Gemini 4 Argon

Artículo original ↗ Discusión en Hacker News ↗

El lanzamiento por parte de Google de su nuevo modelo frontera Gemini 4 Argon está recibiendo una mezcla de elogios técnicos y frustración por el producto. Los primeros usuarios informan que Argon es rápido, fuerte en razonamiento, escritura, tareas espaciales y trabajo multimodal (como SVG e imagen a HTML), pero a menudo queda por detrás de Claude Opus y de los mejores modelos de OpenAI en programación a gran escala, con problemas como bucles de razonamiento y alucinaciones. Muchos son más críticos con la línea de productos fragmentada de Google, el despliegue confuso, el bloqueo tras pago en Antigravity y el acceso inconsistente por región o plan que con el modelo en sí, y argumentan que la mala UX y la estrategia de precios están limitando lo que de otro modo podría ser una oferta altamente competitiva.

Acceso y despliegue

  • Gran confusión sobre quién puede usar Gemini 4 Argon:
    • El texto oficial dice “Pro y Ultra”, pero Antigravity a menudo muestra “solo Ultra”.
    • Muchos usuarios de Pro (especialmente de la UE/Workspace/Google One) informan que no tienen acceso, ven errores 404 o “agent execution terminated”.
    • El despliegue está claramente escalonado; a algunos usuarios les llega horas más tarde sin explicación.
  • Antigravity vs la app Gemini vs AI Studio vs la API:
    • Patrón reportado: Ultra obtiene Argon en todas partes; Pro lo obtiene en la app Gemini / web, pero no en Antigravity (IDE de programación).
    • A través de OpenRouter/API, Argon suele estar disponible antes y de forma más fiable que mediante las propias UIs de Google.
  • Varios usuarios intentaron suscribirse o actualizar y se toparon con fallos de pago, conflictos de planes (p. ej., Google One vs AI Ultra) y restricciones geográficas.

Fricciones de producto y UX

  • La página de lanzamiento fue criticada por ser pesada, con desplazamiento defectuoso y lleno de errores, especialmente en Safari y Firefox; en móviles a menudo es inutilizable.
  • La superficie de productos de IA de Google se percibe como confusa: app Gemini, Antigravity, AI Studio, Google One AI, Workspace, todos con modelos y límites ligeramente distintos.
  • Los mensajes de error y los límites son opacos (p. ej., el genérico “terminated due to an error”, bloques planos de uso por consulta, ventanas Ultra de “5 horas” muy pequeñas para Argon).

Capacidades y comparaciones

  • Muchos ven Argon como un claro salto respecto a Gemini 3.x, especialmente en:
    • Calidad y estructura de la prosa, razonamiento de largo formato, salida multilingüe (se mencionan alemán e idiomas índicos).
    • Razonamiento espacial, generación de SVG y UI, y tareas de estilo 3D/física.
  • Programación:
    • Opiniones divididas. Algunos dicen que rivaliza con Opus 5.5 en proyectos reales y auditorías; otros lo encuentran peor que Opus/Astra/Sol y a veces por debajo de Flash 3.8.
    • Una evaluación sistemática lo sitúa entre Fable 5 y 5.1, “cerca de la frontera” pero algo por detrás de los mejores agentes.
  • Varios usuarios lo elogian por explicaciones médicas/técnicas matizadas; otros informan fallos básicos de aritmética y problemas para seguir instrucciones.

Precios y uso

  • Precio inicial de API: $2M input / $10M output tokens, subiendo a $4/$20M después del 1 de diciembre; comparado directamente con Opus 5.5, Astra, Sol, DeepSeek, GLM, etc.
  • El hilo señala repetidamente que el “precio por token” es engañoso:
    • Los modelos difieren enormemente en verbosidad, uso de herramientas y tokens por tarea, lo que cambia el coste efectivo.
  • En el lado de las suscripciones:
    • $20 Pro frente a $99 Ultra frente a planes combinados/descontados vía operadoras y Google One.
    • Frustración por el hecho de que Argon en Antigravity queda bloqueado tras el plan Ultra de $99, mientras laboratorios competidores exponen sus mejores modelos de programación en planes más baratos.

Benchmarks y hallazgos técnicos

  • Pruebas estándar de la comunidad:
    • SVG “pelican on a bicycle”: las salidas de Argon están entre las mejores vistas; algunos temen que este benchmark concreto esté ya sobreajustado.
    • Otras tareas SVG (armadillos, diagramas de UI) también se ven fuertes; la detección de objetos (COCO) mejoró significativamente respecto a Gemini anteriores.
    • Benchmarks de Pac-Man y de agentes de programación: Argon rinde muy bien, pero no claramente por encima de los mejores modelos de OpenAI/Anthropic.
    • Un benchmark en alemán confirma el fuerte rendimiento de Google en idiomas no ingleses; la puntuación en el dominio legal es competitiva con modelos legales especializados.
    • La calidad de generación de vídeo se calificó solo a la par de modelos chinos abiertos más baratos en el benchmark de un usuario.

Seguridad, bucles y fiabilidad

  • Múltiples informes de:
    • Bucles de razonamiento infinitos o largos, especialmente en programación agentica; esto se destaca como una regresión frente a otros modelos frontera.
    • Salvaguardas y seguridad demasiado agresivas que llevan a rechazos en algunos contextos adversarios o en idiomas de nicho.
    • Problemas clásicos de Gemini: APIs alucinadas, estándares inventados, ignorar instrucciones explícitas de “discutir antes de cambiar”.
  • Algunos usuarios encuentran Argon “claro de mente” y menos arruinado por RL que modelos previos de Google; otros siguen desconfiando de Gemini para cualquier tarea que requiera estricta precisión factual o consistencia a largo plazo.

Meta: carrera de IA y estrategia de Google

  • Debate sobre si el progreso se está ralentizando:
    • Algunos argumentan que los deltas recientes son menores; otros señalan saltos interanuales (matemáticas, programación, simulación) y no ven desaceleración.
  • Google es visto como:
    • Muy competitivo a nivel de modelo (ahora de nuevo “en la frontera de Pareto” para chat general y multilingüe), pero crónicamente débil en producto, despliegue, facturación y calidad del harness.
    • Aprovechando su enorme base de usuarios e integración (Search, Android, Workspace) más que compitiendo principalmente por la atención de los desarrolladores.
  • Varios comentarios se preocupan por la obsesión con benchmarks (“pelicanmaxxing”) y la ley de Goodhart, pero otros señalan que la presión competitiva entre varios laboratorios fuertes es buena para los precios y el crecimiento de capacidades.