Ayer Google presentó Gemini 4 Argon, el primer modelo de su nueva generación Gemini 4… y hay algunos números que cuesta procesar. 🚀 ¿Un millón de tokens de salida en una sola respuesta? Sí. Para ponerlo en perspectiva: el límite anterior era de 64.000 tokens. Eso significa una capacidad máxima de salida aproximadamente 15,6 veces mayor. Pero el millón de tokens no es lo único llamativo. En las pruebas publicadas por Google, Gemini 4 Argon lidera 13 de 19 benchmarks frente a modelos como GPT-6 Astra y Claude Opus 5.5. Algunos resultados: 💻 DeepSWE — ingeniería de software: 77,9% 🎥 LVBench — comprensión de vídeo largo: 91,7% 🏢 AutomationBench — ejecución de tareas empresariales: 51,3% Y ojo: esto no significa que gane absolutamente todas las pruebas. En algunos benchmarks otros modelos obtienen mejores resultados. Pero sí muestra que Argon está compitiendo en la primera línea de los modelos actuales. 💰 ¿Y cuánto cuesta? Durante el precio introductorio: ➡️ US$2 por millón de tokens de entrada ➡️ US$10 por millón de tokens de salida ➡️ 95% de descuento para tokens de entrada almacenados en caché Después, el precio anunciado pasa a US$4 / millón de entrada y US$20 / millón de salida. Según Artificial Analysis, Argon alcanza una puntuación de inteligencia similar a GPT-6 Astra en su índice, pero con un costo por tarea menor bajo las condiciones de esa evaluación. Y ahora viene una parte que me parece todavía más impresionante… Google afirma que ya está utilizando Argon internamente para tareas reales de ingeniería. 🧠 Más de 300 TiB de memoria liberada en centros de datos. 🦀 Migraciones de más de 800.000 líneas de C/C++ hacia Rust, con procesos de revisión y validación. ⚡ Una mejora de hasta 2,7× en la decodificación de vídeo en uno de sus proyectos. Esto empieza a cambiar la pregunta. Ya no estamos hablando solamente de: "¿Qué tan bien responde una IA?" Sino de: "¿Cuánto trabajo complejo puede realizar una IA durante horas, manteniendo contexto, utilizando herramientas y revisando sus propios resultados?"