Google anuncia un modelo orientado a programación, finanzas, salud e investigación científica, con precios desde U$S 2 por millón de tokens de entrada. Deloitte, Box y otras compañías reportan resultados preliminares, mientras la empresa incorpora nuevos controles para limitar los riesgos de sus capacidades autónomas.
Google apunta al trabajo profesional de alta complejidad con Gemini 4 Argon, un modelo de inteligencia artificial diseñado para resolver tareas de múltiples pasos, desde reorganizar grandes bases de código hasta analizar documentación financiera y asistir en investigaciones biomédicas.
Según el anuncio, Argon comienza su despliegue global mediante la API de Gemini, AI Studio y las herramientas empresariales de Google. También llega a Google Antigravity para suscriptores de Google AI Ultra, y a la aplicación Gemini y AI Mode en Search para usuarios de los planes Ultra y Pro.
El precio introductorio es de U$S 2 por millón de tokens de entrada y U$S 10 por millón de tokens de salida, con un descuento del 95% para las entradas almacenadas en caché. Los tokens son las unidades de información que procesa y genera el modelo.
La API ofrece un límite unificado de un millón de tokens de entrada y salida. Google sostiene, además, que Argon ocupa el primer puesto del Vals Index, una evaluación de desempeño en sectores como finanzas, programación, derecho y trabajo tributario.
Programación: menos tiempo y menos correcciones
La propuesta comercial combina autonomía para ejecutar tareas extensas con mejoras de rendimiento. Google afirma que sus equipos incrementaron más del 35% los envíos de código realizados mediante agentes en Antigravity, mientras redujeron casi un tercio las reversiones de cambios.
En Chrome, Argon ayudó a separar funciones centrales de manejo de páginas de una carpeta heredada de aproximadamente seis millones de líneas, dentro de los 40 millones de líneas de Chromium. La reorganización abarcó cientos de archivos y, según la compañía, comprimió meses de trabajo en semanas.
En Agent Development Kit, su framework para agentes empresariales, las optimizaciones redujeron un 40% el tiempo de preparación de sesiones en memoria durante sesiones largas y aceleraron un 21% las importaciones iniciales de Python.
También reporta mejoras en xTB, un paquete abierto de química cuántica: hasta 2,3 veces más velocidad para predecir estructuras moleculares y 1,8 veces para buscar conformaciones.
En Gemma 4 E2B, sobre una GPU A100 mediante vLLM, Google informa una aceleración de inferencia de 2,85 veces: de unos 37.900 a más de 108.000 tokens por segundo, con coincidencia del 100% de los tokens y sin pérdida de calidad.
Deloitte, Box y startups prueban el modelo
Los testimonios de acceso anticipado muestran dónde busca posicionarse Google, aunque corresponden a evaluaciones comunicadas por las propias organizaciones.
“Para tareas de larga duración en estos flujos de trabajo, se completaron exitosamente el 100% de las veces en nuestras evaluaciones”, afirmó Gopal Srinivasan, responsable global de IA y Datos de Deloitte.
Box reportó una mejora del 14% en precisión frente a Gemini 3.1 Pro. Su vicepresidenta de Productos de IA, Yashodha Bhavnani, destacó la capacidad para conectar evidencia entre documentos, incluidas figuras, y completar análisis de múltiples pasos.
En finanzas, Glenn LeBlanc, ingeniero de software de Kepler, sostuvo que Gemini 4 coincidió con sus modelos de referencia elaborados por analistas en más del 99% de las cifras.
Quadrillion informó que, en las evaluaciones internas de su investigador autónomo Qualia, Argon completó tareas 1,5 veces más rápido que modelos comparables y a una cuarta parte del costo por tarea.
Cartwheel, por su parte, comunicó una reducción de casi 100 veces en el tiempo de ejecución y del 90% en el consumo de tokens al integrar Gemini 4 en su motor de reconstrucción espacial tridimensional.
