Gemini 4 Argon es la nueva bestia de Google para el trabajo pesado: código, ciencia, finanzas y ciberseguridad
Imaginemos que encargamos a una inteligencia artificial una tarea que no puede resolverse con una sola respuesta: revisar miles de líneas de código, detectar qué partes ralentizan un programa y proponer cambios sin alterar su funcionamiento. El reto no consiste únicamente en comprender la petición, sino en sostener un trabajo de varias etapas y comprobar que cada decisión encaja con las anteriores. Esa misma dificultad aparece, con otras exigencias, cuando hay que interpretar informes financieros o examinar sistemas informáticos en busca de vulnerabilidades. Son problemas en los que responder rápido importa bastante menos que llegar a resultados fiables.
Detrás de esta apuesta está Gemini 4 Argon, el nuevo modelo de Google DeepMind con el que la compañía busca reforzar sus capacidades para el trabajo especializado. No se trata exactamente de un estreno: fue anunciado el 30 de septiembre, cuando su utilización quedó reservada a determinados expertos en ciberseguridad mediante el programa Fairwind. La novedad es que Google ha comenzado su despliegue global para desarrolladores, empresas y suscriptores de determinados planes de pago. Con este movimiento, el gigante tecnológico pone el foco en cuatro grandes campos de aplicación: programación, finanzas, investigación científica y seguridad informática.
Una IA diseñada para tareas complejas
Para abordar estos trabajos, Google ha combinado en Argon capacidades de razonamiento avanzado, análisis de información visual y utilización de herramientas. El modelo puede examinar documentos y desarrollar operaciones que requieren varios pasos, apoyándose en un límite unificado de hasta un millón de tokens, las unidades con las que procesa y genera contenido. Hay un matiz importante: esta capacidad se comparte entre la información recibida, el razonamiento y la salida. Además, cada petición individual tiene límites inferiores, por lo que la compañía ha incorporado un mecanismo de continuación que permite completar procesos más extensos.
Hay un ejemplo que permite entender mejor hasta dónde llegan estas capacidades. En una prueba interna con Agent Development Kit (ADK), un proyecto de Python de unas 205.000 líneas, Argon trabajó durante once horas y planteó seis optimizaciones. Tras revisarlas, Google descartó cuatro por posibles problemas de funcionamiento o por ofrecer mejoras de utilidad limitada, pero incorporó las dos restantes. Estas redujeron cerca de un 40% el tiempo de preparación de sesiones largas en memoria y un 21% el de importación del paquete. La compañía también atribuye al modelo una reorganización de cientos de archivos de Chromium, el proyecto en el que se basa Chrome.
En el ámbito financiero, las aplicaciones van desde elaborar estados financieros de varios ejercicios hasta valorar empresas a partir de documentos presentados ante los reguladores. Kepler asegura que, durante sus evaluaciones, Gemini 4 Argon coincidió con los modelos de referencia elaborados por sus analistas en más del 99% de las cifras examinadas. En ciberseguridad, Google afirma que Wiz, una compañía especializada en este sector, utilizó el sistema para ayudar a detectar y corregir una vulnerabilidad que podía comprometer información privada de pacientes. Conviene matizar que estos resultados proceden de empresas colaboradoras y que las investigaciones de Wiz también cuentan con otras herramientas y especialistas humanos.
UN VISTAZO A...
La investigación científica ofrece otros ejemplos interesantes de lo que Google está consiguiendo con esta tecnología. En el diseño de enzimas, el sistema ayudó a crear cinco nuevos diseños de proteínas capaces de facilitar determinadas reacciones químicas. Según la compañía, los ensayos posteriores de laboratorio confirmaron que todos presentaban actividad catalítica. También participó en la optimización de una versión interna de AlphaQubit, su sistema de corrección de errores para computación cuántica, consiguiendo casi duplicar el rendimiento de inferencia de uno de sus componentes.
Gemini 4 Argon lidera el Vals Index, que compara el rendimiento de distintos modelos de IA en tareas profesionales y su coste estimado. | Imagen: Vals AI
Fuera de las demostraciones de Google, también encontramos evaluaciones independientes que permiten situar a Argon frente a sus competidores. En el Vals Index, una clasificación que mide el rendimiento en tareas profesionales de programación, finanzas, derecho y fiscalidad, el modelo ocupa el primer puesto con un 68,90%. Sin embargo, Artificial Analysis otorga 53 puntos a su configuración High en el índice general de capacidades, donde aparece en octava posición.
La disponibilidad global no significa que cualquiera pueda utilizarlo gratis. Google lo ofrece en la aplicación Gemini y en el modo IA del buscador a los suscriptores de Google AI Pro y Ultra, mientras que los desarrolladores pueden acceder mediante la API de pago. Para utilizar Argon en Antigravity, los usuarios particulares necesitan una suscripción Ultra. La tarifa introductoria de la API es de 2 dólares por millón de tokens de entrada y 10 por millón de salida, cantidades que se duplicarán a partir del 1 de diciembre. La cuestión ahora es cómo rendirá fuera de las pruebas controladas y ante necesidades profesionales concretas.
Imágenes | Google | Vals AI
KioskNews shows a cleaned-up reading view extracted from the publisher’s page — the original always lives on their site, not ours.