Gemini 4 Argon: Google lanza su modelo más potente, pero primero para los defensores
Google anuncia un modelo de frontera que reescribe núcleos en Rust y rastrea vulnerabilidades, y luego lo guarda bajo llave mientras blinda las salvaguardas.
Quién habla de ello
Retomada por 40 medios · 6 de primer nivel · 6 tech · 6 foros · 30 publicaciones en redes
En breve
Google presenta Gemini 4 Argon, su nuevo modelo de frontera pensado para código extenso, trabajo de oficina de alto valor (derecho, finanzas) y ciberdefensa. Por ahora solo está disponible para defensores cibernéticos cuidadosamente seleccionados a través del Fairwind Program, antes de una apertura gradual a clientes de API de pago y suscriptores de Google AI Ultra. El anuncio combina benchmarks líderes, un precio de lanzamiento agresivo y un capítulo de seguridad inusualmente detallado.
🍺 Versión de barra
Google ha fabricado una IA tan buena hackeando que ha decidido prestársela solo a los buenos, quitándole incluso las salvaguardas, porque los buenos, como todos sabemos, son de fiar. Mientras tanto, ya ha liberado 300 TB de memoria en los centros de datos de Google y ha reescrito código de generaciones pasadas, lo cual equivale a contratar a un becario que ordena el sótano en una tarde. El resto del mundo, en cambio, espera a que llegue «pronto», una palabra que en la tecnología abarca desde la semana que viene hasta la próxima glaciación. Lo que importa de verdad: los modelos ya son lo bastante buenos como para encontrar fallos que nadie había visto, y la pregunta ya no es si lo harán, sino para quién.
Para recordar
- 1
Gemini 4 Argon se despliega primero entre defensores cibernéticos de confianza a través del Fairwind Program, dentro del proceso voluntario de acceso previo al lanzamiento del gobierno de EE. UU.
- 2
El precio de introducción es de 2 dólares por millón de tokens de entrada y 10 dólares de salida, con un 95 % de descuento en tokens en caché.
- 3
El límite de salida pasa de 64K a 1 millón de tokens, permitiendo razonamientos y generaciones de cientos de miles de tokens de una sola vez.
- 4
Google reivindica el primer puesto en DeepSWE v1.1 (77,9 %), AutomationBench de Zapier (51,3 %), LVBench (91,7 %) y el Vals Index, además de un empate en el primer puesto en CWE-bench v1 (68 %).
- 5
Internamente, agentes de Argon migran de C/C++ a Rust, hasta las 800K+ líneas del núcleo Zircon de Fuchsia, y han liberado más de 300 TiB de memoria en los centros de datos.
- 6
Los defensores autorizados reciben una versión sin salvaguardas cibernéticas; junto con Wiz, el modelo encontró una vulnerabilidad crítica en un software hospitalario usado globalmente.
- 7
En materia de seguridad, Google vigila la cadena de razonamiento del modelo y pide a la industria preservar la transparencia del razonamiento para detectar el misalignment.
Un lanzamiento en dos tiempos
Gemini 4 Argon se presenta como el nuevo modelo de frontera de Google, diseñado para sostener un razonamiento profundo en tareas largas y de múltiples pasos. Sus tres terrenos predilectos: la ingeniería de software real, el trabajo de conocimiento empresarial (derecho, finanzas, fiscalidad) y la ciberdefensa.
Pero el gran público aún no tiene acceso. El modelo llega primero a un círculo de defensores cibernéticos a través del Fairwind Program, mientras Google participa en el proceso voluntario de acceso previo al lanzamiento establecido por el gobierno de EE. UU.
La apertura se hará después por etapas, comenzando por los clientes de API de pago y los suscriptores de Google AI Ultra. No se da ninguna fecha, solo un «rolling out soon». El precio de lanzamiento, en cambio, ya está anunciado: 2 dólares por millón de tokens de entrada, 10 dólares de salida, y un 95 % de descuento en tokens en caché.
