Gemini 4 Argon, el modelo de Google DeepMind en cifras

Lo que hay que saber

Gemini 4 Argon es un modelo de lenguaje de Google DeepMind, lanzado el 13 de octubre de 2026. Es un lanzamiento muy reciente. Sus pesos no están publicados: solo funciona en remoto, mediante la API de Google DeepMind o de proveedores asociados (25 listados en models.dev). Dispone de un modo de razonamiento: puede «pensar» antes de responder, lo que ayuda en problemas de varios pasos pero consume más tokens y, por tanto, más dinero.

Lo clasificamos entre los modelos punteros (24 modelos de esta categoría en el sitio).

¿Qué dicen las pruebas independientes?

Según los resultados publicados por Epoch AI (consulta del 22 de octubre de 2026), Gemini 4 Argon obtiene un índice de capacidad de 95,3 sobre 100, calculado con 5 pruebas de nuestra cesta.

Eso lo sitúa en el puesto 3.º de nuestro ranking semanal de modelos.

• GPQA Diamond (preguntas de ciencias de nivel doctorado): 96,4 % — mejor puntuación entre los modelos seguidos
• OTIS Mock AIME (problemas de matemáticas de competición): 100 % — el mejor modelo seguido, GPT-5.5 Pro, alcanza 100 %
• FrontierMath (matemáticas de investigación muy difíciles): 86 % — el mejor modelo seguido, GPT-6 Astra, alcanza 93,7 %
• FrontierCode (tareas de programación avanzadas): 47,6 % — el mejor modelo seguido, Claude Opus 5.5, alcanza 54,6 %

Lo que cuesta

Gemini 4 Argon cuesta 2 US$ por millón de tokens de entrada y 10 US$ por millón de tokens de salida (tarifa del fabricante, consulta del 22 de octubre de 2026).

En la práctica, una tarea de agente que lee 20 000 tokens y escribe 2000 cuesta unos 0,06 US$, es decir, 60 US$ por 1000 tareas de este tipo.

Es 1,5 veces más barato que el precio de salida mediano de los modelos punteros (14,5 US$).

Los tokens leídos desde la caché cuestan 0,10 US$ por millón: útil para un agente que reenvía a menudo el mismo contexto.

Para estimar su propio presupuesto, use la calculadora de coste de un agente.

Contexto y capacidades

Su ventana de contexto alcanza 1.048.576 tokens, unas 1573 páginas de texto a 500 palabras por página: suficiente para cargar un libro entero o una base de código mediana. Una respuesta puede llegar a 32.768 tokens.

Acepta como entrada: texto, imagen, vídeo, audio y PDF. Sus conocimientos llegan hasta marzo de 2026: más allá, necesita búsqueda web o sus documentos.

Sabe llamar a herramientas (funciones, API) y devolver una salida estructurada en JSON, lo que lo convierte en una posible base para un agente de IA.

¿Cuándo elegirlo?

Por su categoría, Gemini 4 Argon está pensado sobre todo para las tareas difíciles en las que la calidad importa más que el coste: razonamiento profundo, código complejo, análisis largos.

Su resultado en FrontierCode (47,6 %, por encima de la mediana de los modelos seguidos) lo convierte en un candidato serio para agentes de programación.

Su enorme ventana de contexto lo hace interesante para analizar grandes volúmenes de documentos en una sola petición.

Antes de adoptarlo, pruébelo con sus propios ejemplos: los benchmarks miden tareas estándar, no su oficio.

Modelos comparables

En la misma categoría, los modelos más cercanos a Gemini 4 Argon son:

• GPT-6 Astra (OpenAI, índice 94,7) — ver la comparativa
• Claude Sonnet 5.5 (Anthropic, índice 95,9) — ver la comparativa
• Claude Opus 5.5 (Anthropic, índice 95,9) — ver la comparativa
• GPT-5.5 Pro (OpenAI, índice 96,9) — ver la comparativa