Google liberó Gemini 4 Argon para todo el mundo el 13 de octubre de 2026. Lo había presentado el 30 de septiembre, pero hasta esa fecha solo lo tenía un grupo cerrado de evaluadores.
La noticia no es el modelo. Es el precio: $2 dólares por millón de tokens de entrada y $10 por millón de salida. Es exactamente la mitad de lo que cobran Claude Opus 5.5 y el recién llegado Muse Wonder de Meta, y una quinta parte de lo que cuesta GPT-6 Astra.
Y tiene fecha de caducidad.
Los precios oficiales
Estos números salen de la página de precios de la API de Google, no de un resumen de terceros:
| Concepto | Hasta el 30 nov 2026 | Desde el 1 dic 2026 |
|---|---|---|
| Entrada (estándar) | $2.00 | $4.00 |
| Salida (estándar) | $10.00 | $20.00 |
| Entrada en caché | $0.10 | $0.20 |
| Entrada (batch) | $1.00 | $2.00 |
| Salida (batch) | $5.00 | $10.00 |
| Entrada en caché (batch) | $0.05 | $0.10 |
Todo en dólares por millón de tokens. El identificador del modelo es gemini-4-argon y no está disponible en el tier gratuito.
Dos detalles que conviene subrayar antes de sacar la calculadora.
El primero: el precio de salida incluye los tokens de razonamiento. Si el modelo piensa 3,000 tokens antes de escribirte una respuesta de 200, pagas 3,200 tokens de salida. En modelos de razonamiento esa diferencia no es cosmética — puede ser la mayor parte de tu factura, y es invisible en la respuesta que ves.
El segundo: Google no llama a esto "precio promocional" ni "de lanzamiento" en su documentación. Simplemente publica dos tarifas y una fecha de corte. El efecto práctico es el mismo, pero la redacción importa: no hay promesa de que la tarifa baja vuelva.
Foto: Suhas Hanjar en Unsplash
Dónde queda frente al resto
Con los lanzamientos de esta misma semana, la tabla de precios de los modelos de frontera quedó así:
| Modelo | Entrada | Salida |
|---|---|---|
| Gemini 4 Argon (hasta 30 nov) | $2 | $10 |
| Gemini 4 Argon (desde 1 dic) | $4 | $20 |
| Claude Opus 5.5 | $4 | $20 |
| Meta Muse Wonder | $4 | $20 |
| GPT-6 Astra | $10 | $50 |
| Claude Fable 5.1 | $10 | $50 |
Hay dos escalones claros: uno de $4/$20 y otro de $10/$50. Hoy Argon es el único que está por debajo del primero. El 1 de diciembre se integra a él y el mercado queda con dos niveles limpios.
Lo relevante de esta tabla no es quién va ganando. Es que un modelo que compite de tú a tú con los de arriba cuesta 2.5 veces menos que GPT-6 Astra. Si tu producto consume tokens en volumen, ese múltiplo es más determinante que cualquier diferencia de puntaje.
¿Cuánto te va a costar tu IA en enero?
Modelamos el consumo real de tu producto con las tarifas de diciembre y te decimos si conviene migrar de modelo o rediseñar los prompts.
El detalle que no aparece en los resúmenes
La documentación de Google incluye una línea que casi ningún artículo recogió: Argon solo soporta caché implícito. El caché explícito no está soportado.
La diferencia es grande para quien construye.
Con caché explícito tú decides qué bloque de contexto se guarda, lo registras y tienes la garantía de que las siguientes llamadas lo van a reutilizar al precio con descuento. Con caché implícito el proveedor decide: si detecta que el inicio de tu prompt se repite, aplica el descuento; si no lo detecta, cobra tarifa completa. No hay nada que puedas registrar ni verificar de antemano.
Eso significa que ese $0.10 por millón —un 95% de descuento, muy atractivo sobre el papel— no es una cifra que puedas meter en un presupuesto. Es un ahorro probable, no un ahorro contratado.
