Google presentó Gemini 4 Argon, su nuevo modelo de frontera. La compañía no lo abrió a desarrolladores. Tampoco lo puso en AI Studio ni lo ofreció a sus suscriptores Ultra. Por ahora, solo un grupo selecto de expertos en ciberseguridad accede a él a través del programa Fairwind. La decisión no tiene precedente entre los grandes laboratorios de inteligencia artificial.
La razón es incómoda y directa. Un modelo con esta capacidad en las manos equivocadas puede causar daño real. Google lo entrenó para detectar, validar y corregir vulnerabilidades de software de forma autónoma. Eso tiene dos caras. Un equipo de ciberdefensa protege infraestructura crítica que los modelos anteriores no podían analizar. Un actor malicioso construye ataques que los sistemas defensivos actuales no anticipan.
Qué hace distinto a Gemini 4 Argon
El salto más concreto está en la salida. Gemini 4 Argon genera hasta un millón de tokens de una sola vez. La generación anterior de modelos de frontera se detenía en 64.000. Esa diferencia permite escribir una base de código completa o redactar un informe legal extenso. También permite producir un análisis financiero sin cortar el razonamiento a mitad.
Los benchmarks acompañan la promesa. Argon marca 77,9 % en DeepSWE v1.1, la prueba de referencia para ingeniería de software de largo plazo. Lidera AutomationBench, la prueba de Zapier, con 51,3 % en ejecución de funciones empresariales de punta a punta. Y empata el primer lugar en CWE-bench v1, con 68 % en remediación autónoma de vulnerabilidades: el mismo puntaje que Grok 4.7 y GPT-6 Astra. Son tres métricas distintas y encabeza las tres.
Dentro de Google, sus agentes ya trabajan. Reescribieron más de 800.000 líneas del kernel Zircon del sistema Fuchsia, de C++ a Rust, con auditorías automáticas y manuales en paralelo. También liberaron más de 300 TiB de memoria en los centros de datos, tras analizar la telemetría de toda la flota. En computación cuántica, el modelo superó la referencia publicada en recursos espaciotemporales por 40 %, en minutos.
La multimodalidad también dio un paso. En LVBench, que mide comprensión de vídeos largos, Argon llega al 91,7 % y lidera el ranking. Analiza gráficos profesionales y decide a partir de series de documentos. No es un modelo de texto con capacidad visual añadida: es multimodal desde el diseño.
El acceso escalonado y lo que falta
Wiz ya integró Argon en su iniciativa Scan for Good, que protege infraestructura pública crítica. En una demostración inicial, el modelo encontró una vulnerabilidad crítica en software sanitario usado en hospitales de varios países. Los modelos de vanguardia anteriores no la habían detectado.
Para los equipos de ciberdefensa que acceden al programa, Google desactiva los resguardos cibernéticos específicos. Así el modelo aprovecha todas sus capacidades. Para el resto del mundo, esas medidas siguen activas. La empresa refuerza cuatro frentes antes del lanzamiento general. El primero es el abuso en ataques químicos, biológicos, radiológicos y nucleares. El segundo, la resistencia a inyecciones indirectas de prompt. El tercero, la supervisión de desalineaciones en la cadena de razonamiento. El cuarto, los entornos de prueba aislados.
Google no da fecha. El acceso se ampliará de forma gradual. Después del grupo de ciberseguridad vienen los clientes de la API de pago y los suscriptores de Google AI Ultra. Los desarrolladores y el público general quedan para después. La compañía también participa del proceso voluntario del gobierno de Estados Unidos para el acceso previo al lanzamiento.
El precio anunciado es de 2 dólares por millón de tokens de entrada y 10 dólares por millón de salida. Es el mismo nivel de Claude Sonnet 5.5 y muy por debajo de Claude Opus 5.5. La carrera entre modelos de frontera no se detiene. La pregunta abierta es si el control sobre el despliegue durará lo suficiente para que los resguardos estén listos. Las cifras y las fuentes están en el anuncio de Google DeepMind.
Fuentes consultadas: Google DeepMind (30/09/2026), WWWhat’s new (02/10/2026), EFE (30/09/2026), Infobae (01/10/2026), El Universal (01/10/2026), CWE-bench (Collinear AI).
