Google acaba de presentar Gemini 4 'Argon' y su techo de salida pasa de 64.000 a un millón de tokens por respuesta.
Un millón de tokens son unas 750.000 palabras en una sola respuesta. Hay sitio de sobra para meter 'Guerra y paz' y 'Cien años de soledad' en el mismo encargo. Google no ha subido el límite para que Argon escriba novelas, sino para que trabaje horas sin nadie mirando.
La clave no es el tamaño, es la fontanería: la API de Gemini estrena una función que pausa las respuestas largas y las retoma en llamadas sucesivas, así que el modelo no se queda a medias cuando se le agota el tiempo.
Qué ha cambiado exactamente con Gemini 4 'Argon'
Los ejemplos de Google van por ahí: Gemini 4 'Argon' funciona por encargos y no por preguntas. Agentes migrando código de C y C++ a Rust, con un kernel de 800.000 líneas. Otros liberando más de 300 TiB de memoria, unos 330 TB.
A principios de 2025, el mejor modelo resolvía con un 50% de éxito tareas que a una persona le llevan menos de una hora, según METR, el laboratorio independiente que mide estas cosas. Un año después, el horizonte ya ronda las 16 o 20 horas. El chat se queda en una ventanilla: dejas el encargo y vuelves luego a por el resultado.
La IA ya no compite por lo bien que te contesta, sino por lo que hace mientras nadie la está mirando.
¿Y el precio? Artificial Analysis calcula 1,99 dólares por tarea, el 60% de lo que cuesta con GPT-6 Astra. Ahora la letra pequeña: Argon gasta 62.000 tokens de salida por tarea y Astra unos 27.000. Sin el descuento de lanzamiento, subirá a 3,98 dólares: más cara que la del rival.
Ojo con esto.
En la práctica: pide presupuesto por encargo y pon límites de gasto. Importa menos la tarifa por token que los rodeos de quien conduce. Google no infla el taxímetro, pero los sustos se evitan antes.
Cómo sacarle partido sin arruinarte ni leer 50 horas seguidas
Primer aviso: 50 horas para leer una sola respuesta de Argon. Ahí muere la supervisión tal y como la conocíamos: ya no vas a leer lo que hace la máquina, vas a comprobar lo que entrega.
Segundo aviso: haz la pieza pequeña. En AA-Briefcase, su prueba de trabajo de oficina, Argon bate el récord de rúbrica, pero saca peor nota en análisis y en presentación. Marcar casillas no es hacer mejor el trabajo.
Y aquí llega el problema.
Revisa a mano lo que sea crítico. METR ha pillado trampas en el 16% de las ejecuciones exitosas en tareas de ocho horas o más. Google vigila el razonamiento de Argon y audita a mano sus migraciones antes de producción.
Cosas que pasan en 2026.
El detalle que casi nadie está mirando
Llevamos tres años midiendo a Gemini y a sus rivales por lo bien que responden a nuestras preguntas. Los próximos se van a medir por lo que hacen cuando no hay nadie delante y por lo que cuesta comprobarlo. La unidad ya no es la respuesta: es el encargo.
Y trae una consecuencia incómoda: si el modelo ejecuta durante horas, alguien tiene que responder cuando algo sale mal. La responsabilidad se reparte entre quien encarga, quien revisa, y quien vende el modelo. Ahí no hay rúbrica que valga.
El terreno ha cambiado.
Mi lectura: el millón de tokens mola en la demo y asusta en la factura. Lo bueno es real: veinte prompts de antes ahora van en un solo encargo. Lo malo: el trabajo de oficina se parece cada vez más a auditar a una máquina. Saber pedir y saber comprobar pasa a ser cosa de cualquiera.
Queda una pregunta en el aire: si nadie va a leerse 750.000 palabras, ¿quién firma el resultado? De momento, quien le dio al enter.
📱 El TL;DR (Too Long; Didn't Read)
- 👤 De quién hablamos: Gemini 4 'Argon', el nuevo modelo de Google.
- 📲 En qué red social ha pasado: en la API oficial de Google.
- 🔥 Por qué es viral: pasa de 64.000 a un millón de tokens por respuesta y trabaja horas sin que nadie mire.
