Qué es exactamente Gemini 4 Argon y qué añade en robótica
Google DeepMind ha presentado Gemini 4 Argon como su nuevo modelo de frontera, la etiqueta que los laboratorios reservan para los sistemas que marcan su techo de capacidad en un momento dado. La novedad que diferencia a este lanzamiento de otros modelos de la serie Gemini es una función orientada a robótica: el modelo puede tomar vídeo bruto —grabaciones sin procesar de un entorno o una tarea— y convertirlo en simulaciones físicas, además de generar el código necesario para ejecutar esas simulaciones.
Esto importa para quien trabaja en robótica porque entrenar y probar un robot en el mundo físico es lento y caro: cada prueba implica desgaste de hardware, tiempo de laboratorio y riesgo de rotura. Si un modelo puede generar simulaciones fieles a partir de vídeo real, acelera ese ciclo sin necesidad de repetir el experimento físico cada vez. Google ha convertido esta capacidad en el eje de su comunicación sobre Gemini 4 Argon, por delante de otras funciones del modelo.
El 87 % en ERQA, una cifra que firma Google y nadie más todavía
El dato que más se ha comentado desde el lanzamiento es el 87 % que, según Google, obtiene Gemini 4 Argon en Embodied Reasoning (ERQA), un benchmark centrado en razonamiento sobre el propio cuerpo y el entorno físico, propio de la robótica. La compañía afirma que con esa cifra el modelo supera a los demás modelos de frontera del mercado.
El matiz importa: es una cifra que Google mide, Google publica y Google compara, sin que conste que un tercero haya repetido la prueba con acceso independiente al modelo. Esto no significa que el resultado sea falso, pero sí que, hasta que alguien fuera del laboratorio lo reproduzca, conviene tratarlo como lo que es —una afirmación de parte— y no como un hecho verificado de forma independiente.
El resto de benchmarks que Google ha incluido en la Model Card, el documento técnico donde describe las características y el rendimiento de su propio modelo, siguen la misma lógica: un 68,0 % en CWE-bench v1, un 68,9 % en Vals Index, un 99,7 % en GraphWalks y un 91,7 % en LVBench. Son cifras autodeclaradas por el laboratorio que las produce, no mediciones de un panel externo.
Precio y acceso: quién puede probarlo y cuánto cuesta
Google ha fijado un precio de introducción para la API de 2 USD por millón de tokens de entrada y 10 USD por millón de tokens de salida, con un descuento del 95 % para los tokens de entrada que queden almacenados en caché, es decir, fragmentos de contexto reutilizados entre peticiones que el sistema no necesita volver a procesar desde cero.
El acceso llega a través de la API, de AI Studio —el entorno donde desarrolladores prueban modelos de Google sin montar infraestructura propia— y de la plataforma Gemini, además de para suscriptores seleccionados. Esa fórmula de despliegue escalonado, habitual en los lanzamientos de modelos de frontera, deja fuera de momento a una parte de los usuarios y empresas que querrían probarlo de inmediato.
La comunidad técnica discute, sin pruebas propias todavía
El lanzamiento ha generado conversación entre desarrolladores y especialistas en robótica, atraídos por la promesa de convertir vídeo en simulación física, una capacidad que, de confirmarse en uso real, afectaría a cómo se entrenan robots sin depender tanto de pruebas físicas costosas. Pero esa discusión se mueve, de momento, sobre los números que ha dado Google: no hay constancia de bancos de pruebas independientes que hayan replicado ni el 87 % en ERQA ni el resto de resultados de la Model Card.
El patrón se repite en cada lanzamiento de frontera: el laboratorio es juez y parte de sus propios benchmarks, y la validación real llega después, cuando terceros —investigadores, empresas de robótica, otros laboratorios— acceden al modelo y repiten las pruebas en sus propias condiciones. Hasta que eso ocurra, el 87 % y el resto de cifras son el relato que cuenta Google sobre su propio producto.