Gemini 4 Argon: Diseñado para resolver tus problemas más difíciles

Gemini 4 Argon está disponible a nivel mundial hoy para desarrolladores y empresas a través de la API en AI Studio y Gemini platform, para suscriptores de Google AI Ultra en Google Antigravity, y para suscriptores de Google AI Ultra y Pro en la app de Gemini y el AI Mode en Search.

Argon destaca en el trabajo profundo en tareas complejas del mundo real en dominios que incluyen programación, finanzas, derecho, ciberseguridad y ciencia. Su profundidad y precisión en tareas de múltiples pasos hacen que Argon supere a otros modelos frontera en benchmarks en varios dominios, ocupando el puesto #1 en el Vals Index, que mide el rendimiento del modelo en sectores económicos críticos como finanzas, programación, trabajo legal y fiscal.

El modelo se lanza hoy a un precio introductorio ¹ de $2 por millón de tokens de entrada y $10 por millón de tokens de salida (con tokens de entrada en caché a un 95% de descuento).

Equipos de Google, de empresas y de la comunidad de investigación ya han estado usando Argon para lograr un impacto significativo en diversos campos:

• Para resolver problemas de ingeniería importantes como refactorización y optimización de grandes bases de código
• Para optimizar flujos de trabajo empresariales en dominios como el derecho, las finanzas y la ciencia
• Para encontrar y corregir vulnerabilidades críticas de ciberseguridad
• Para habilitar avances novedosos en computación cuántica, fusión nuclear y ciencias de la vida

Resolución de tareas complejas de ingeniería

En Google, hemos estado usando Argon en nuestros problemas de ingeniería más difíciles. En las últimas semanas, los ingenieros de software han estado entregando código de alta calidad más rápido que nunca. Argon en Antigravity ha ayudado a los equipos a aumentar los envíos de código agéntico en más de 35% mientras se reducen las reversiones de código en casi un tercio.

• Desenredar el código de funciones del navegador en Chrome: Argon ayudó al equipo de Chrome a separar el manejo central de páginas web de una carpeta heredada de aproximadamente 6 millones de líneas con funciones del navegador dentro del código base de 40 millones de líneas de Chromium. Enviando múltiples cambios de código limpios a la vez, Argon ayudó al equipo a completar una refactorización arquitectónica a través de cientos de archivos, terminando meses de trabajo en semanas. Para los miles de millones de usuarios globales de Chrome, esto desbloqueará la capacidad de que las páginas web en vivo se muevan con fluidez entre pestañas, paneles laterales y ventanas flotantes sin recargar, eliminando toda una categoría de fallos del navegador.

• Optimizar un código base de Python en producción en horas: Argon en Antigravity está ayudando al equipo detrás del Agent Development Kit (ADK) de código abierto de Google, un framework que impulsa agentes empresariales, a llevar su ingeniería de rendimiento más lejos. El equipo le dio a Argon su reglamento .agents/skills y un objetivo de un párrafo: eliminar la sobrecarga del framework sin romper las aplicaciones existentes. Trabajando de forma autónoma durante la noche, Argon descubrió optimizaciones, ya disponibles en google/adk-python, que redujeron un 40% el tiempo de preparación de sesiones en memoria en sesiones largas y aceleraron las importaciones en frío un 21%. Lee el análisis técnico en profundidad para saber más.
• Optimización de un paquete de código abierto de química cuántica: xTB (Semiempirical Extended Tight-Binding) es uno de los paquetes de código abierto de química cuántica más citados para moléculas. Los científicos lo usan para predecir las formas 3D de las moléculas y para examinar grandes cantidades de candidatos a fármacos y materiales. Usando Argon en Antigravity, nuestros investigadores hicieron que xTB fuera hasta 2.3 veces más rápido prediciendo estructuras moleculares y 1.8 veces más rápido en la búsqueda de conformeros. Los cambios han sido aportados al repositorio oficial de xTB en GitHub.
• Hacer que nuestros modelos Gemma abiertos sean casi tres veces más rápidos: Usando Argon, logramos una aceleración de 2.85x en la inferencia de extremo a extremo en una A100 mediante vLLM (acelerando el rendimiento de ~37,900 a más de 108,000 tokens por segundo en Gemma 4 E2B) con una paridad de tokens del 100% y cero pérdida de calidad en solo unos pocos días, un proceso que normalmente tomaría meses. Consulten los pull requests upstream (que optimizan todo, desde el ajuste de la atención hasta la decodificación especulativa) para ver los cambios exactos.
• Ofreciendo visualizaciones 3D complejas: Argon aporta mejoras importantes en razonamiento espacial, precisión matemática y codificación visual en comparación con los modelos Gemini anteriores. Usando comandos slash como /goal y solicitando bucles multiagente con habilidades personalizadas en Antigravity, los Googlers están usando Argon para prototipar visualizaciones 3D complejas, juegos de alta fidelidad y animaciones interactivas en código vanilla que se pueden renderizar directamente en el navegador.

