Gemini 4 Argon es la nueva bestia de Google para el trabajo pesado: código, ciencia, finanzas y ciberseguridad | Tendencias Radar

Imaginemos que encargamos a una inteligencia artificial una tarea que no puede resolverse con una sola respuesta: revisar miles de líneas de código, detectar qué partes ralentizan un programa y proponer cambios sin alterar su funcionamiento. El reto no consiste únicamente en comprender la petición, sino en sostener un trabajo de varias etapas y comprobar que cada decisión encaja con las anteriores. Esa misma dificultad aparece, con otras exigencias, cuando hay que interpretar informes financieros o examinar sistemas informáticos en busca de vulnerabilidades. Son problemas en los que responder rápido importa bastante menos que llegar a resultados fiables.

Detrás de esta apuesta está Gemini 4 Argon, el nuevo modelo de Google DeepMind con el que la compañía busca reforzar sus capacidades para el trabajo especializado. No se trata exactamente de un estreno: fue anunciado el 30 de septiembre, cuando su utilización quedó reservada a determinados expertos en ciberseguridad mediante el programa Fairwind. La novedad es que Google ha comenzado su despliegue global para desarrolladores, empresas y suscriptores de determinados planes de pago. Con este movimiento, el gigante tecnológico pone el foco en cuatro grandes campos de aplicación: programación, finanzas, investigación científica y seguridad informática. 

Para abordar estos trabajos, Google ha combinado en Argon capacidades de razonamiento avanzado, análisis visual y uso de herramientas. Como podemos ver en el vídeo, en una de las demostraciones, el modelo utilizó varios agentes en Antigravity para construir en Blender un complejo de templos con pagodas, vegetación e iluminación realista, mediante un proceso de revisión visual continua. Además, su API incorpora un límite unificado de hasta un millón de tokens, las unidades con las que procesa y genera contenido. Esta capacidad se comparte entre la información recibida, el razonamiento y la salida. Como cada petición individual tiene límites inferiores, Google ha incorporado un mecanismo de continuación para completar trabajos más extensos.

Hay un ejemplo que permite entender mejor hasta dónde llegan estas capacidades. En una prueba interna con Agent Development Kit (ADK), un proyecto de Python de unas 205.000 líneas, Argon trabajó durante once horas y planteó seis optimizaciones. Tras revisarlas, Google descartó cuatro por posibles problemas de funcionamiento o por ofrecer mejoras de utilidad limitada, pero incorporó las dos restantes. Estas redujeron cerca de un 40% el tiempo de preparación de sesiones largas en memoria y un 21% el de importación del paquete. La compañía también atribuye al modelo una reorganización de cientos de archivos de Chromium, el proyecto en el que se basa Chrome.