables de Argon, lo que debería hacer su ejecución más costosa que lo habitual.
La fijación final del precio podría indicar el interés de Google por captar un gran número de desarrolladores y empresa sacrificando algo de rentabilidad. Pero, de fondo, reaparece un motivo en aumento, la competencia de los modelos chinos de pesos abiertos, más baratos que los estadounidenses y que, según OpenRouter, ya han conquistado un 61% del mercado.
Capítulo aparte merecerían los benchmarks, cuyo valor para la industria se desdibuja día tras día. En todo caso, Argon ha sido recibido con la puntuación más alta o empata en trece de dieciocho categorías, frente a GPT-6 Astra y Cloud Opus 5.5. Asimismo, supera a ambos en el indicador DeepSWE, que mide las tareas de ingeniería de software en entornos reales.
Es lógico entender Argon como inseparable de Gemini at Work, o como secuela del modelo, monta tanto. Thomas Kurian, CEO de Google Cloud lo describió así: “sólo hay que darle objetivos, no instrucciones; delegarlos en él y volver a recoger el trabajo acabado […] Para que un agente haga esto, debe estar conectado con el flujo de trabajo personal, con el sistema de registro y con los controles establecidos por la propia empresa”.
El agente se distingue por dos atributos. Uno es “persistente”: mantiene vivos la memoria, el contexto y la personalización a través de los canales de comunicación con otros agentes asociados. El otro es “universal”: trabaja diferentes entornos con los que el usuario está familiarizado (Google Workspace, Microsoft 365, Slack y otras aplicaciones desktop y móviles) y conecta mediante herramientas de colaboración con plataformas de Salesforce y ServiceNow así como bases de datos (BigQuery, Databrick y Snowflake). Su orquestación contempla las familias Gemini (Google) y Claude (Anthropic) sin excluir que incorpore otros en el futuro.
Este agente unificado no ha tenido la misma repercusión en los medios, quizá porque se ha pensado – erróneamente – que era más de lo mismo. Por el contrario, el emparejamiento es síntoma de la ofensiva que se prepara: su papel es múltiple: búsqueda de información, creación de documentos, escritura de código y – sin duda relevante – la coordinación con otros agentes de AI para completar tareas prolongadas mientras se valen de la misma memoria, de igual contexto de negocio e identidad, transversales a distintas aplicaciones y dispositivos.
Hasta aquí, sin salirse del ámbito de Gemini Enterprise, cuyos cimientos se pusieron el año pasado. Pero Argon sugiere un salto para enriquecer el catálogo de productos de consumo de Google, cada vez más atravesado por funciones de IA. La compañía necesitaría un Gemini 4 sólido para integrarlo en su buscador, en Gmail, su suite de productividad, Chrome o Maps. Alguno de ellos con más de 1.000 millones de usuarios, una superficie de contacto de la que carecen sus rivales. Poco importa que se hiciera esperar nueve meses: la carrera está lanzada.
[informe de Pablo G. Bejerano]