Argon construyó un modelo altamente detallado de una Pagoda usando bucles de crítica visual multiagente en Antigravity. El modelo esculpió de manera autónoma un complejo temple con múltiples edificios con arquitectura fotorrealista, follaje e iluminación en Blender.

Argon convirtió fotos de un escritorio real en un juego de carreras en miniatura jugable usando un bucle multiagente en Antigravity. Los objetos del escritorio, la habitación y la pista de carreras fueron modelados y verificados en cuanto a colisiones usando Blender MCP, texturizados con Nano Banana, y cableados con física, shaders personalizados y audio de motor de auto de Gemini Omni Flash en Three.js. Pruébenlo ahora en Google AI Studio.

Argon en Antigravity escribió scripts de Python para esculpir, equipar con rigging, animar y aplicar PBR-bake de manera procedural a un juego 3D complejo usando bucles de crítica visual multiagente, y luego lo preparó para la web en Three.js con shaders GLSL, física de fragmentación y una IA para un jugador. Pruébenlo ahora en Google AI Studio.

Con cero bibliotecas externas y 100% Python puro, Argon escribió su propio motor de ray-tracing 3D con una herramienta de video personalizada y un mezclador de audio para construir y documentar una biblioteca bañada por el sol desde cero, produciendo, narrando y ensamblando este video con locución de Gemini 3.8 TTS y música de Lyria 3.5. Vean el código fuente.

Partiendo de una sola imagen de Nano Banana en Antigravity, Argon controla Blender MCP en un bucle autónomo, alineando cuadrículas de cámara, esculpiendo arquitectura gótica y preparando iluminación reactiva al audio, para crear una escena 3D terminada.

Transformando flujos de trabajo profesionales y de negocios críticos

Argon combina razonamiento de frontera, percepción visual profunda, conocimiento de dominio ampliado y capacidades de escritura más sólidas en derecho, finanzas, ciencia y programación para ayudar con flujos de trabajo profesionales de alto riesgo. Se comunica con claridad, manteniéndolos informados, y sigue las instrucciones de estilo mejor que cualquiera de nuestros modelos Gemini anteriores. Argon responde las preguntas de manera más directa con menos evasivas, no se repite más de lo necesario y evita los clichés a lo largo de las respuestas.

Los clientes empresariales y las startups de nuestro programa de acceso anticipado ya están obteniendo grandes logros con Argon.

Usando su razonamiento avanzado y sus capacidades multimodales mientras mantiene una base sólida estricta, Argon destaca en la comprensión profunda de documentos multimodales, el análisis de datos longitudinales y los entornos de análisis interactivos.

Vean cómo Argon sintetiza ~50 GB de escaneos de LiDAR aéreo, vectores de habitaciones GIS, planos CAD de la Library of Congress y archivos de NPS para reconstruir modelos 3D del Cañón Chaco, convirtiendo registros arqueológicos fragmentados en sitios de patrimonio digital explorables. Pruébenlo ahora en Google AI Studio.

En la Gemini App, Argon toma una carpeta no estructurada llena de contexto de proyecto y la formatea en una presentación de propuesta limpia para un cliente usando una habilidad personalizada. Luego Gemini redacta la presentación y se la envía por correo electrónico al cliente mientras crea un flujo de trabajo automatizado para todas las futuras solicitudes de clientes entrantes con una tarea programada.

