Skip to content
FrontierDot

Qué puedes hacer hoy con Google Argon: guía práctica de Gemini 4 Argon

Un complemento práctico de nuestra cronología de Argon. Cada capacidad que sigue está respaldada por una página de documentación, una entrada del blog o una publicación oficial en X de Google, y cada sección termina con un primer paso concreto.

A 18 oct. 2026 puedes usar Gemini 4 Argon a través de la API de Gemini de pago y Google AI Studio, en Antigravity y en la app de Gemini y el Modo IA con el plan de Google AI adecuado, con hasta 1 M de tokens de salida en una sola respuesta mediante ejecución en segundo plano, pero no para generar imágenes o audio, ni con la Live API ni con caché de contexto explícita.

Consultado el 2026-10-18: la página del modelo y la página «What’s new» de la API de Gemini (última actualización 2026-10-16 UTC), la ficha del modelo de DeepMind, la entrada del blog de Google del 13 oct. y las publicaciones oficiales en X de @GeminiApp, @Google, @antigravity y @GoogleDeepMind. No ejecutamos Argon por nuestra cuenta; los ejemplos de código son de Google y solo se han adaptado recortándolos. Los requisitos de los planes y las cuotas cambian a menudo, así que comprueba tu cuenta antes de fiarte de nada de esto.

Punto de partida: qué es Argon

Gemini 4 Argon es el modelo de razonamiento insignia de Google, con el id de API gemini-4-argon. El artículo de la cronología recoge el registro fechado de cómo se lanzó. Este artículo trata del uso. El modelo acepta como entrada texto, imágenes, vídeo, audio y PDF, y devuelve texto. La página del modelo de Google indica como compatibles la ejecución de código, las llamadas a funciones, las salidas estructuradas, la búsqueda de archivos, el anclaje con Search, Grounding with Google Maps, el contexto de URL y el uso del ordenador (marcado como Preview), y como no compatibles la generación de imágenes, la generación de audio y la Live API. La caché de contexto explícita tampoco es compatible; la implícita sí.

Esos límites determinan qué significa «hacer algo con Argon». Puede escribir el código, razonar sobre los documentos, planificar los pasos y manejar otras herramientas, pero cuando ves imágenes, modelos 3D o voz en las demostraciones de Google, los han producido otros modelos o herramientas. El propio blog lo dice: el juego de carreras de escritorio usó Blender mediante MCP para el modelado, Nano Banana para las texturas y Gemini Omni Flash para el audio del motor, con Argon como orquestador. Considera a Argon el planificador y programador de esa pila.

1. Llámalo desde la API de Gemini (desarrolladores)

El acceso a la API es del nivel de pago; la documentación de Google afirma que Argon no está disponible en el nivel gratuito. Crea una clave de API en Google AI Studio y envía una solicitud a la Interactions API. El inicio rápido de Google son tres líneas en Python: crear un cliente, llamar a client.interactions.create con model igual a gemini-4-argon y una cadena de entrada, e imprimir interaction.output_text. El ejemplo que usa Google es un prompt para escribir un script de three.js que renderice un agujero negro en 3D con lente gravitacional, que sirve también de prueba rápida, porque en un navegador se ve si se ha renderizado.

El nivel de razonamiento predeterminado documentado es medio, con un límite de salida predeterminado de 65 536 tokens. Google indica que elimines temperature, top_p y top_k de tus solicitudes, porque se ignoran, y que subas cualquier max_output_tokens explícito inferior a 32 K a 32 768 como mínimo, ya que Argon puede dedicar más parte del límite a razonar que los modelos anteriores. Los tiempos de espera de los clientes HTTP deben ser de al menos 15 minutos para prompts difíciles, o bien conviene usar la ejecución en segundo plano.

  • Consigue una clave de nivel de pago en Google AI Studio y expórtala como GEMINI_API_KEY.
  • Envía la solicitud del inicio rápido con el modelo gemini-4-argon y una tarea cuyo resultado puedas comprobar, como una pequeña escena de three.js o una prueba unitaria que falle.
  • Ejecuta el mismo prompt con thinking_level low, medium y high, y anota la calidad, la latencia y el uso de tokens. Google aconseja elegir el nivel más bajo que cumpla tu listón.
  • Mantén el estado de varios turnos en el servidor con previous_interaction_id, como recomienda la lista de comprobación de migración.