Si tu arquitectura depende de reinyectar un system prompt largo o un corpus fijo en cada llamada, haz el cálculo con el precio de entrada completo y trata el caché como una sorpresa agradable. Es la diferencia entre un presupuesto que aguanta y uno que se desvía en el primer mes.
Foto: panumas nikhomkhai en Pexels
¿Y qué tan bueno es, en realidad?
Aquí hay que separar quién produjo cada número, porque los resultados no apuntan en la misma dirección.
Mediciones independientes:
-
Vals Index: Argon queda primero con 68.90%, arriba de Claude Sonnet 5.5 (67.04%) y Claude Opus 5.5 (66.97%).
-
Vals Finance Agent v2: primero también, con 65.40%.
-
Artificial Analysis Intelligence Index: 53 puntos, empatado con GPT-6 Astra y Claude Fable 5.1. Claude Opus 5.5 marca 58.
Comparaciones publicadas por Google:
-
Harvey Legal Agent Benchmark: 19.6%, contra 5.4% de Astra y 3.8% de Opus 5.5.
-
Zapier AutomationBench: 51.3%, contra 42.5% de Opus y 41.4% de Astra.
-
DeepSWE v1.1: 77.9%, contra 74.2% de Opus y 74.1% de Astra.
-
Terminal-Bench 4.0: 57.4% — aquí pierde contra el 66.4% de Opus 5.5.
-
Gray Swan (inyección indirecta de prompts): 0.7% de ataques exitosos en 15 intentos adaptativos.
Las cinco últimas son comparaciones que publicó Google, no replicaciones independientes. No quiere decir que estén infladas, pero sí que el laboratorio eligió los ejes de la gráfica.
El resumen honesto: Argon es extraordinariamente fuerte en tareas de agente con herramientas y en dominios verticales como legal y finanzas, donde la ventaja es de varios múltiplos. En razonamiento general y en trabajo de terminal, Opus 5.5 sigue adelante. No existe "el mejor modelo" de esta semana; existe el mejor modelo para lo que tú haces.
Dónde se puede usar
-
API de pago de Gemini, Google AI Studio y Antigravity.
-
Suscripciones elegibles de Gemini Enterprise.
-
Suscriptores de Google AI Pro y Ultra, dentro de la app de Gemini y en AI Mode de Search.
-
Para desarrolladores de Android, vía Android Studio y Firebase AI Logic.
-
El acceso individual a Antigravity requiere el nivel Ultra.
Qué haríamos nosotros
Tres decisiones concretas.
No ancles la arquitectura al precio de octubre. Si tu proyecto sale a producción en Q1 de 2027, el número con el que tienes que trabajar es $4/$20, no $2/$10. Cualquier modelo de negocio que solo cierre con la tarifa baja, no cierra.
Aprovecha la ventana para medir, no para comprometerte. Seis semanas a mitad de precio son un buen momento para correr tu propia evaluación con tus datos y tus prompts. Ningún benchmark público te va a decir lo que te dice tu caso de uso.
Si tienes trabajo que no es interactivo, usa batch. A $1/$5 hasta el 30 de noviembre y $2/$10 después, procesar documentos, clasificar tickets o generar resúmenes en lote cuesta la mitad que hacerlo en línea. Es el ahorro más grande y más fácil de esta lista, y casi nadie lo aplica.
La pregunta útil no es "¿cuál modelo es mejor?" sino "¿cuánto me cuesta resolver una unidad de mi trabajo?". Dos modelos con el mismo precio por token pueden diferir al triple en costo por tarea resuelta, según cuánto razonen y cuántos reintentos necesiten.
Fuentes
Precios y disponibilidad: documentación oficial de precios de la API de Gemini. Cobertura del lanzamiento y benchmarks: VentureBeat. Índice independiente: Artificial Analysis.