Observen a Argon sintetizar datos de 3 repositorios de código abierto en una herramienta de aprendizaje médico donde pueden desprender capas anatómicas, inspeccionar metadatos clínicos y desencadenar biomecánica en una exploración 3D del cuerpo humano.

Argon usando Antigravity en la app de Gemini para macOS genera iteraciones de diseño para nuevas patas de un sofá usando Nano Banana y luego genera un archivo imprimible en 3D para una de ellas. Partiendo de un boceto con las medidas y una foto del sofá, Argon construye el modelo con el tamaño correcto para ajustarse al sofá.

En Isomorphic Labs, el equipo está usando Argon como socio para acelerar sus flujos de trabajo de investigación en descubrimiento y diseño de fármacos. Argon puede sintetizar rápidamente PDF y patentes complejos para extraer información pertinente, reduciendo un proceso que típicamente toma semanas a solo horas.

Acelerando el impacto en el mundo real con investigadores y expertos en dominios

Investigadores, ingenieros y especialistas en seguridad ya están usando Argon para ampliar los límites de la defensa cibernética, la ciencia, las matemáticas y la robótica. Está ayudando a los defensores cibernéticos e investigadores a probar hipótesis, auditar de manera autónoma bases de código críticas y pruebas formales, y detectar vulnerabilidades sutiles de día cero y fallas lógicas.

Llevando capacidades cibernéticas de vanguardia a más defensores confiables

A partir de hoy, comenzamos la expansión a cientos de Fairwind Program socios adicionales.

Wiz ya está utilizando Argon en su iniciativa "Scan for Good", que protege infraestructura crítica para el bien público y de forma gratuita. Con acceso anticipado al modelo, Wiz ha demostrado el impacto de Argon en el mundo real en múltiples sectores de alto riesgo:

• Protección de datos gubernamentales sensibles: Como parte de un programa de resiliencia cibernética de larga data y en colaboración con una agencia federal, Argon ayudó a identificar y remediar proactivamente una brecha que ponía en riesgo de exposición datos sensibles e infraestructura gubernamental. Este esfuerzo ayudó a prevenir la exposición de detalles críticos del desarrollo del sector de seguridad y el acceso no autorizado a modelos especializados.
• Protección de infraestructura sanitaria crítica: Wiz también utilizó Argon para proteger infraestructura sanitaria vital. Al encadenar vulnerabilidades complejas, el modelo ayudó al equipo a descubrir y corregir rápidamente una omisión de descarga de archivos públicos que exponía una clave maestra y otorgaba acceso de administrador. Argon fue más allá de detectar una vulnerabilidad para salvaguardar proactivamente cientos de miles de registros privados de pacientes.

Desbloqueando nuevos avances científicos

Argon ya está teniendo un impacto real en la comunidad científica, permitiendo descubrimientos novedosos para científicos y expertos en múltiples dominios.