2. Usa los niveles de razonamiento como control de coste y calidad

Google describe tres niveles. El bajo usa menos tokens y tiene la latencia más baja, y es adecuado para tareas sencillas y trabajo sensible al coste, aunque la calidad puede bajar en tareas difíciles. El medio es el predeterminado y la opción recomendada para la mayoría de las tareas, incluido el código complejo y el uso agéntico. El alto usa más tokens y tiene el primer token más lento, y está pensado para razonamiento difícil, matemáticas, ciencia y las tareas de código o de agentes más exigentes. Google recomienda ejecutar tu propia evaluación con los tres niveles.

Como los tokens de razonamiento se facturan como tokens de salida, a 10 $ por millón hasta el 30 de noviembre de 2026 y a 20 $ por millón después, el nivel es también tu control de precio. La caché implícita está activada por defecto para prompts de al menos 4096 tokens y descuenta un 95 % la entrada en caché cuando hay coincidencia, así que pon las instrucciones largas y estables al principio del prompt y varía solo el final.

3. Genera salidas muy largas con la decodificación larga

La capacidad principal es una única respuesta de más de 64 K tokens, hasta 1 M de tokens menos tu entrada, dentro de una ventana compartida de 1 048 576 tokens para entrada, razonamiento y salida. El método es la ejecución en segundo plano: define background como true y max_output_tokens por encima de 65 536 en generation_config. El ejemplo de Google pide una demostración completa y rigurosa del teorema de los números primos con max_output_tokens de 262 144 y thinking_level high. El modelo genera en saltos de hasta 64 K tokens, cada uno a continuación del anterior, y los servidores de Google ejecutan los saltos por ti.

La página documenta dos trampas prácticas. Primera: si defines background como true sin max_output_tokens, el servidor se detiene tras 64 K tokens. Segunda: cada salto añade un paso model_output, así que debes unir el texto de todos esos pasos cuando el estado de la interacción deje de ser in_progress o queued. Consulta con interactions.get cada pocos segundos, como hace el ejemplo. La decodificación larga sirve para tareas en las que la extensión es lo que importa, como un plan de refactorización de varios archivos, un borrador largo de una demostración o la reescritura de un documento extenso; para preguntas corrientes, el valor predeterminado sale más barato.

  • Copia el ejemplo de decodificación larga de Google para tu lenguaje.
  • Define max_output_tokens en 131 072 o 262 144, que es el intervalo que Google sugiere para razonamiento y programación complejos.
  • Consulta hasta que el estado deje de ser in_progress y queued, y luego une el texto de todos los pasos model_output.
  • Revisa el uso en la respuesta para ver lo que costó la ejecución antes de escalarla.

4. Úsalo como agente en Antigravity o Managed Agents

Google dice que Argon en Antigravity ayudó a los equipos a aumentar en más de un 35 % los envíos de código agéntico y a reducir casi un tercio las reversiones; es una afirmación interna de Google que no hemos probado. Lo que puedes hacer hoy es más modesto. Si eres suscriptor de Google AI Ultra, el blog dice que puedes probar Argon en Antigravity y AI Studio. El 15 de octubre la cuenta oficial @antigravity dijo que Argon también se había desplegado para los suscriptores de pago de Google AI Pro, con una cuota semanal de Argon aparte junto a la cuota de Flash existente.

Para un uso dirigido desde código está la vía de Gemini Managed Agents de la página «What’s new»: llama a la Interactions API con agent igual a antigravity-preview-09-2026, environment igual a remote y agent_config con type antigravity y model gemini-4-argon. El ejemplo de Google pide al agente que audite el rendimiento y el SEO de un sitio web con la PageSpeed Insights API y Google Search, y que devuelva una tabla de puntuaciones. Google muestra además comandos con barra, como /goal, y bucles multiagente con habilidades personalizadas en Antigravity para prototipos 3D y de juegos. Una primera tarea razonable es una acotada cuyo resultado puedas comprobar.

  • Confirma tu plan en la app de Antigravity y revisa la cuota que se muestra para Argon.
  • Elige una tarea con una prueba de aprobado o suspenso, como un conjunto de pruebas que falla o un presupuesto de rendimiento.
  • Dale un archivo de habilidades o reglas si tu proyecto lo tiene; el ejemplo de ADK del blog de Google usaba un libro de reglas y un objetivo de un párrafo.
  • Revisa tú mismo los diffs. Google dice que Argon se entrenó para detenerse antes de pasos irreversibles, pero el revisor sigues siendo tú.

