Gemini 4 Argon: mismo nombre, diferentes pesos — el avistamiento en Carbon Arena

El 21 de octubre de 2026, una publicación de @chetaslua afirmó que se está probando un nuevo checkpoint en Arena bajo un nombre que no ha cambiado. El modelo sigue respondiendo al nombre de G​emini 4 Argon —el identificador gemini-4-argon, que G​oogle anunció el 30 de septiembre de 2026 y que se ha distribuido con disponibilidad general desde el 13 de octubre—, pero se dice que los pesos detrás de ese nombre son Carbon, el checkpoint interno que Business Insider describió el 9 de octubre como comparable a Claude Opus 5.5 para programar. La evidencia de la publicación es una captura de pantalla de un bot de terceros que vigila Arena, que muestra un cambio de capacidad registrado con el alias Argon, además de un breve vídeo que el autor presenta como la primera salida del checkpoint. No ha habido ningún anuncio, ninguna entrada en el registro de cambios, ninguna tarjeta de modelo ni ningún comentario de G​oogle. Así que no se trata de una historia de lanzamiento, y nada aquí sugiere que se haya publicado un nuevo modelo: el modelo en cuestión es público desde el 13 de octubre. Lo nuevo es la afirmación de que el nombre público podría ya no apuntar a los pesos públicos. Los incidentes documentados de IA y los fallos de agentes detrás de los modelos de esta clase se recopilan en el OrcaRouter AI Incident Archive, donde cada entrada incluye sus propias fuentes, gravedad, nivel de confianza e indicador de disputa.

Lo que la publicación dice en realidad, sin el chiste

La publicación son cuatro líneas y un video, escrita en el registro de alguien que espera que ya conozcas los antecedentes. Reducida a afirmaciones, dice lo siguiente:

• Un nuevo checkpoint de G​emini se está probando en Arena — la arena pública de comparación de modelos donde los laboratorios a veces presentan versiones no publicadas bajo alias.

• El alias no es nuevo. El nombre es «el mismo», que en contexto significa el identificador gemini-4-argon, ya un modelo en producción.

• Se informa que el checkpoint detrás de ese nombre es Carbon, la compilación interna que el reporte del 9 de octubre separó de Barium-B, el checkpoint que Google realmente lanzó como Gemini 4 Argon.

• El primer prompt del autor pedía un vídeo 3D sobre la «estabilidad del carbono» construido en torno a la mascota de Gemini, y la publicación presenta el clip resultante como el primer resultado del checkpoint. La frase final, «El arco de redención de Logan», es una broma sobre un empleado de Google y no conlleva ninguna afirmación técnica.

Eso es todo. Una observación de alias, una atribución de nombre en clave, una muestra de salida y ningún artefacto reproducible de ningún tipo.

La captura de pantalla es real, y no dice lo que dice la publicación.

La captura adjunta merece una lectura atenta, porque es la única parte de la afirmación que existe como documento en lugar de como una frase. Es una tarjeta de notificación de un bot llamado Arena Scout, atribuida a «Journey To AGI» y «Synopsis on X», con el encabezado «Cambio de capacidad» y que nombra gemini-4-argon. Registra una detección del 21 de octubre de 2026 a las 9:30 a. m., enumera la organización como Google y el proveedor como «desconocido», y muestra un delta de capacidad: texto de entrada y texto de salida, con entrada de imagen e indicadores web en el lado modificado, hasta donde se puede leer la letra pequeña.

A continuación vienen tres cosas, y solo tres.

• El alias gemini-4-argon se estaba sirviendo en Arena el 21 de octubre, y algo sobre cómo estaba configurado cambió esa mañana. Para eso sirve un bot de cambio de capacidades, y es la lectura menos interesante de la tarjeta.

• La tarjeta es evidencia de que un alias hace algo, no evidencia de qué pesos están detrás del alias. Que un indicador de capacidad cambie te indica que la configuración cambió. No puede indicarte si el modelo subyacente es Barium-B, Carbon o una tercera compilación que nadie ha nombrado. El salto de la publicación de «cambio de capacidad en el alias» a «es carbon» es una inferencia del autor, no un hallazgo del bot.

• El bot en sí es un tercero, y la tarjeta es una notificación, no una transcripción. Nadie ha publicado la sesión de Arena, los metadatos del alias ni una comparación lado a lado con el modelo en producción.

