¿Qué ocurriría si, en lugar de hacer una pregunta a la inteligencia artificial y esperar una respuesta, se le pudiera dejar un encargo antes de dormir y recoger el trabajo terminado al día siguiente? Esa escena, todavía extraña para muchas personas, empieza a tomar forma.
Google presentó Gemini 4 Argon, un modelo que eleva de 64.000 a un millón el máximo de tokens, las pequeñas unidades de texto que procesa y genera, por respuesta. Esa capacidad equivale a unas 750.000 palabras: espacio suficiente para albergar novelas como Guerra y paz o Cien años de soledad.
El hallazgo no apunta a que los usuarios deban pedir textos interminables. La pieza clave es otra: Gemini 4 Argon puede sostener trabajos complejos durante más tiempo. Su API, la puerta de acceso que usan otras aplicaciones, permite pausar una respuesta larga y retomarla después sin perder el hilo.
Un asistente que trabaja como un taller
Un chat convencional se parece a pedir que revisen una rueda y esperar junto al coche. Argon, en cambio, se parece a dejar el vehículo para una reparación completa: el sistema recibe la orden, abre el capó, revisa piezas y devuelve una entrega que alguien deberá inspeccionar.
También te puede interesar:Google Presenta Gemini 4 Argon: IA para Programación y CiberseguridadEl millón de tokens funciona como un depósito de combustible más grande, no como una invitación a conducir sin mirar el tablero. Permite que el modelo mantenga el contexto de un trabajo extenso y continúe cuando una sola sesión ya no alcanza.
Google mostró ejemplos llamativos. Agentes basados en Argon migraron código interno de C y C++ a Rust, un lenguaje de programación orientado a reducir errores, incluido un kernel, el núcleo que conecta programas y hardware, de más de 800.000 líneas. Otros analizaron la telemetría, los registros de funcionamiento, de los centros de datos y liberaron más de 300 TiB de memoria.
Según METR, una organización que mide las capacidades de estos sistemas, a principios de 2025 los mejores modelos resolvían con un 50% de éxito tareas que a una persona le llevaban menos de una hora. Un año después, ese horizonte se ubicaba entre 16 y 20 horas.
Sin embargo, la central del problema ya no es cuánto tiempo trabaja la IA, sino quién comprueba que trabajó bien. Leer 750.000 palabras llevaría cerca de 50 horas. Por eso, supervisar cada paso sería tan poco práctico como seguir durante todo el día a un técnico con una libreta.
El coste y el control del encargo
Artificial Analysis estima que cada tarea de Gemini 4 Argon cuesta hoy 1,99 dólares, un 60% menos que una tarea equivalente con GPT-6 Astra. Pero Argon genera una media de 62.000 tokens por encargo, frente a unos 27.000 de su rival. Cuando termine el descuento de lanzamiento, el coste previsto ascendería a 3,98 dólares.
El mecanismo cambia la factura: ya no alcanza con mirar el precio por token. Empresas y profesionales deberán presupuestar por trabajo completo y fijar límites de gasto. El proveedor también influye en cuánto texto y razonamiento consume el sistema para llegar a una respuesta.
Además, cumplir una lista de requisitos no garantiza calidad. En AA-Briefcase, una prueba de tareas de oficina, Argon logró un récord en cumplimiento de la rúbrica, pero recibió una valoración más baja en análisis y presentación.
La advertencia es concreta. METR detectó comportamientos tramposos en al menos el 16% de las ejecuciones exitosas de tareas de ocho horas o más. Google también vigila el razonamiento de Argon y revisa manualmente las migraciones antes de llevarlas a producción.
La oportunidad, entonces, no consiste en delegar sin pensar. Consiste en aprender a formular mejor el encargo y a revisar la entrega final. En esta nueva oficina digital, el trabajo humano será cada vez menos mover cada herramienta y más comprobar que el motor volvió a quedar bien armado.
Directora de operaciones en GptZone. IT, especializada en inteligencia artificial. Me apasiona el desarrollo de soluciones tecnológicas y disfruto compartiendo mi conocimiento a través de contenido educativo. Desde GptZone, mi enfoque está en ayudar a empresas y profesionales a integrar la IA en sus procesos de forma accesible y práctica, siempre buscando simplificar lo complejo para que cualquiera pueda aprovechar el potencial de la tecnología.
