Google abrió el martes 13 de octubre de 2026 el acceso global a Gemini 4 Argon desde la app Gemini, AI Mode, la API para desarrolladores y Google Antigravity, en una ampliación anunciada desde sus canales oficiales para convertir su modelo más capaz en una herramienta de trabajo cotidiano; la compañía lo desplegó por suscripción, API y planes empresariales porque quiere llevar tareas largas de programación, análisis documental, ciencia y ciberseguridad a un entorno donde el usuario pueda delegar procesos completos sin perder supervisión.
Google mueve Argon del laboratorio al escritorio
La novedad no es solo que Google tenga otro modelo grande. Lo relevante es la forma de distribución. Según la publicación de Google para usuarios de Gemini, Argon ya está disponible para suscriptores de Google AI Pro y Ultra en la app Gemini y permite pasar de una conversación a una tarea con un interruptor dentro del chat. En la práctica, Google busca que Gemini deje de ser un asistente que responde y empiece a comportarse como un sistema que ejecuta encargos sostenidos en el tiempo.
Para desarrolladores, la compañía abrió el acceso mediante la API de Gemini en el nivel pago, AI Studio y Android Studio. La documentación técnica identifica el modelo como gemini-4-argon, con entrada multimodal, una ventana unificada de hasta 1.048.576 tokens y salida máxima de 65.536 tokens en el modo síncrono estándar, además de una ruta de “long decode” para trabajos más extensos. Google también lo presenta como compatible con ejecución de código, llamadas a funciones, búsqueda en archivos, uso de computadora en vista previa y grounding en Search.
El argumento central es el trabajo largo
En el blog de Antigravity, Google afirma que más de 100.000 usuarios dentro de Alphabet ya usan Argon cada mes en una versión interna de su entorno agentic. La compañía atribuye a ese uso un aumento del 35% en código producido por agentes y una reducción cercana al 30% en rollbacks posteriores al envío. Son cifras de parte interesada, pero marcan la tesis del lanzamiento: Argon quiere competir no por una respuesta aislada, sino por la capacidad de sostener un flujo complejo hasta entregar una pieza verificable.
Los ejemplos elegidos por Google son deliberadamente industriales. La empresa cita una migración de código legado, auditorías de permisos, clasificación de tickets de soporte, optimización de comentarios en YouTube y flujos de finanzas con decenas de procesos. En el anuncio global, añade casos de Chrome, el framework Agent Development Kit y paquetes científicos como xTB. La lectura empresarial es clara: Google intenta llevar el lenguaje de los modelos de frontera al terreno de productividad medible, donde importan menos los demos virales y más las horas recuperadas, los bugs cerrados y los cambios que llegan a producción.
Gemini 4 Argon began rolling out today. See how devs are already putting Argon to work ↓ pic.twitter.com/pxyyFuOM2m
— Google (@Google) 13 de octubre de 2026
Traducción: “Gemini 4 Argon empezó a desplegarse hoy. Mira cómo los desarrolladores ya están poniendo Argon a trabajar”.
Más acceso, más presión por seguridad
La apertura llega después de una fase más limitada. Axios informó el 30 de septiembre que Google había presentado Gemini 4 Argon primero a un grupo reducido de socios de ciberseguridad. Ese antecedente ayuda a entender por qué la tarjeta de modelo de DeepMind dedica tanto espacio a límites, evaluación y riesgo. El documento dice que Argon fue probado con red teaming humano y automatizado, y que Google no puede descartar que alcance umbrales críticos en áreas como biología o ciberseguridad sin mitigaciones.
Google sostiene que esas mitigaciones incluyen políticas de uso, monitoreo y evaluaciones bajo su Frontier Safety Framework. También afirma que Argon redujo intentos de atajos no autorizados en pruebas de codificación y mejoró su resistencia a prompt injection indirecta. Esa parte será observada de cerca: cuando un modelo puede navegar archivos, ejecutar código y operar herramientas, la frontera entre asistencia y acción se vuelve más delicada.
Para el mercado, Argon presiona a OpenAI, Anthropic y otros laboratorios en el segmento de modelos capaces de trabajar con contexto largo y herramientas externas. Para los usuarios, la pregunta inmediata es más práctica: si Google logra que estas capacidades funcionen de forma fiable dentro de Gemini, Search y Antigravity, la competencia por el asistente principal de trabajo se moverá de “quién responde mejor” a “quién termina mejor una tarea completa”.