• Computación cuántica: Argon está ayudando a nuestros investigadores a acelerar el progreso tanto en la corrección de errores cuánticos como en el diseño de algoritmos. Para ayudar a los decodificadores de errores a mantener el ritmo del hardware cuántico en tiempo real, Argon tradujo una versión interna de AlphaQubit, nuestro decodificador de corrección de errores cuánticos basado en ML, en un único kernel de hardware altamente optimizado, casi duplicando su rendimiento de inferencia para que podamos implementar modelos más grandes y capaces y escalar a dispositivos cuánticos más grandes, mientras seguimos cumpliendo estrictos umbrales de tiempo real. Argon también está reduciendo los costos de espacio-tiempo para subrutinas cuánticas. Para arcsin, un bloque de construcción en recientes algoritmos de simulación cuántica, una implementación escrita por Argon y verificada formalmente en Lean reduce el costo de espacio-tiempo en más de 100x en comparación con una línea base cuántica CORDIC publicada, un paso hacia una biblioteca estándar de circuitos cuánticos optimizados.
• Fusión nuclear: Los stellarators son máquinas increíblemente complejas que representan un candidato líder para la energía de fusión limpia ilimitada, pero optimizar sus campos magnéticos 3D es notoriamente difícil. Desde 1967, una hipótesis de larga data conocida como la "conjetura de Grad" asumía que encontrar soluciones matemáticas exactas para estos campos era imposible, hasta que se encontraron recientes contraejemplos, incluso por el profesor Matt Landreman (University of Maryland). Ahora, un equipo de Google junto con el profesor Landreman ha descubierto una clase más amplia de contraejemplos a la conjetura de Grad. Estas nuevas soluciones brindan a la comunidad de fusión puntos de referencia confiables para probar sus códigos de simulación de stellarators, que son herramientas valiosas para diseños futuros.
• Investigación de enfermedades raras: Investigadores de Gamow Labs utilizaron Argon para analizar genomas anonimizados de recién nacidos con trastornos raros del desarrollo pulmonar. En un caso, Argon identificó una reorganización cromosómica que el software de rutina pasó por alto durante años, y explicó por qué no fue detectada. En evaluaciones privadas de Gamow Labs derivadas de datos clínicos y de laboratorio reales, Argon encabezó RareBench (57% en asistencia con el diagnóstico de enfermedades raras) y LabBench (52.2% en razonamiento de laboratorio húmedo). Estos avances apuntan a un diagnóstico más rápido para las familias que enfrentan afecciones raras. Consulte blog ² para más detalles.
• Diseño de enzimas: La ingeniería de enzimas con reactividad precisa es notoriamente lenta, y a menudo exige meses de ajuste de modelos personalizados y selección de candidatos. Las serina esterasas son una clase de enzimas que cortan enlaces éster en moléculas objetivo, ampliamente utilizadas en el reciclaje y la fabricación de productos farmacéuticos, biocombustibles y detergentes. Nuestros científicos trabajaron con Argon para diseñar serina esterasas, apuntando a la molécula de referencia 4MU-acetate que brilla bajo luz UV una vez que sus enlaces éster se rompen. En cuestión de horas, Argon recopiló datos relevantes, realizó el ajuste del modelo e identificó múltiples filtros inspirados en la bioquímica para llegar a un conjunto final de cinco diseños novedosos. Las pruebas de laboratorio posteriores confirmaron una actividad catalítica robusta en todos estos diseños. La velocidad y facilidad de la generación exitosa de enzimas demuestra el potencial de una aceleración rápida en la ingeniería de enzimas en campos como la biomanufactura, la química verde y el desarrollo de fármacos.

Para avanzar aún más el ritmo de la investigación, ofrecemos a 10,000 científicos el nivel de uso más alto en Google Antigravity de forma gratuita durante 6 meses (con incorporación continua), sujeto a elegibilidad, capacidad y selección. Las solicitudes están ahora abierto.

Acelerando el desarrollo de la robótica

Al unir el razonamiento visual-semántico avanzado, la comprensión física profunda y la generación autónoma de código, Argon desbloquea nuevos flujos de trabajo en toda la pila robótica y acelera el progreso hacia la AGI física. Este salto en capacidad se refleja en el rendimiento de Argon en el benchmark de Razonamiento Encarnado (ERQA), que evalúa la capacidad de un modelo para comprender y resolver problemas físicos y espaciales en entornos 3D. Apoyándose en razonamiento puro, Argon supera a todos los demás modelos de frontera, con una puntuación de 87%.

Para demostrar estas capacidades en acción, probamos la capacidad de Argon de aprender una habilidad física fuera de distribución simplemente observando. En una prueba interna, Argon vio un video en bruto de una persona jugando cornhole, mapeó las coordenadas espaciales del entorno y calculó los movimientos articulares requeridos de todo el cuerpo. Luego construyó autónomamente el código de simulación. Al transferirse al humanoide Apollo de Apptronik , el robot encestó rápidamente siete tiros consecutivos en una prueba real.

Este pipeline de "Video-a-Sim-a-Real" comprime semanas de modelado manual de simulaciones en unas pocas horas, transformando videos ordinarios en un campo de entrenamiento escalable e infinito para la robótica. Obtén más información sobre cómo esto acelera el ritmo de desarrollo en robótica en nuestro blog para desarrolladores.