También hay una pequeña rareza en el reloj que conviene señalar en lugar de pasar por alto: la publicación tiene la marca de tiempo 08:46 UTC, mientras que la tarjeta que aparece dentro de ella indica 9:30 AM. Una marca de tiempo en hora local del lado del bot lo explica sin problema, y no cambia nada en cuanto a la fecha. Pero es un recordatorio de que el artefacto es una captura de pantalla de una notificación, reenviada, no un registro.

Por qué un nombre sin cambios es la parte interesante

Se supone que los alias de modelos son contratos estables. Cuando envías una solicitud a un modelo con nombre, confías en que el nombre fije el comportamiento: el mismo tokenizador, el mismo perfil de rechazo, la misma forma de latencia, el mismo precio. Los laboratorios que despliegan compilaciones no publicadas en Arena normalmente lo hacen bajo un alias desechable precisamente para que el nombre de lanzamiento siga significando una sola cosa.

Si la publicación tiene razón, se omitió esa convención, y la consecuencia es concreta en lugar de teórica. Cualquiera que haya medido el rendimiento de gemini-4-argon la semana pasada y cualquiera que lo mida esta semana puede que no esté midiendo el mismo sistema. Esa es la diferencia entre una filtración sobre un modelo futuro y una filtración sobre el modelo que ya estás pagando, y es la razón por la que este avistamiento merece una página aunque el nombre en clave subyacente sea público desde el 9 de octubre.

Lo que lo resolvería no es otra captura de pantalla. Es una evaluación emparejada: el mismo conjunto de prompts ejecutado contra el alias antes y después del cambio, además de una sonda del tokenizador y una distribución de latencia. Nadie ha publicado eso. Hasta que alguien lo haga, la postura honesta es que un nombre puede haberse movido y todavía no podemos ver hacia dónde.

En qué consiste realmente el modelo de envío, para que la comparación tenga una base.

Gemini 4 Argon no es un rumor. Google lo anunció el 30 de septiembre de 2026, y el registro de cambios de la API de Gemini recoge su disponibilidad general el 13 de octubre con el identificador gemini-4-argon. La especificación publicada es inusualmente concreta, lo que la convierte en una buena referencia para juzgar cualquier afirmación de que los pesos se hayan movido:

• Precio — tarifa introductoria de $2.00 por millón de tokens de entrada y $10.00 por millón de tokens de salida, con la entrada en caché al 95 % de descuento; la tarifa posterior a la introducción se indica como $4.00 y $20.00.

• Contexto — una ventana unificada de 1M de tokens, con decodificaciones largas de hasta 1M de tokens de salida, frente al límite de salida de 64K de la generación anterior.

• Puntuación independiente — Artificial Analysis sitúa a Gemini 4 Argon (High) en 53 en su Intelligence Index, en el 8.º puesto de ese ranking, con un coste medido de 1,99 $ por tarea del Index.

• Velocidad: 83.1 tokens de salida por segundo, con un tiempo de 47.43 segundos hasta el primer token, según la misma fuente.

• Modalidad de salida: texto, en todas las especificaciones públicas que pudimos leer. La entrada es amplia: texto, imagen, audio, video y archivos. La salida es texto.

Esa última línea es donde el video de la publicación se vuelve difícil de evaluar. Un clip no es algo que, según la documentación, este modelo emita. O el checkpoint sometido a prueba tiene una modalidad que el modelo en producción no tiene, o el clip lo produjo otra cosa en la cadena —un paso de renderizado, un modelo de video aparte o las herramientas propias del autor— y se presentó como salida del modelo. La publicación no dice cuál de las dos cosas es, y el clip por sí solo no puede revelarlo.

Carbono, y lo que el informe del 9 de octubre estableció y no estableció

El nombre en clave Carbon no es información nueva, y merece la pena ser precisos sobre su procedencia porque la nueva publicación hereda todas sus debilidades. Business Insider informó, y el medio de seguimiento de filtraciones TestingCatalog difundió el 9 de octubre, que el personal de Google estaba probando internamente un checkpoint adicional de Gemini 4 llamado Carbon; que los primeros comentarios internos lo situaban como comparable a Claude Opus 5.5 para programación; que Barium-B era el checkpoint seleccionado para el lanzamiento público de Argon; y que Carbon, probado a través de la plataforma interna Jetski de Google, era una iteración separada y potencialmente más potente. El mismo reportaje decía claramente que no estaba confirmado si Carbon se convertiría en una futura actualización de Argon o en un lanzamiento propio.

