Gemini 4 Argon Aparece en Pruebas A/B de Antigravity de Google

Google lleva meses jugando al gato y al ratón con su modelo más ambicioso, pero los muros de Mountain View tienen grietas. Y por ellas se está colando el esperado Gemini 4 Argon.

Desde que la compañía anunciara este gigante el pasado 30 de septiembre, el cerrojazo informativo ha sido casi total. Solo un grupo hiperselecto ha podido trastear con él de forma oficial. Una estrategia clásica para calentar el mercado.

Pero la comunidad es impredecible y ya está sacando a la luz los primeros destellos de lo que viene. Varios usuarios aseguran estar recibiendo respuestas de Argon a través de redireccionamientos silenciosos y pruebas A/B que Google creía invisibles.

Y es que algunos suscriptores con un plan Gemini Pro incluido con Jio se han topado de bruces con una calidad gráfica inusual. El usuario @leo114119, por ejemplo, logró generar un complejo palaciego chino clásico de una sola tacada, con un nivel de detalle que deja en pañales a las salidas planas típicas de los modelos anteriores.

Lo curioso del asunto es cómo llegó allí. Según este usuario, la prueba no aterrizó en su cuenta principal, sino en una subcuenta vinculada a su grupo familiar. Un patrón que ya vimos cuando Anthropic testeaba Opus 5.5. Un auténtico despiste de los ingenieros, o quizás una prueba muy bien calculada.

El baile de redirecciones y las pruebas encubiertas de Argon

Si miramos bajo el capó de la plataforma, el caos técnico es fascinante. Otro usuario de X, @auricxofficial, se dio cuenta de que sus peticiones a Gemini 3.8 Flash estaban siendo redirigidas sin avisar hacia Argon.

La red de conductos internos no acaba ahí. En la plataforma Antigravity, el modelo Gemini 3.1 Pro ahora apunta directamente a 3.8 Flash bajo un identificador muy sospechoso: gemini-3.8-flash-exp-a. Todo parece ser una autopista para evaluar las nuevas capacidades en la sombra.

Para demostrarlo, este mismo usuario publicó un vídeo capturando la pantalla de un juego de disparos en 3D que, según afirma, ha sido programado de cabo a rabo utilizando Argon. Nada mal para un modelo que «no existe» públicamente.

De hecho, las comparativas visuales están dejando claro dónde ha puesto Google la inversión. Al pedirle a 3.8 Flash y a Argon que generen tres pantallas de interfaz en HTML para una aplicación del tiempo en iPhone, la diferencia es abismal. Argon escupe un código de frontend tremendamente pulido. Así de simple.

Esto encaja a la perfección con las filtraciones de hace semanas. Ya sabíamos que existía un punto de control interno bautizado como «argon» que despuntaba por su gusto estético al diseñar interfaces. Lo que no sabemos es si Google ha seguido apretando las tuercas desde entonces.

Carbon y Barium-B: la guerra interna por el lanzamiento

Pero ojo, porque la ensalada de nombres en código dentro de Google da para escribir una novela. Fuentes cercanas a Business Insider sugieren que el lanzamiento público final de Argon se basará en un punto de control llamado Barium-B.

En paralelo, los propios empleados estarían testeando una versión bautizada como Carbon. ¿La promesa? Un rendimiento en programación que le muerde los talones directamente a Claude Opus 5.5. Casi nada.

Evidentemente, con tanta redirección secreta, es casi imposible saber si los usuarios de X están interactuando con Barium-B, con Carbon o con una mezcla experimental de ambos. La niebla de guerra habitual en el desarrollo de IA.

Rendimiento puro: ¿Qué dicen los números oficiales de Gemini 4 Argon?

Vamos a los datos duros, que es lo que nos gusta. Google ha roto su silencio a medias publicando unas cifras que asustan, empezando por un brutal 77,9 % en DeepSWE.

Básicamente, DeepSWE es un benchmark que mide cómo la inteligencia artificial se desenvuelve en tareas largas y pesadas de ingeniería de software real. Lograr casi un 78 % significa que el modelo ya no solo te escribe un script suelto, sino que puede pelearse con repositorios enteros sin perder el hilo.

A ello se le suma el primer puesto absoluto en el índice Vals, enfocado en trabajos financieros, jurídicos y fiscales, superando a la competencia en razonamiento legal denso. También ha coronado el AutomationBench de Zapier.

Pero la letra pequeña siempre está ahí. Si miramos la propia tabla comparativa que ha liberado Google, Argon todavía muerde el polvo frente a monstruos como Fable 5.1 de Anthropic y GPT-6 Astra en pruebas específicas de programación pura y uso de terminal. Siguen teniendo margen de mejora.

El arma secreta: 900.000 tokens de contexto en Antigravity

Google sabe que no todo es potencia bruta, la memoria cuenta y mucho. Por eso, la infraestructura de Antigravity ya está enviando avisos a los usuarios para actualizar a Ultra.

Las últimas versiones de la plataforma han destapado opciones de contexto monstruosas exclusivas para Argon: saltos de 256.000 y 512.000 hasta unos mareantes 900.000 tokens.

Es decir, podrás volcar en el prompt el equivalente a decenas de libros de programación completos o manuales legales inmensos y el modelo ni se inmuta. Además, la compañía está trabajando en un modo Ultra para AI Studio Build, que tiene toda la pinta de ser el hogar definitivo para este modelo.

Por ahora, los de Mountain View solo han soltado que los próximos afortunados en probar a la bestia serán los clientes de la API de pago y los suscriptores de AI Ultra. De fechas concretas, ni pío.

Tocará esperar para ver si el rendimiento real aguanta el impacto del usuario masivo o si se queda en simples pruebas de laboratorio aisladas. La pelota ahora está claramente en el tejado de OpenAI y Anthropic, y el mercado no perdona los retrasos.

Aitor Wilzig

Me dedico al SEO y la monetización con proyectos propios desde 2019. Un friki de las nuevas tecnologías desde que tengo uso de razón.
Estoy loco por la Inteligencia Artificial y la automatización.

gptzone.net