Gemini 4 Argon de Google iguala a los mejores modelos de IA por la mitad del coste

Google DeepMind ha vuelto a situarse en la vanguardia del desarrollo de inteligencia artificial con el lanzamiento de Gemini 4 Argon, un nuevo modelo propietario que iguala el rendimiento de sus principales competidores. Presentado a finales de septiembre de 2026, este modelo alcanza la paridad con GPT-6 Astra de OpenAI en métricas clave de inteligencia, mientras opera actualmente a un coste por tarea significativamente menor debido a su precio promocional.

Qué ha ocurrido

Gemini 4 Argon representa el primer modelo propietario de Google por encima de su clase Flash en más de siete meses. En el Artificial Analysis Intelligence Index, el modelo obtiene una puntuación de 53, idéntica a la máxima alcanzada por GPT-6 Astra y un punto superior a la de GPT-6.1 Sol. Esto supone una mejora sustancial para Google, colocándolo firmemente entre los tres principales laboratorios de IA en cuanto a capacidad bruta de inteligencia. El anterior modelo no-Flash de Google, Gemini 3.1 Pro Preview, solo obtuvo 30 puntos en el mismo índice, lo que indica un salto importante en el rendimiento.

El aspecto económico de este lanzamiento es igualmente notable. Actualmente, Google ofrece un descuento del 50% en el precio, lo que reduce el coste por tarea del Intelligence Index a 1,99 dólares. Esto supone aproximadamente el 60% del coste necesario para ejecutar una tarea comparable en GPT-6 Astra, cuyo precio es de 3,26 dólares por tarea. Sin embargo, esta eficiencia se debe a precios de tokens más bajos, no a un menor uso de tokens. De hecho, Gemini 4 Argon genera una media de 62.000 tokens de salida por tarea, más del doble de los 27.000 tokens que utiliza GPT-6 Astra. Una vez finalizado el descuento promocional, el coste por tarea subirá a 3,98 dólares, lo que lo hará ligeramente más caro que GPT-6 Astra, aunque seguirá siendo competitivo frente a otros modelos de gama alta.

Cómo funciona

La arquitectura técnica de Gemini 4 Argon admite una ventana de contexto de un millón de tokens y acepta entradas multimodales, incluyendo texto, imagen, vídeo y audio, aunque solo produce salidas de texto. Una innovación clave en su despliegue es la introducción de Long Decode Continuation. Esta función de API permite pausar y reanudar respuestas largas mediante llamadas posteriores, posibilitando procesos de razonamiento que se extienden hasta un millón de tokens de salida sin provocar tiempos de espera agotados (timeouts). Esto resulta especialmente útil para flujos de trabajo agénticos complejos que requieren lógica detallada paso a paso.

Las mejoras de rendimiento también son evidentes en las capacidades agénticas y la fiabilidad del modelo. Históricamente, los modelos de Gemini han quedado rezagados en tareas de agentes autónomos, pero Argon ocupa el primer puesto en AutomationBench-AA con una puntuación del 78%, superando a Claude Sonnet 5.5. También muestra una mejora drástica en Terminal Bench 4, aumentando 53 puntos respecto a su predecesor. Además, el modelo presenta la tasa de alucinaciones más baja entre los principales modelos que puntúan por encima de 45 en el índice de inteligencia. Con una tasa de alucinaciones del 15%, es mucho más probable que admita ignorancia a que adivine incorrectamente, aunque su puntuación bruta de precisión del 50% es inferior a la de GPT-6 Astra.

Detalles clave

• Puntuación de Inteligencia: Obtiene 53 puntos en el Artificial Analysis Intelligence Index, igualando a GPT-6 Astra (máximo) y superando a GPT-6.1 Sol (máximo).
• Precios: Actualmente con un descuento del 50% a 2/10 dólares por millón de tokens de entrada/salida, resultando en un coste de 1,99 dólares por tarea; el precio estándar será de 4/20 dólares.
• Caché: Los tokens de entrada almacenados en caché reciben un descuento del 95%, costando 0,10 dólares por millón de tokens, un aumento respecto al descuento del 90% en versiones anteriores.
• Rendimiento Agéntico: Ocupa el #1 en AutomationBench-AA con un 78% y logra una puntuación del 57% en Terminal Bench 4.
• Fiabilidad: Presenta una tasa de alucinaciones del 15%, la más baja entre los modelos de gama alta, aunque la precisión general es del 50%.
• Disponibilidad: Se está implementando actualmente para usuarios seleccionados y aún no está disponible públicamente; la fecha de fin del descuento del 50% no está confirmada.

Por qué importa

Para ingenieros de software y fundadores técnicos, el regreso de Google como competidor de primer nivel introduce una sana presión sobre los estándares de precios y rendimiento. La capacidad de igualar las puntuaciones de inteligencia más altas mientras se ofrece un coste de entrada más bajo durante el periodo promocional permite a los equipos experimentar con modelos de alto razonamiento sin tensiones presupuestarias inmediatas. La mejora significativa en las capacidades agénticas sugiere que Gemini 4 Argon podría ser un fuerte candidato para construir agentes autónomos que requieran un uso robusto de herramientas y planificación multifase, áreas donde las iteraciones anteriores de Gemini tuvieron dificultades.

No obstante, los desarrolladores deben evaluar cuidadosamente el equilibrio entre coste y eficiencia de tokens. Aunque el coste por tarea es menor durante la promoción, el alto uso de tokens significa que las aplicaciones sensibles a la latencia o con presupuestos estrictos de tokens pueden necesitar optimización. La baja tasa de alucinaciones es una ventaja crítica para aplicaciones que requieren alta confiabilidad, como asistentes legales o médicos, donde admitir incertidumbre es preferible a proporcionar información incorrecta. A medida que el modelo avanza hacia su disponibilidad general, comprender estas características operacionales será esencial para una integración efectiva.

Qué puedes hacer

• Solicita acceso anticipado si eres un usuario seleccionado para probar flujos de trabajo agénticos utilizando la nueva función Long Decode Continuation.
• Evalúa tus necesidades de presupuesto y latencia considerando el alto consumo de tokens, incluso con el descuento actual.
• Considera el uso de Gemini 4 Argon para casos de uso que prioricen la minimización de alucinaciones sobre la velocidad pura de respuesta.