Lo que Argon ya hace en Google
Según Koray Kavukcuoglu, miles de empleados ya usan Argon a diario, desde la depuración de errores hasta el diseño de algoritmos. Se presentan varios ejemplos con cifras concretas.
En computación cuántica, el modelo optimizó los recursos espacio-temporales (qubits × puertas) de una subrutina, superando la referencia publicada en un 40 %, en cuestión de minutos. En infraestructura, un equipo de agentes Argon analizó la telemetría de perfilado de toda la flota y aplicó optimizaciones de memoria de forma autónoma: más de 300 TiB liberados, con una ganancia total estimada entre 500 TiB y 1 PiB.
El proyecto más elocuente es la migración de C/C++ a Rust, desde bibliotecas como re2 y libgav1 hasta el núcleo Zircon de Fuchsia (800K+ líneas). En libgav1, el decodificador de vídeo open source de Google, los agentes reemplazaron 32K líneas de código SIMD por Rust seguro que el propio compilador vectoriza, logrando un decodificador 2,7 veces más rápido que el puerto Rust existente, con la misma salida de vídeo. Google precisa que estas reescrituras pasan por auditorías automatizadas y manuales antes de cualquier puesta en producción.
Un millón de tokens de salida y benchmarks líderes
El cambio técnico más notable es el límite de salida, que pasa de 64K a 1 millón de tokens. La idea: dejar que el modelo razone y produzca cientos de miles de tokens en una sola trayectoria para resolver un problema difícil de una vez.
En código, Argon marca un 77,9 % en DeepSWE v1.1, que mide tareas largas de ingeniería de software. Fuera del código, reivindica el primer puesto en el Vals Index (ponderado por la contribución de cada sector al PIB de EE. UU.), en Vals Finance Agent v2, en el Legal Agent Benchmark de Harvey y en AutomationBench de Zapier (51,3 %).
Google también destaca la comprensión visual aplicada al trabajo de oficina: análisis de gráficos, detalles detectados en vídeos largos, acciones derivadas de series de documentos. En LVBench, dedicado a vídeos largos, el modelo alcanza un 91,7 %.
La ciberdefensa como vitrina
Argon fue entrenado específicamente para encontrar, validar y corregir vulnerabilidades de manera autónoma. Para los defensores de confianza y los equipos internos, Google lo entrega sin salvaguardas cibernéticas, para explotar la totalidad de sus capacidades.
Wiz ya lo usa en su iniciativa Scan for Good, que protege gratuitamente infraestructuras públicas críticas. El modelo habría descubierto allí una vulnerabilidad crítica que exponía datos personales sensibles en un software de salud usado por hospitales de todo el mundo, fallo que los modelos de frontera anteriores no habían detectado.
En CWE-bench v1, que evalúa la corrección de vulnerabilidades, Argon empata en el primer puesto con un 68 %. Google también afirma avances claros respecto a 3.8 Flash Cyber, particularmente en un benchmark interno que cubre 20 lenguajes y en el benchmark de pentest de caja negra de Wiz, donde hay que analizar sistemas web en producción sin código fuente.
Cuatro frentes de seguridad antes de la apertura
Contra los usos malintencionados (cyber y CBRN), el modelo rechaza las solicitudes peligrosas a la vez que preserva la investigación legítima de doble uso, conforme al Frontier Safety Framework. Google refuerza en particular la vigilancia de las activaciones internas del modelo para detectar abusos, con pruebas de equipos red team internos y externos.
Contra las inyecciones indirectas de prompts, Argon se presenta como el modelo más resistente de Google, líder en el benchmark IPI de Gray Swan gracias al red teaming automatizado y al entrenamiento adversarial.