5. Convierte documentos en algo explorable en la app de Gemini

En la app de Gemini y el Modo IA, Argon está disponible para los suscriptores de Google AI Ultra y Pro, según la entrada del blog del 13 de octubre. La cuenta oficial @GeminiApp muestra dos usos concretos. El 16 de octubre publicó que puedes usar Canvas para convertir PDF densos en aplicaciones web interactivas y animadas que explorar a tu ritmo. El 15 de octubre mostró cómo subir una foto de un mueble con medidas aproximadas y usar Canvas para crear un estudio CAD 3D interactivo con controles deslizantes en directo y archivos STL exportables e imprimibles.

La cuenta de Google también mostró un libro de cuentos creado a partir de un PDF académico con Nano Banana, Veo y Argon en la app de Gemini, y una presentación creada a partir de 80 000 archivos del archivo de la NASA en Google Slides. Son demostraciones; Google no publica una tasa de éxito. Una primera prueba sensata es un PDF que conozcas bien, como tu propio artículo o el manual de un producto, para poder comprobar cada afirmación de la salida.

  • Confirma que tu plan de la app de Gemini es Google AI Pro o Ultra y que Argon se puede seleccionar.
  • Sube un PDF que conozcas y pide a Canvas una explicación interactiva.
  • Recorre el resultado y compara las cifras con la fuente antes de compartirlo.

6. Solicita los programas, si te corresponden

Según la entrada de Google del 13 de octubre, hay dos solicitudes abiertas. Los científicos e investigadores pueden solicitar el nivel de uso más alto de Google Antigravity gratis durante seis meses; Google dice que se incorporará a 10 000 científicos de forma continua, sujeto a requisitos, capacidad y selección. Los defensores de ciberseguridad pueden solicitar al Fairwind Program acceso a Argon sin barreras de ciberseguridad, también de forma continua. El modelo público es la versión protegida; no esperes el mismo comportamiento ante prompts relacionados con exploits.

Lo que hoy no hará por ti

  • No admite generación de imágenes, generación de audio ni la Live API.
  • No acepta contenido en caché explícito; usa la caché implícita.
  • Los ajustes temperature, top_p y top_k se ignoran.
  • El nivel gratuito de la API no lo incluye.
  • La salida sigue necesitando comprobación: la ficha del modelo de Google dice que Argon puede alucinar y agotar el tiempo de espera, y que su fecha de corte de conocimiento es marzo de 2026.
  • Los resultados de varios días y varios agentes de las publicaciones de Google, como los cuatro agentes que terminaron Minecraft en 27 horas, son demostraciones de investigación. Google no los ha publicado como un producto que se pueda activar.

Lecturas relacionadas en Front

Las demostraciones 3D de Argon pasan por Blender, así que si quieres probar el mismo enfoque, empieza por Cómo elegir una alternativa a Blender y la comparación Blender vs Spline para 3D en el navegador. Para el registro fechado del lanzamiento, lee la cronología de Google Argon. Si quieres un modelo que puedas ejecutar en tu propio equipo, compáralo con la cronología de Reflection Beam 501B. Para la oferta actual de xAI, consulta la cronología de Grok. Todo está en el índice del blog.

Sigue leyendo

Todos los artículos, del más reciente al más antiguo, están en el índice del blog de Front.

Preguntas frecuentes

¿Cuál es el id de modelo de Gemini 4 Argon?

gemini-4-argon, según la página del modelo de la API de Gemini. La cadena de versión estable es la misma.

¿Puedo probar Argon gratis?

No a través de la API: la documentación de Google dice que no está disponible en el nivel gratuito. El acceso de consumo en la app de Gemini y el Modo IA requiere Google AI Pro o Ultra, según el blog de Google.

¿Cómo consigo salidas de más de 64 K tokens?

Define background como true y max_output_tokens por encima de 65 536, luego consulta la interacción y une todos los pasos de texto model_output, como en el ejemplo de decodificación larga de Google.

¿Puede Argon generar imágenes?

No. La página del modelo indica que la generación de imágenes no es compatible; las imágenes y el audio de las demostraciones de Google proceden de otros modelos, como Nano Banana.

¿Cuándo sube el precio?

El 1 de diciembre de 2026: de 2 $ a 4 $ por millón de tokens de entrada y de 10 $ a 20 $ por millón de tokens de salida, una vez termine el periodo de lanzamiento el 30 de noviembre de 2026.

Fuentes