Desarrollar Argon de forma responsable y segura

La seguridad es fundamental para el desarrollo de modelos en Google. Dado que Argon es un modelo altamente capaz, colaboramos con una variedad de socios externos en la medición de ciertas capacidades del modelo y de las salvaguardas. Gemini 4 Argon representa nuestra pila de seguridad más completa hasta la fecha:

• Defensas contra el uso indebido y los jailbreaks: Las mismas capacidades de codificación y científicas que ayudan a los defensores a parchear software hospitalario o acelerar la bioingeniería también requieren fuertes salvaguardas contra actores maliciosos. Bajo nuestro Frontier Safety Framework, evaluamos las capacidades mejoradas de Argon en varios dominios y desplegamos una pila de defensa multicapa que combina resistencia a jailbreaks, monitoreo y aplicación. Esto mejoró enormemente nuestra robustez: por ejemplo, el red teaming externo de bio solo pudo desbloquear menos del 1% de las subtareas de bio que probamos. Además, en cuanto a solicitudes peligrosas —desde escribir código de explotación hasta ayudar con materiales biológicos peligrosos— Argon es significativamente mejor en no cumplir solicitudes dañinas que nuestros modelos anteriores. En un conjunto adversario diseñado para someter a prueba de estrés al modelo, las violaciones se redujeron casi 2 veces, también significativamente mejor que los modelos Gemini anteriores.
• Alineación de agentes y monitoreo en tiempo real: A medida que los agentes se convierten en solucionadores de problemas más capaces, debemos asegurarnos de que no se muestren demasiado ansiosos por terminar una tarea tomando atajos no autorizados cuando encuentran un obstáculo, como un error de permiso o una prueba que falla.
  • Primero, entrenamos a Argon para respetar los límites del sistema, informar honestamente los hallazgos negativos y hacer una pausa para la confirmación humana antes de tomar pasos irreversibles. En benchmarks de codificación donde los modelos no tienen incentivo para contenerse, los intentos de atajos cayeron a solo 2% en Gemini 4 Argon, nuestro mejor rendimiento en comparación con modelos Gemini anteriores.
  • Segundo, como capa de defensa en profundidad, construimos un monitor automatizado de desalineación que lee el razonamiento paso a paso y las acciones del agente para detectar y bloquear en tiempo real soluciones alternativas no deseadas. Usamos este monitor en despliegues internos, evaluaciones de capacidades y entrenamientos de aprendizaje por refuerzo, evitando estrictamente penalizar los pensamientos del modelo durante el entrenamiento para que su razonamiento siga siendo transparente y monitoreable.
• Resistencia a la inyección de prompts: Cuando los agentes navegan por páginas web, leen correos electrónicos o inspeccionan código, pueden encontrarse con instrucciones maliciosas ocultas diseñadas para secuestrar su tarea. Mediante entrenamiento adversario y red teaming automatizado, Argon lidera el benchmark Gray Swan Indirect Prompt Injection (IPI), reduciendo el éxito de los ataques a lo largo de 15 intentos adaptativos a 0.7%.

Para más información, consulta la Tarjeta de Modelo de Gemini 4 Argon.

Comienza hoy

Argon trabaja más tiempo y con mayor esfuerzo para resolver problemas científicos, de codificación y agentiles altamente complejos. Esto es posible gracias a un límite unificado de entrada-salida de 1M de tokens, líder en la industria, a través de la Gemini API. Lee nuestra documentación para desarrolladores y empresas para conocer el nuevo protocolo de continuación y asegurarte de la configuración adecuada para tus necesidades. Argon se lanza hoy globalmente:

• Para desarrolladores: Construye con el nivel de pago de la Gemini API y, si eres suscriptor de Google AI Ultra, puedes probarlo en Google Antigravity, AI Studio y Android Studio.
• Para empresas: Pruébalo en Gemini para empresas, en la API y en Google Antigravity.
• Para usuarios cotidianos: Pruébalo a partir de hoy en la app de Gemini y en AI Mode en Search si eres suscriptor de Google AI Ultra o Pro.
• Para científicos e investigadores: Solicite la oportunidad de obtener acceso al nivel de uso más alto de Google Antigravity de forma gratuita durante 6 meses (incorporación de manera continua), sujeto a elegibilidad, capacidad y selección. Las solicitudes están abiertas ahora.
• Para los defensores de la ciberseguridad: Soliciten unirse al Fairwind Program para obtener acceso a Argon sin barreras de seguridad informática de manera continua.

Gemini 4 Argon es solo el comienzo. Esperamos traerles el resto de la familia Gemini 4.