Gemini 4 Argon: Fairwind, acceso a la API y cuánto cuesta

1. Dos puertas: Fairwind y la API pública

El post del 30 de septiembre decía que Argon llegaría primero a defensores cyber de confianza, después a clientes de API de pago y suscriptores de Google AI Ultra “lo antes posible”, sin model ID ni fecha. Eso era cierto ese día. Dejó de serlo el 13 de octubre: el changelog de la Gemini API registra gemini-4-argon como disponibilidad general, y el segundo post de Google, titulado “disponible para todos”, lista el tier de pago en AI Studio, la plataforma Gemini de Google Cloud, Antigravity para AI Ultra, y la app Gemini y AI Mode en Search.

Fairwind no desapareció. Es otra puerta: el mismo modelo con las defensas cyber quitadas, para defensores verificados. Según el anuncio de Google Cloud, el modelo público trae mitigaciones cyber que bloquean tareas ofensivas como pentesting y explotación. Para la mayoría de los builders, la puerta que importa es la API pública.

Quién obtiene qué (al 14 de octubre de 2026)

2. Qué cambió de verdad

El titular es el output: de un techo de 64K a 1M tokens. Leé la doc antes de festejar. El output máximo por defecto sigue en 65.536, y el techo de 1M exige ejecución en background (“long decode”), donde el servidor encadena saltos de hasta 64K tokens cada uno. La ventana además es unificada: input, thinking y output comparten los mismos 1.048.576 tokens.

El segundo cambio es el posicionamiento. A $2/$10, Argon cuesta unas 2.7x Gemini 3.8 Flash por token ($0.75/$3.75 de intro), y la proporción se mantiene cuando terminan ambas promos ($4/$20 contra $1.50/$7.50). Pagás capacidad en tareas difíciles, no un token más barato.

Tres cambios que importan

3. Evidencia, con fuentes

Todos los números de abajo salen de la model card de Argon de Google (resultados a octubre de 2026) y son reportados por el vendor: Google eligió el set de comparación y la card no da los ajustes de evaluación. Compara a Argon con GPT-6 Astra, Claude Fable 5.1 y Claude Opus 5.5.

Filas elegidas, Argon contra el resto

4. Quickstart y límites honestos

El código de abajo está adaptado de la doc de la Gemini API de Google (qué hay de nuevo en Gemini 4 Argon, actualizada el 14 de octubre de 2026); no lo ejecuté. Usa la Interactions API, que es la que usa el quickstart actual de Gemini. Necesitás una GEMINI_API_KEY de un proyecto con tier de pago.

Dos cosas cambian respecto del código Gemini viejo. thinking_level va dentro de generation_config, y todo lo que supere el default de 65.536 necesita modo background más un max_output_tokens explícito. Argon además corre como el modelo detrás del agente administrado de Antigravity (un agente en preview); la doc lo cubre y acá lo dejé afuera.

# pip install -U google-genai
# export GEMINI_API_KEY="YOUR_API_KEY"
from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-4-argon",
    input="Review this retry logic for race conditions and propose a safer lock.",
    generation_config={
        "thinking_level": "medium"  # low | medium (default) | high
    },
)

print(interaction.output_text)

// npm install @google/genai
import { GoogleGenAI } from "@google/genai";

const client = new GoogleGenAI({});

const interaction = await client.interactions.create({
  model: "gemini-4-argon",
  input: "Review this retry logic for race conditions and propose a safer lock.",
  generation_config: {
    thinking_level: "medium", // low | medium (default) | high
  },
});

console.log(interaction.output_text);

import time
from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-4-argon",
    input="Write a complete, rigorous proof of the prime number theorem.",
    background=True,
    generation_config={
        "max_output_tokens": 262144,
        "thinking_level": "high",
    },
)

while interaction.status in ("in_progress", "queued"):
    time.sleep(5)
    interaction = client.interactions.get(id=interaction.id)

# Each hop adds a model_output step, so join the text of all of them.
text = "".join(
    content.text
    for step in interaction.steps
    if step.type == "model_output"
    for content in step.content
    if content.type == "text"
)
print(text)
print("Status:", interaction.status)

5. Elegí tu puerta esta semana

Partí de quién sos, no de la tabla de benchmarks. La mayoría de los lectores pertenece a la API pública. Solo un grupo acotado califica para Fairwind, y Google no publica plazo de aprobación.

Veredicto

Argon es un salto real para ingeniería difícil de largo horizonte y trabajo de contexto largo, y sube el techo de output de 64K a 1M tokens. También es un modelo premium con precio promocional, razonamiento verboso y una lista de perillas no soportadas. El panorama de benchmarks es mixto, no un barrido.

Mi apuesta: ponelo en la porción de tareas donde los modelos clase Flash fallan, dejá Gemini 3.8 Flash para el volumen, y re-presupuestá todo a $4/$20 antes de diciembre. Si sos defensor, aplicá a Fairwind ya. Si no, la API pública es la puerta que está abierta hoy.