Google DeepMind lanza Gemini 4 Argon: Una IA especializada para tareas complejas en programación, finanzas y ciberseguridad

Tecnologia
Google DeepMind ha lanzado globalmente Gemini 4 Argon, un nuevo modelo de inteligencia artificial diseñado para abordar tareas complejas que requieren razonamiento avanzado y fiabilidad. Este sistema está orientado a sectores como la programación, las finanzas, la investigación científica y la ciberseguridad, ofreciendo soluciones para problemas que van más allá de respuestas sencillas y rápidas. Su despliegue inicial se enfoca en desarrolladores, empresas y suscriptores de planes de pago.

Imaginemos la tarea de una inteligencia artificial revisando miles de líneas de código para identificar cuellos de botella y proponer optimizaciones sin alterar la funcionalidad del programa. Este desafío no solo implica comprender la solicitud, sino también mantener un proceso de varias etapas y asegurar la coherencia de cada decisión. Una dificultad similar surge al interpretar informes financieros o al buscar vulnerabilidades en sistemas informáticos, donde la rapidez es menos crucial que la fiabilidad de los resultados. Detrás de esta iniciativa se encuentra Gemini 4 Argon, el reciente modelo de Google DeepMind, con el que la compañía busca potenciar sus capacidades para el trabajo especializado.

Aunque fue anunciado el 30 de septiembre y su uso se restringió inicialmente a expertos en ciberseguridad a través del programa Fairwind, la novedad radica en que Google ha iniciado su despliegue global para desarrolladores, empresas y suscriptores de ciertos planes de pago. Con esta acción, el gigante tecnológico se concentra en cuatro áreas principales de aplicación: programación, finanzas, investigación científica y seguridad informática.

Para abordar estas tareas, Google ha integrado en Argon capacidades de razonamiento avanzado, análisis visual y utilización de herramientas. En una de las demostraciones, el modelo empleó varios agentes en Antigravity para construir en Blender un complejo de templos con pagodas, vegetación e iluminación realista, a través de 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 distribuye entre la información de entrada, el razonamiento y la salida. Dado que cada solicitud individual tiene límites inferiores, Google ha implementado un mecanismo de continuación para completar trabajos más extensos.

Un ejemplo ilustra mejor el alcance de estas capacidades. En una prueba interna con Agent Development Kit (ADK), un proyecto de Python de aproximadamente 205.000 líneas, Argon operó durante once horas y sugirió seis optimizaciones. Tras evaluarlas, Google descartó cuatro debido a posibles problemas de funcionamiento o por ofrecer mejoras de utilidad limitada, pero implementó 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 base de Chrome.

En el ámbito financiero, las aplicaciones abarcan desde la elaboración de estados financieros de varios ejercicios hasta la valoración de empresas basándose en documentos presentados ante los reguladores. Kepler afirma que, durante sus evaluaciones, Gemini 4 Argon coincidió con los modelos de referencia desarrollados por sus analistas en más del 99% de las cifras examinadas. En ciberseguridad, Google sostiene que Wiz, una empresa especializada en este sector, utilizó el sistema para ayudar a identificar y corregir una vulnerabilidad que podría comprometer información privada de pacientes. Es importante señalar que estos resultados provienen de empresas colaboradoras y que las investigaciones de Wiz también se apoyan en otras herramientas y especialistas humanos.

La investigación científica ofrece otros ejemplos significativos de lo que Google está logrando con esta tecnología. En el diseño de enzimas, el sistema contribuyó a crear cinco nuevos diseños de proteínas capaces de facilitar determinadas reacciones químicas. Según la compañía, los ensayos de laboratorio posteriores confirmaron que todas presentaban actividad catalítica. También participó en la optimización de una versión interna de AlphaQubit, su sistema de corrección de errores para computación cuántica, logrando casi duplicar el rendimiento de inferencia de uno de sus componentes.

Fuera de las demostraciones de Google, existen evaluaciones independientes que posicionan a Argon frente a sus competidores. En el Vals Index, una clasificación que mide el rendimiento en tareas profesionales de programación, finanzas, derecho y fiscalidad, el modelo ocupa el primer puesto con un 68,90%. Sin embargo, Artificial Analysis otorga 53 puntos a su configuración High en el índice general de capacidades, donde se ubica en octava posición.

La disponibilidad global no implica que cualquier persona pueda usarlo gratuitamente. Google lo ofrece en la aplicación Gemini y en el modo IA del buscador a los suscriptores de Google AI Pro y Ultra, mientras que los desarrolladores pueden acceder a través de la API de pago. Para utilizar Argon en Antigravity, los usuarios particulares requieren una suscripción Ultra. La tarifa introductoria de la API es de 2 dólares por millón de tokens de entrada y 10 por millón de salida, cantidades que se duplicarán a partir del 1 de diciembre.