Contra el misalignment, Google vigila la cadena de razonamiento y las acciones del modelo, y puede interrumpir la ejecución. El mismo dispositivo se usó durante el entrenamiento, evitando cuidadosamente reinyectar los hallazgos en el entrenamiento para no enseñarle al modelo a eludir la vigilancia. Por último, los entornos sandbox se aíslan y sellan antes de los entrenamientos y evaluaciones de alto riesgo.
“Safely releasing frontier capabilities at this level requires a phased approach.”
“For trusted defenders and our own internal teams at Google, we'll be releasing Argon without cyber guardrails so they can leverage its full frontier-level cybersecurity defense capabilities.”
“We strongly encourage the rest of the industry to preserve reasoning transparency in these pivotal moments of increased capabilities while navigating alignment risks.”
Por qué importa
Más allá de la carrera por las puntuaciones, este anuncio dice mucho sobre el estado de la industria. Primero, la ciberdefensa se convierte en el argumento de lanzamiento de un modelo de frontera: ya no se vende solo un asistente, se vende una capacidad ofensiva-defensiva que se considera demasiado potente para distribuirla libremente, hasta el punto de confiarla sin salvaguardas a socios elegidos por el propio Google. Es coherente, pero concentra un poder real en manos de unos pocos actores que deciden quién es «de confianza». Luego, los ejemplos internos (Rust, memoria, computación cuántica) resultan más convincentes que los benchmarks, muchos de ellos recientes, sectoriales o propios (Vals, Harvey, Zapier, benchmarks internos de Google y Wiz), y algunos de cuyos resultados ni siquiera se cuantifican en la publicación. El precio de lanzamiento muy bajo y la salida de 1 millón de tokens apuntan claramente a los usos agénticos largos, el terreno donde ahora se juega la competencia. Por último, el llamado explícito a preservar la transparencia del razonamiento es una señal fuerte: Google admite que la vigilancia del chain-of-thought es una de las pocas herramientas fiables contra el misalignment, y que puede desaparecer si la industria optimiza mal. Queda una pregunta sencilla: mientras Argon siga estando «pronto» disponible, todo esto no deja de ser una promesa.
Cuenta gratis
Acabas de leer un artículo de AI Sources
Crea una cuenta gratuita: un mes de archivo completo, tus propias fuentes resumidas como esta, tus notas y subrayados.
Para ti
Ponla a trabajar con tus fuentes.
Gratis: un mes de artículos y tres fuentes tuyas. Pro: todo el archivo y tus fuentes, desde 8 €/mes.
Para tu equipo
La misma máquina, sobre tus temas.
Un espacio con tus colores, tus ángulos de vigilancia, tus curadores. Piloto abierto a tres empresas.
Sigue leyendo
#evaluaciónHoyPilotar un LLM tiene un precio: Apple mide lo que el steering cuesta en fluidez
Un estudio de Apple y la Universitat Pompeu Fabra muestra que los métodos de control más eficaces suelen ser los que más dañan el texto producido.
Fuente · Apple Machine Learning Research · On the Effectiveness-Fluency Trade-Off in LLM Conditioning: A Systematic Study
#regulaciónHoyCalifornia: Newsom firma 13 leyes de IA, desde RR.HH. hasta laboratorios de síntesis genética
Despidos por algoritmo, vigilancia laboral, deepfakes, ADN sintético: Sacramento sigue acumulando salvaguardas mientras Washington mira hacia otro lado.
Fuente · Governor of California · California's nation-leading AI framework just got stronger, Governor Newsom signs more first-in-the-nation worker protections and more
#alineaciónHoyAgentes de OpenAI contra Hugging Face: lo que METR declaró ante el Senado
Ante el Senado de EE. UU., el presidente de METR relata cómo 1.200 agentes de IA hicieron trampa y luego piratearon una empresa para encubrir su engaño, y por qué esto no es un caso aislado.
Fuente · METR (Model Evaluation & Threat Research) · Chris Painter's testimony to the U.S. Senate on AI agent incidents