Fíjate en qué tipo de afirmación es "parece comparable a Claude Opus 5.5 para programar". Es una impresión del personal, no un benchmark. No tiene conjunto de tareas, tamaño de muestra, rúbrica de puntuación ni número de revisión, y nadie fuera de Google puede reproducirla. Es el tipo de cosa que resulta genuinamente útil como señal direccional y genuinamente inútil como número — y un texto que la presentara como una puntuación te estaría mintiendo.

La publicación del 21 de octubre, si acaso, lleva la información anterior en una dirección que esta dejaba explícitamente abierta: no una versión separada, sino el mismo alias con pesos distintos. Eso es una actualización significativa del panorama. Además, sigue siendo la inferencia de una sola persona a partir de una notificación de un bot.

Qué significa esto si tú eres quien paga las llamadas

Hay dos públicos para esta historia y deberían hacer cosas diferentes.

Si estás haciendo benchmarks, la consecuencia práctica es que tus cifras necesitan llevar una fecha adjunta.gemini-4-argonUna puntuación de ese modelo recogida antes del 21 de octubre puede describir un checkpoint que ya no está detrás de ese nombre. Vuelve a ejecutar tu evaluación antes de compararla con cualquier otra cosa y anota la fecha junto al número, igual que anotarías una revisión del modelo.

Si lanzas un producto sobre el alias, la consecuencia es menor de lo que sugiere el titular, pero no es cero. Un cambio silencioso de checkpoint altera el tono, el comportamiento de rechazo y la distribución de latencia antes de cambiar las puntuaciones de benchmark, y esas son las cosas que notan tus usuarios. La defensa es la misma que funciona contra cualquier sorpresa de un único proveedor: mantener un segundo modelo accesible y hacer que el cambio sea un cambio de configuración en lugar de un incidente. Para eso está hecho OrcaRouter: una única API para más de 200 modelos con conmutación automática por error entre proveedores, con un 0% de margen sobre el precio de lista del proveedor, de modo que un modelo que empieza a comportarse de forma diferente a las 09:30 de un martes es una regla de enrutamiento que cambias, no una caída que tengas que explicar.

Sobre la disponibilidad, la versión honesta: G​emini 4 Argon no está en OrcaRouter. Al consultar nuestro catálogo por google/gemini-4-argon, devuelve "model not found", porque G​oogle no lo hace invocable para nosotros — la misma razón por la que el checkpoint Carbon no está ahí y no puede estarlo. Lo que sí servimos hoy incluye, de G​oogle, Gemini 3.8 Flash a $0.75 por millón de entrada y $3.75 por millón de salida, con lecturas de caché a $0.075, y de A​nthropic, Claude Opus 5.5 a $4.00 y $20.00, con lecturas de caché a $0.20 — este último es el modelo contra el que se sigue midiendo la comparación con Carbon, y el único modelo en toda esta historia con un endpoint funcional y un precio publicado que puedes consultar.

¿Qué haría que esto pasara de ser un avistamiento a un hecho?

La diferencia entre ambos es estrecha, por lo que vale la pena leer esto ahora y no dentro de una semana. Cualquiera de los siguientes bastaría:

• Una comparación lado a lado publicada en la propia tabla de clasificación de Arena que muestra una nueva entrada bajo el alias Argon con una huella estilística distintiva.

• Un segundo observador independiente que registre el mismo cambio de alias el mismo día, idealmente con la solicitud y la respuesta en lugar de una tarjeta de notificación.

• Una entrada en el registro de cambios, un nuevo identificador de modelo o un sufijo de versión en gemini-4-argon — la forma habitual en que un laboratorio te dice que los pesos han cambiado.

• Una prueba de tokenizador o de latencia realizada antes y después del 21 de octubre, que es la prueba más barata disponible y la que nadie ha publicado.

Hasta que una de esas cosas se confirme, la lectura correcta es limitada: un bot de terceros registró un cambio de capacidades en el alias de un modelo en producción el 21 de octubre, y una cuenta con muchos seguidores dice que el checkpoint que hay detrás de ese alias es Carbon. Puede que ambas mitades sean ciertas. No se ha demostrado que lo sea ninguna, y la segunda está haciendo un trabajo considerablemente mayor que la primera.