El nuevo modelo puede generar hasta un millón de tokens en una sola trayectoria y está orientado a programación avanzada, ciberseguridad y tareas profesionales de alta complejidad.

 Santo Domingo.— La carrera por construir sistemas de inteligencia artificial capaces de trabajar durante períodos cada vez más prolongados acaba de entrar en una nueva fase. Google ha presentado Gemini 4 Argon, un modelo diseñado para afrontar tareas complejas que requieren largas cadenas de razonamiento y ejecución.

 La característica que más llama la atención es su capacidad para generar hasta un millón de tokens de salida en una sola trayectoria, un salto considerable respecto al límite anterior de 64.000 tokens señalado por Google.

 La cifra, sin embargo, requiere una precisión: se refiere al límite de salida del modelo, no equivale necesariamente a una ventana de contexto de un millón de tokens. En términos prácticos, permite que una ejecución pueda producir una cantidad de contenido muy superior antes de finalizar.

 Para Google, esta capacidad resulta especialmente relevante cuando la IA no tiene que limitarse a contestar una pregunta, sino desarrollar una tarea completa.

 De responder preguntas a ejecutar proyectos

 Argon ha sido diseñado para escenarios que van mucho más allá del uso conversacional convencional. Google lo orienta hacia la ingeniería de software, investigación empresarial, finanzas, ámbitos jurídicos y ciberseguridad.

 La compañía sostiene que sus propios equipos de ingeniería ya emplean el modelo en tareas de programación, investigación y redacción, además de trabajos de depuración y transformación de código.

 La apuesta es particularmente significativa en programación. En lugar de utilizar la IA únicamente para generar funciones o fragmentos de código, Google está experimentando con agentes capaces de trabajar sobre proyectos mucho mayores y durante más etapas consecutivas.

 La migración de código hacia Rust

 Uno de los ejemplos más llamativos está relacionado con la migración de software escrito en C y C++ hacia Rust, un lenguaje que incorpora mecanismos destinados a reducir determinadas categorías de errores de memoria.

 Google afirma que agentes basados en Argon han participado en migraciones de grandes proyectos internos y de código abierto.

 Entre los casos citados aparece libgav1, el decodificador de vídeo AV1 de Google. Según los datos publicados por la compañía, los agentes trabajaron sobre unas 32.000 líneas de código SIMD y consiguieron una implementación en Rust que, en las pruebas internas de Google, alcanzó una velocidad 2,7 veces superior a una versión anterior en Rust, manteniendo la misma salida de vídeo.

 La compañía también señala que las modificaciones destinadas a sistemas críticos pasan posteriormente por pruebas y revisiones antes de incorporarse a producción.

 Ciberseguridad: el primer gran campo de pruebas

 El lanzamiento de Argon llega acompañado de un despliegue inicial deliberadamente restringido.

 Google está utilizando Fairwind, un programa destinado a proporcionar acceso temprano a determinados modelos a organizaciones que trabajan en la protección de sistemas e infraestructuras críticas.

 La iniciativa incluye a gobiernos, empresas y organizaciones vinculadas a la ciberseguridad. Google plantea utilizar este acceso temprano para que especialistas puedan evaluar las capacidades del modelo y contribuir a identificar riesgos antes de una distribución más amplia.

 En este ámbito, Google DeepMind afirma que Argon puede localizar, validar y corregir vulnerabilidades de software de manera autónoma. También señala que el modelo incorpora mecanismos para rechazar determinadas solicitudes peligrosas y defensas frente a ataques de _prompt injection_.

 Estos resultados proceden de las evaluaciones y pruebas divulgadas por Google y Google DeepMind, por lo que deben interpretarse dentro de las metodologías empleadas por la propia compañía.

 Un millón de tokens cambia la escala

 El verdadero interés tecnológico de Argon no está únicamente en el número de tokens, sino en lo que Google pretende hacer con esa capacidad.

 Una salida de hasta un millón de tokens permite plantear trabajos que serían difíciles de ejecutar dentro de una única trayectoria con límites mucho menores: análisis extensos, modificaciones sobre grandes cantidades de código, investigaciones con numerosas etapas o procesos automatizados que requieren mantener información durante una ejecución prolongada.

 La consecuencia potencial es un cambio en la forma de utilizar los modelos. La IA deja de ser únicamente una herramienta que genera una respuesta y pasa a funcionar como un componente dentro de procesos de trabajo más largos.

 Google también lo utiliza para optimizar sus propios sistemas

 La compañía asegura que Argon ya ha sido empleado internamente en trabajos relacionados con sus centros de datos y con investigación científica.

 Uno de los ejemplos publicados por Google está relacionado con la optimización de memoria en centros de datos. La empresa estima que las mejoras identificadas por agentes basados en Argon podrían liberar cientos de terabytes de memoria cuando sean desplegadas a gran escala.

 Google también ha presentado resultados relacionados con algoritmos de computación cuántica, donde afirma que Argon consiguió mejoras sobre determinadas referencias utilizadas por sus investigadores.

 En ambos casos, se trata de resultados comunicados por la propia compañía y no de auditorías independientes.

  El acceso será gradual

 Google no ha abierto Argon inicialmente a todos los usuarios.

 La estrategia contempla una expansión progresiva desde los programas de acceso temprano hacia desarrolladores, empresas y consumidores, incluyendo clientes de la API de pago y suscriptores de Google AI Ultra.

 El precio introductorio anunciado por Google es de 2 dólares por millón de tokens de entrada y 10 dólares por millón de tokens de salida. La compañía ha indicado que posteriormente esas tarifas aumentarán a 4 y 20 dólares, respectivamente.

 La próxima batalla de la IA

 Gemini 4 Argon representa una apuesta por una categoría de inteligencia artificial en la que la capacidad de mantener y ejecutar procesos largos puede convertirse en un factor tan importante como la calidad de una respuesta individual.

 El desafío ahora será determinar cuánto de esa capacidad se traduce en ventajas reales fuera de los entornos controlados de Google.

 La compañía ya ha mostrado ejemplos en programación, ciberseguridad, centros de datos y computación cuántica. El siguiente paso será llevar esas capacidades a desarrolladores y empresas y comprobar cómo se comportan en problemas reales, con datos, costes y restricciones de producción.

 La carrera por modelos más capaces ya no se limita a responder mejor. La nueva frontera consiste en conseguir que la IA pueda trabajar durante más tiempo, sobre problemas más grandes y con menos intervención humana entre una etapa y la siguiente.