De acceso restringido a disponibilidad global en cuestión de días
Google presentó Gemini 4 Argon a comienzos de octubre con un límite de salida de un millón de tokens y acceso restringido a un grupo reducido de usuarios. El anuncio del 13 de octubre de 2026 cambia ese escenario: el modelo pasó a estar disponible de forma global, con Google abriendo de golpe todos los canales de acceso habituales de su familia Gemini, algo que no había ocurrido en el lanzamiento inicial.
El movimiento convierte a Gemini 4 Argon en un producto de uso corriente en lugar de una prueba limitada. Según el blog oficial de Google, el modelo llega simultáneamente a la API en Google AI Studio y la plataforma Gemini, a la aplicación Gemini, a Google Antigravity (el entorno de desarrollo de la compañía pensado para programar con agentes), al modo IA de la Búsqueda y a Gemini for business, su oferta para empresas.
Para quien ya usaba Gemini 4 Argon en su fase restringida, el cambio relevante no es técnico sino de distribución: el mismo modelo que antes requería invitación o acceso limitado ahora se integra en los productos que Google pone delante de cientos de millones de usuarios cada día, desde el buscador hasta el móvil.
Qué es Gemini 4 Argon según su propia ficha técnica
La model card oficial de DeepMind describe Gemini 4 Argon como un modelo multimodal de razonamiento, es decir, capaz de procesar distintos tipos de entrada (texto, imágenes, posiblemente audio o vídeo) y de seguir cadenas de pasos lógicos antes de responder, en lugar de limitarse a generar texto de forma directa.
Google lo orienta explícitamente a tres usos: flujos complejos de ingeniería de software, gestión de conocimiento empresarial y defensa de ciberseguridad. Es un posicionamiento deliberado hacia tareas profesionales de alta complejidad, no hacia el uso conversacional genérico que domina en otros productos de la compañía.
Lo que no aparece en el anuncio es cualquier cifra de rendimiento: ni resultados en benchmarks de programación, ni comparativas frente a modelos rivales, ni datos propios sobre precisión o velocidad. Google describe para qué sirve el modelo, pero no aporta ninguna medición que respalde esas capacidades frente a la competencia.
La factura por usar Gemini 4 Argon se duplica el 30 de noviembre
Los precios introductorios son 2 dólares por millón de tokens de entrada y 10 dólares por millón de tokens de salida, con un descuento del 95 % para los tokens de entrada que llegan desde una caché (es decir, contenido ya procesado antes, como el contexto de una conversación previa, que cuesta mucho menos reutilizar que volver a enviar desde cero).
Esa tarifa tiene fecha de caducidad: a partir del 30 de noviembre de 2026, el precio pasa a 4 dólares por millón de tokens de entrada y 20 dólares por millón de salida, el doble en ambos casos. Es una práctica habitual para atraer a desarrolladores durante las primeras semanas de un modelo, pero implica que cualquier integración construida ahora con Gemini 4 Argon verá duplicado su coste operativo en apenas siete semanas.
Para equipos que integran el modelo vía API, esa ventana de seis semanas y media es el momento de probar el modelo al precio más bajo posible y de calcular si, una vez duplicada la tarifa, sigue siendo competitivo frente a otras opciones del mercado. Google no ha explicado si esos precios finales son permanentes o si habrá nuevos ajustes más adelante.
Un lanzamiento sin cifras de rendimiento que lo respalden
El ángulo más llamativo de este lanzamiento es lo que falta en él. Google detalla con precisión los canales de acceso y la estructura de precios, pero no publica ningún resultado en los benchmarks estándar que suelen acompañar la presentación de un modelo de frontera, ni comparaciones frente a Gemini 2.5 Pro, GPT o Claude.
Esa ausencia no significa que el modelo no rinda bien: puede deberse a que Google prefiere publicar esos datos más adelante, o a que los canales elegidos para el anuncio -un blog corporativo y una model card- priorizan la disponibilidad comercial sobre la demostración técnica. Pero para un desarrollador que decide qué modelo usar en producción, la falta de cifras verificables complica comparar Gemini 4 Argon con sus alternativas antes de comprometer presupuesto.
La disponibilidad en Antigravity, el entorno de Google pensado para programar con agentes, sugiere que la compañía apuesta fuerte por el uso en flujos de desarrollo de software automatizado. Sin datos de rendimiento publicados, esa apuesta se sostiene por ahora en la palabra de Google, no en una medición que un desarrollador externo pueda contrastar.