Respuesta breve
Argon llega a una frontera muy competida. Las pruebas con un entorno común y las tarifas publicadas muestran decisiones que los rankings de lanzamiento no resuelven.
Un nuevo participante cambia la selección
Google anunció Gemini 4 Argon el 30 de septiembre y reabrió la comparación de modelos avanzados con Claude Opus 5.5 y GPT-6 Astra. Para los equipos que necesitan razonamiento complejo, la primera diferencia es operativa: Google comienza con ciberdefensores de confianza, mientras los otros dos productos tienen ofertas de API documentadas.
El anuncio oficial de Opus está fechado el 22 de septiembre. La ficha de Astra sigue siendo la referencia del modelo para trabajo exigente que analizamos. Conviene verificar el producto concreto y sus condiciones de acceso. Un nombre nuevo, una tarifa promocional o un gráfico llamativo no demuestran que pueda incorporarse hoy al proceso de una organización.
Un entorno común acota la comparación
Las páginas de Artificial Analysis, comprobadas el 1 de octubre, permiten comparar tareas de terminal sin mezclar gráficos de lanzamiento. Su evaluación Terminal-Bench 4.0 utiliza 66 tareas, mini-swe-agent y el promedio de pass@1 de tres repeticiones. Conservamos el redondeo publicado y los niveles de razonamiento. En Claude, la configuración también incluye su comportamiento predeterminado de sustitución por otro modelo.
El entorno común reduce una fuente de variación, pero no iguala el presupuesto de cómputo. Unos pocos puntos tampoco deciden la calidad de una explicación, una investigación o una interpretación visual. Las páginas comparativas no publican las fechas exactas de ejecución; esta tabla representa la instantánea que pudimos verificar.
| Modelo | Nivel de razonamiento | Terminal-Bench 4.0 (%) |
|---|---|---|
| Gemini 4 Argon | Alto (high) | 57% |
| Claude Opus 5.5 | Muy alto (xhigh) | 60% |
| GPT-6 Astra | Alto (high) | 54% |
Precio y longitud de salida responden a preguntas distintas
La documentación de proveedores comprobada el 1 de octubre sustenta las tarifas. Las flechas muestran el precio introductorio de Google y el posterior; el anuncio no fija su vencimiento. Claude y Astra utilizan precios normales de tokens de API. El millón de tokens destacado por Google corresponde al máximo de salida, no a una medición de recuperación documental.
Un token barato puede producir una sesión cara si el agente repite intentos. Un modelo con mayor tarifa puede resultar útil cuando entrega antes algo aceptable. Para presupuestar deben añadirse herramientas, búsqueda, uso de caché y el recargo de Astra para entradas largas, además del tiempo que dedica una persona a revisar el resultado.
| Modelo | Entrada USD / 1 M de tokens | Salida USD / 1 M de tokens | Máximo de tokens de salida | Acceso al cierre |
|---|---|---|---|---|
| Gemini 4 Argon | $2 → $4 | $10 → $20 | 1,000,000 | Socios de confianza; ampliación prevista |
| Claude Opus 5.5 | $4 | $20 | 128,000 | Disponible mediante API |
| GPT-6 Astra | $10 | $50 | 128,000 | Disponible mediante API |
Las capacidades necesitan una tarea y una interfaz
Identificar un defecto en una imagen, modificar el archivo y comprobar su efecto en un navegador son acciones distintas. Las herramientas disponibles definen parte de lo que el modelo puede terminar. Evaluar únicamente una conversación deja fuera el entorno que convierte una sugerencia en un trabajo entregable y cambia tanto el coste como los permisos necesarios.
Esto pesa en migraciones de código e investigaciones a partir de documentos. Una salida extensa no garantiza citas fiables ni cambios que conserven el comportamiento de una aplicación. La revisión debe examinar código funcional, pruebas rastreables y una explicación que ayude a otra persona a entender la incertidumbre restante.
La decisión comienza con trabajo aceptado
Nuestra conclusión editorial consiste en asignar modelos según la tarea. Selecciona encargos representativos, mantén archivos y permisos constantes, registra el esfuerzo y cuenta entregas aceptadas. Incluye reintentos y revisión humana. Una respuesta sin resolver sigue siendo un fallo aunque su redacción parezca convincente y su factura sea pequeña.
Mientras se amplía el acceso a Argon, los equipos pueden preparar esa evaluación. La pregunta práctica de octubre es qué configuración disponible termina su trabajo dentro del presupuesto y del proceso de revisión. Habrá que repetir la decisión si cambian precios, acceso o versiones; ninguna instantánea publicada reemplaza los criterios reales de aceptación.
Preguntas frecuentes
¿Qué modelo gana esta comparación?
La tabla describe una prueba de terminal con configuraciones concretas. No determina un ganador universal en escritura, visión, investigación ni en tus tareas de producción.
¿Puede cualquiera usar Argon ahora?
Google anunció primero el acceso para ciberdefensores de confianza. La apertura más amplia está prevista, pero las fuentes no fijan aquí una fecha general confirmada.
¿VJOURNAL ejecutó las evaluaciones?
No. Publicamos mediciones independientes de Artificial Analysis y precios documentados por los proveedores, con una comprobación de fuentes del 1 de octubre de 2026.