Otros participantes incluyen a Quora, cuyo responsable de Producto, Gareth Jones, destacó su potencial para crear herramientas en Poe; Amplitude, con su CTO Curtis Liu; y Roboflow, cuyo cofundador y CTO, Brad Dwyer, informó su integración para detección de objetos y extracción de texto.
En servicios jurídicos, Caio Perona, CEO de MinutaIA, resaltó la identificación de detalles relevantes para argumentos legales. Min Chen, responsable de IA de LexisNexis Legal & Professional, señaló resultados preliminares favorables en investigación, redacción y revisión contractual.
Salud: resultados prometedores, todavía en evaluación
Alex Cabrera, ingeniero fundador de Axiom Bio, describió avances en el análisis de imágenes celulares y espectrometría de masas.
“Hemos visto que razona sobre datos experimentales complejos y realiza hallazgos sutiles que tradicionalmente requieren científicos expertos para identificarlos”, afirmó.
Ambience Healthcare evaluó más de 200 historias clínicas longitudinales sintéticas. Brendan Fortuner, vicepresidente sénior de Tecnología, indicó que Gemini 4 obtuvo la mayor exhaustividad y especificidad de códigos ICD-10 entre los modelos comparados.
“Ahora lo estamos validando con historias clínicas de pacientes reales”, aclaró. El resultado, por lo tanto, todavía no equivale a una validación clínica general.
En Gamow Labs, investigadores utilizaron Argon para analizar genomas desidentificados de recién nacidos con trastornos pulmonares poco frecuentes. Google informa que detectó un reordenamiento cromosómico omitido durante años por software rutinario. En evaluaciones privadas alcanzó el 57% en RareBench y el 52,2% en LabBench.
Isomorphic Labs también utiliza el modelo para sintetizar publicaciones y patentes, reduciendo procesos de semanas a horas, según el anuncio.
De las enzimas a la robótica
En ingeniería enzimática, Google reportó cinco diseños nuevos de esterasas de serina con actividad catalítica confirmada en laboratorio, utilizando como objetivo la molécula 4MU-acetato.
En computación cuántica, Argon casi duplicó el rendimiento de inferencia de una implementación interna de AlphaQubit. Otra implementación, verificada formalmente en Lean, redujo más de 100 veces el costo espacio-temporal de una subrutina de arcoseno frente a una referencia publicada.
En fusión nuclear, un equipo de Google y el profesor Matt Landreman, de la Universidad de Maryland, encontró nuevos contraejemplos a la conjetura de Grad, formulada en 1967, útiles para evaluar simulaciones de stellarators.
La compañía ofrece a 10.000 científicos seis meses gratuitos del nivel superior de Antigravity, sujetos a selección, elegibilidad y capacidad.
En robótica, informa un 87% en ERQA, una prueba de razonamiento físico y espacial. En una demostración con Apollo, el humanoide de Apptronik, el sistema transformó un video de cornhole en una simulación y logró siete lanzamientos consecutivos acertados en una prueba real.
Capacidades mayores, controles adicionales
Google también anuncia la expansión de Fairwind a cientos de socios adicionales de ciberseguridad. Wiz utilizó Argon en su iniciativa “Scan for Good” para detectar fallas en infraestructura gubernamental y sanitaria; una intervención ayudó a proteger cientos de miles de registros de pacientes.
La empresa reconoce que las capacidades científicas y de programación requieren barreras contra usos maliciosos. Reporta que pruebas externas lograron desbloquear menos del 1% de las subtareas biológicas restringidas evaluadas y que las infracciones se redujeron casi a la mitad en un conjunto adversarial.
Los intentos de tomar atajos no autorizados bajaron al 2% en evaluaciones de programación. En Gray Swan Indirect Prompt Injection, la tasa de éxito de ataques quedó en el 0,7% a lo largo de 15 intentos adaptativos.
Son resultados informados por Google, no garantías universales. Para las empresas, el desafío será convertir esas capacidades en productividad verificable sin confundir desempeño en pruebas con autorización para delegar decisiones críticas.
