Gemini 4 Argon llega primero a defensores de ciberseguridad, con 1M de tokens de salida y precio inicial de US$2/US$10

Google anunció este miércoles Gemini 4 Argon, al que presenta como su nuevo modelo de frontera. Más que un lanzamiento, es una apertura por etapas. Según el anuncio de Google, Argon llega primero a un grupo de defensores de ciberseguridad dentro del Fairwind Program. Desarrolladores, empresas y consumidores vienen después, sin fecha. Google dice que participa del proceso voluntario de acceso previo del gobierno de EE.UU. mientras amplía el acceso y sigue ajustando las salvaguardas.

Con lo que ya podés planificar es con el precio, el tope de salida y el orden de la fila. Las cifras de benchmarks son de Google y todavía nadie las reprodujo de forma independiente.

Qué anunció Google, concretamente

• Acceso: los primeros usuarios son defensores de ciberseguridad de confianza dentro de Fairwind. Google dice que la apertura más amplia va a empezar por los clientes pagos de la API y los suscriptores de Google AI Ultra, pero no da fecha y no publicó un ID de modelo público.
• Precio: un precio introductorio de US$2 por millón de tokens de entrada y US$10 por millón de salida, con la entrada cacheada al 95% de descuento sobre el precio de entrada. Una nota al pie aclara que, cuando termine el período introductorio, pasa a US$4 de entrada y US$20 de salida. Google no dice cuándo termina.
• Tope de salida: 1 millón de tokens de salida por respuesta, contra 64K en los Gemini anteriores. Google dice que es el más alto de la industria.
• Posicionamiento: ingeniería de software de largo aliento, trabajo de conocimiento empresarial como el legal y el financiero, y ciberseguridad defensiva.

El Fairwind Program existe desde el 2 de septiembre. Google lo abrió para gobiernos, operadores de infraestructura crítica y plataformas tecnológicas centrales. Hasta ahora les daba acceso a Gemini 3.8 Flash Cyber y a CodeMender, una herramienta de remediación. Google dice que los defensores de confianza y sus propios equipos internos van a recibir Argon sin salvaguardas de ciberseguridad, para aprovechar toda su capacidad de encontrar vulnerabilidades. Es raro que un laboratorio lo diga tan de frente, y explica por qué el acceso está tan restringido.

Los números son los de Google

Google dice que Argon saca 77,9% en DeepSWE v1.1, un benchmark de ingeniería de software de largo aliento, y lo presenta como un nuevo estado del arte. También informa 51,3% en AutomationBench de Zapier (primer puesto), 91,7% en LVBench, que mide comprensión de video largo, y 68% en CWE-bench v1, empatado en el primer puesto en remediación de vulnerabilidades. Además dice que Argon encabeza el Vals Index, un índice compuesto de finanzas, código, legales e impuestos, ponderado por el peso de cada sector en el PBI de EE.UU.

Todo eso sale del anuncio. Este tipo de benchmarks sirve como orientación, pero Google eligió cuáles mostrar. TechCrunch señala que el blog compara a Argon favorablemente con GPT-6 Astra de OpenAI y con Fable y Opus de Anthropic, y lo describe como parte de la carrera de marketing entre laboratorios. Hasta que Argon esté disponible en general y terceros puedan correrlo, tomá estas cifras como afirmaciones del proveedor, no como un ranking.

Los ejemplos internos merecen la misma cautela, aunque son más concretos que la anécdota típica de lanzamiento. Google dice que agentes de Argon liberaron más de 300 TiB de memoria en sus data centers analizando perfiles de toda la flota. Dice que están migrando bases de código de C y C++ a Rust, incluidas más de 800.000 líneas del kernel Zircon de Fuchsia. También dice que reescribieron 32.000 líneas de código SIMD en un port a Rust del decodificador de video libgav1, y que el resultado, según Google, corre 2,7 veces más rápido con salida idéntica. Google aclara que las reescrituras grandes todavía pasan por auditorías automáticas y manuales antes de llegar a producción.

Por qué el precio importa más que los benchmarks

A US$2/US$10, el precio introductorio de Argon coincide con lo que OpenAI cobra por GPT-6.1 Sol, lanzado en el DevDay el día anterior. Yahoo Finance hizo la misma comparación. El precio anunciado para después del período introductorio, US$4/US$20, es la misma tarifa de lista que Anthropic fijó la semana pasada para Claude Opus 5.5. Las dos quedan muy por debajo de los US$10/US$50 de GPT-6 Astra y Claude Fable 5.1.

Dicho en simple: en unos diez días, tres laboratorios ubicaron su nivel de frontera en la misma franja de US$2 a US$4 de entrada. Elegir modelo pasa a ser menos una cuestión de cuál podés pagar y más una de cuál rinde mejor por dólar en tu carga de trabajo concreta. Eso solo se averigua probando con tus propias tareas.

Dos salvedades. El precio introductorio no tiene fecha de vencimiento anunciada, así que cualquier cálculo de costos armado sobre US$2/US$10 conviene correrlo también a US$4/US$20. Y por ahora nada de esto te aplica: fuera de Fairwind, hoy nadie puede llamar al modelo.

Un tope de 1M de tokens de salida cambia cómo fallan las cosas

El tope de 1M de salida es lo más distintivo en la práctica. La mayoría de los prompts en producción están calibrados para topes de salida de decenas de miles de tokens. Por eso las tareas largas se parten en pedazos, por eso a los agentes se les pide ser escuetos y por eso el truncamiento es una falla silenciosa tan común. El argumento de Google es que dejar que el modelo piense y escriba "cientos de miles de tokens en una sola trayectoria" le permite resolver problemas más difíciles de una sola vez.

La cuenta es simple. Una respuesta al máximo costaría US$10 al precio introductorio de salida y US$20 después, sin contar entrada ni caché. Un techo más alto también significa que una generación descontrolada puede salir cara antes de que alguien lo note. Cuando Argon llegue a la API, los topes de salida explícitos, las condiciones de corte y los controles de presupuesto por request van a importar más que con 64K.

Postura de seguridad y el pedido de transparencia en el razonamiento

Google dedica buena parte del anuncio a las salvaguardas. Dice que monitorea activaciones internas para detectar usos indebidos y que somete a red teaming las negativas en ciberseguridad y CBRN. Afirma tener resultados líderes en el benchmark de inyección indirecta de prompts de Gray Swan, otra vez según su propia medición. También describe un monitoreo de la cadena de pensamiento y de las acciones de Argon que corta la ejecución cuando el modelo va más allá de lo que quería el usuario.

Hay un detalle fácil de pasar por alto. Google dice que tomó precauciones para no realimentar el entrenamiento con lo que detecta el monitoreo de desalineación, para que el razonamiento de Argon no aprenda a esquivarlo. Además le pide al resto de la industria que preserve la transparencia del razonamiento. Es una postura con contenido: va en contra de optimizar las cadenas de pensamiento hasta que dejen de ser informativas.

Qué mirar

• Un ID de modelo público, documentación y límites de la API, y si el tope de 1M de salida aplica a todos los niveles pagos.
• La fecha en que termina el precio introductorio.
• Evaluaciones independientes, sobre todo en DeepSWE y el Vals Index, cuando se abra el acceso.
• Si el acceso a ciberseguridad sin salvaguardas queda dentro de Fairwind, y cómo lo audita Google.