Imagina contratar a un albañil que se lee todos los planos del edificio antes de tocar una pared y que después te entrega un informe largo y detallado de todo lo que ha hecho. El trabajo es bueno. El informe, exhaustivo. Pero si pagas por palabra, la factura se nota.
Gemini 4 Argon es ese albañil. Es el primer modelo Gemini 4 de Google y, por primera vez en bastante tiempo, un modelo de Google que compite con los mejores agentes de programación. También es uno de los más habladores.
Qué es y dónde lo encuentras
Google anunció Gemini 4 Argon el 30 de septiembre de 2026 y lo abrió ampliamente el 13 de octubre de 2026. Para programar hay dos vías de acceso.
A través de la API de Gemini. Cualquier desarrollador del nivel de pago puede llamar a gemini-4-argon desde AI Studio, la API de Gemini o herramientas que te permitan usar tu propia clave. Eliges un nivel de razonamiento bajo, medio (por defecto) o alto. Cuanto más alto, más tiempo y más tokens dedica el modelo a razonar antes de responder.
A través de Antigravity. Antigravity es el agente de programación de Google, disponible como app de escritorio y como herramienta de línea de comandos (CLI). Aquí es donde el acceso se complica: Argon en Antigravity exige Google AI Ultra, el plan de consumo más alto de Google, o un plan Gemini Enterprise que cumpla los requisitos. Los suscriptores de Google AI Pro tienen Argon en la app de Gemini, pero no en Antigravity. En el antiguo IDE de Antigravity no se ofrece en absoluto. Un hilo del Google AI Developers Forum del día del lanzamiento muestra a usuarios preguntando justo por esto.
¿Qué tal programa?
Artificial Analysis, una empresa independiente de evaluación, mide agentes de programación y no modelos sueltos, porque los resultados de un modelo dependen mucho del software de agente que lo rodea. Su Coding Agent Index promedia tres pruebas: DeepSWE v1.1 (tareas complejas en bases de código reales), Terminal-Bench 4.0 (trabajos largos en la línea de comandos) y SWE-Atlas-QnA (responder preguntas sobre bases de código grandes).
En ese índice, Gemini 4 Argon en la Antigravity CLI obtiene 64. Claude Sonnet 5.5 en Claude Code lidera con 68. GPT-6.1 Sol en Codex saca 63, un punto por detrás de Argon. Dicho de otro modo: el agente de Google ya le planta cara al campeón de la relación calidad-precio de OpenAI.
La tabla de lanzamiento de la propia Google es más favorecedora. En DeepSWE v1.1 informa de un 77,9 % para Argon, frente al 74,1 % de GPT-6 Astra, el 74,2 % de Claude Opus 5.5 y el 67,4 % de Claude Fable 5.1. Es la mejor cifra de la comparación de Google. Tómala con cierta cautela: en el lanzamiento nadie había reproducido la tabla de forma independiente, y algunos analistas notaron que dos de las cifras de Astra eran más altas que las de los propios gráficos de OpenAI.
En el Intelligence Index más amplio de Artificial Analysis, Argon obtiene 53, empatado con GPT-6 Astra.
Dónde brilla
- Repositorios grandes. Un millón de tokens de contexto basta para cargar a la vez una base de código grande, su documentación y sus registros de pruebas. Ese espacio lo comparten entrada, razonamiento y salida, así que las sesiones muy largas requieren algo de planificación.
- Salidas muy largas. La mayoría de los modelos se detienen tras unas decenas de miles de tokens de salida. Argon puede seguir escribiendo hasta un millón de tokens aproximadamente, continuando en varias respuestas, lo que ayuda en migraciones grandes, código generado y documentos técnicos largos.
- Prudente con los datos, al menos en una prueba de conocimientos. Artificial Analysis midió la tasa de alucinación más baja de todos los modelos líderes en su prueba AA-Omniscience: de las preguntas que Argon no acertó, solo el 15 % recibió una respuesta equivocada dicha con seguridad, frente al 51 % de GPT-6 Astra. Dos matices: la prueba mide conocimientos generales, no código, y Argon también acertó menos preguntas que Astra (50 % frente a 63 %). Quizá también invente menos opciones de biblioteca o funciones, los errores que más tiempo cuesta rastrear, pero nadie lo ha medido aún.
- Lee capturas y grabaciones. Acepta imágenes, audio y vídeo además de texto, así que puedes darle una captura de un diseño roto o una grabación de pantalla de un fallo.
La pega honesta
Las sesiones largas de terminal siguen siendo un punto débil. En Terminal-Bench 4.0, donde un agente trabaja durante mucho tiempo en una línea de comandos real, Artificial Analysis midió alrededor de un 57 %. Claude Sonnet 5.5 obtiene un 64 %, y Claude Opus 5.5 y GPT-6 Astra, en torno al 59,6 %. La propia tabla de Google también pone a Opus 5.5 por delante en esta prueba (66,4 % frente a 57,4 %).
Quema tokens. Artificial Analysis necesitó 110 millones de tokens para pasar su Intelligence Index con Argon, frente a una mediana de unos 85 millones. En ese índice, el costo medio por tarea fue de unos 1,99 $ al precio de lanzamiento, frente a 0,72 $ de GPT-6.1 Sol. En programación la diferencia es mayor: el Coding Agent Index de Artificial Analysis, consultado el 14 de octubre de 2026, sitúa a Argon en Antigravity CLI en 5,84 $ por tarea y a GPT-6.1 Sol (xhigh) en Codex en 1,04 $. Son costos medios de API por tarea del benchmark, no cuotas de suscripción. Un precio bajo por token no lo hace barato por tarea.
El precio de lanzamiento termina el 30 de noviembre. La API cuesta 2 $ / 10 $ por millón de tokens de entrada/salida hasta entonces, y 4 $ / 20 $ después. La entrada en caché pasa de 0,10 $ a 0,20 $.
El frontend necesita a alguien al volante. Una prueba práctica de Stork.ai vio sus diseños apretados frente a los de sus rivales, aunque en esa misma prueba aguantó una larga tarea de agente durante toda la noche. Se le da mejor la lógica que el aspecto.
Quién debería usarlo
| Si tu proyecto se parece a… | Elige | Por qué |
|---|---|---|
| Un repositorio enorme, salidas generadas largas, entorno Google Cloud | Gemini 4 Argon | Contexto de 1 millón, salidas muy largas, prudente en una prueba independiente de conocimientos |
| Trabajos largos y autónomos en terminal | GPT-6 Astra o Claude Opus 5.5 | Por delante en Terminal-Bench 4.0 |
| La puntuación más alta como agente de programación | Claude Sonnet 5.5 en Claude Code | Lidera el Coding Agent Index de Artificial Analysis |
| Muchas tareas con un presupuesto ajustado | GPT-6.1 Sol | Puntuación similar en el Coding Agent Index por cerca de una sexta parte del costo de API por tarea |
El veredicto para programar
Gemini 4 Argon vuelve a poner a Google en la conversación sobre programación. Es fuerte en mediciones independientes, tiene una longitud de contexto y de salida que pocos rivales igualan y, en una prueba independiente de conocimientos, se muestra inusualmente cuidadoso con los datos. Si tu equipo ya paga Google AI Ultra o trabaja sobre Google Cloud, merece una prueba de verdad. Si tienes Pro, tendrás que usarlo a través de la API en lugar de Antigravity. En cualquier caso, mide el costo por tarea, no el precio por token, y presupuesta para diciembre.
