Andy Garcia · dev freelance
FRENES
Volver al blog
IA y precios

Gemini 4 Argon de Google se lanzó a 2 $ y 10 $ por millón de tokens. El 1 de diciembre, su tarifa se duplica para igualar a Claude Opus 5.5

19 de octubre de 2026 6 min de lectura

El martes 13 de octubre, Google hizo que Gemini 4 Argon estuviera disponible de forma general. Los desarrolladores pueden llamarlo a través del nivel de pago de la API de Gemini, los suscriptores de Google AI Ultra lo tienen en Antigravity, y los suscriptores de Ultra y Pro lo tienen en la aplicación Gemini. Google había presentado el modelo el 30 de septiembre, con acceso anticipado para defensores cibernéticos de confianza en su Fairwind Program, según informó TechRepublic. El 13 de octubre es cuando cualquier desarrollador en el nivel de pago de la API pudo empezar a usarlo.

Y lo que cuenta es el pago. Argon se lanzó con un precio de introducción de 2 $ por millón de tokens de entrada y 10 $ por millón de tokens de salida, con la entrada en caché con un 95 % de descuento. Ese precio se mantiene hasta el 30 de noviembre. El 1 de diciembre pasa a 4 $ y 20 $.

Soy CTO de una LegalTech construida sobre Claude y construí BidForge, una IA que lee los pliegos de licitaciones públicas francesas para pequeñas empresas. Así que leí el lanzamiento de un proveedor rival como lee un comprador un presupuesto: primero la página de precios, después la guía de migración y los benchmarks al final. Esto es lo que encontré.

La tarifa, línea por línea

La página de precios de Google lista Argon por millón de tokens:

  • Standard: 2 $ de entrada, 10 $ de salida, 0,10 $ de entrada en caché hasta el 30 de noviembre. Desde el 1 de diciembre: 4 $, 20 $ y 0,20 $.
  • Batch y Flex: 1 $ y 5 $ hasta el 30 de noviembre, después 2 $ y 10 $.
  • Priority: 3,60 $ y 18 $, después 7,20 $ y 36 $.

La salida incluye los tokens de razonamiento. La sección de Argon no lista ningún recargo por prompts largos ni ningún coste de almacenamiento de la caché. Y Argon no está disponible en absoluto en el nivel gratuito. A principios de octubre escribí sobre Google recortando las cuentas gratuitas de la aplicación Gemini a Flash-Lite. Su nuevo modelo estrella se salta por completo el nivel gratuito de la API.

Siete semanas a precio de Sonnet, después a precio de Opus

Pon eso junto a las páginas de precios de los competidores, leídas el 19 de octubre.

Claude Sonnet 5.5 cuesta 2 $ de entrada y 10 $ de salida, con los aciertos de caché a 0,10 $ desde que Anthropic los redujo a la mitad el 7 de octubre. GPT-6.1 Sol cuesta 2 $ y 10 $ hasta 272K tokens de entrada, con la entrada en caché a 0,10 $. La tarifa de introducción de Argon iguala a ambos, al céntimo, en las tres líneas.

Desde el 1 de diciembre, la tarifa de Argon dice 4 $, 20 $ y 0,20 $. Es la tarifa de Claude Opus 5.5: 4 $ de entrada, 20 $ de salida, 0,20 $ por los aciertos de caché.

Hay una comparación más, en la propia página de Google. Gemini 3.1 Pro Preview, que sigue listado ahí, cuesta 2 $ de entrada y 12 $ de salida para prompts de hasta 200.000 tokens. Hasta el 30 de noviembre, la salida del nuevo modelo estrella es más barata que la del modelo Pro anterior.

Ahora una llamada concreta, del tipo que hace un lector de licitaciones: 100.000 tokens de entrada, 10.000 tokens de salida, razonamiento incluido.

Sin caché, son 100.000 × 2 $ / 1 M = 0,20 $, más 10.000 × 10 $ / 1 M = 0,10 $. Total 0,30 $ hasta el 30 de noviembre, y 0,60 $ desde el 1 de diciembre.

Supongamos ahora que 90.000 de esos tokens de entrada son el mismo pliego de licitación, al que se le hace una segunda pregunta. Hasta el 30 de noviembre: 90.000 × 0,10 $ / 1 M = 0,009 $ por la parte en caché, 10.000 × 2 $ / 1 M = 0,02 $ por la parte nueva, 0,10 $ por la salida. Total 0,129 $. Desde el 1 de diciembre: 0,018 $ + 0,04 $ + 0,20 $ = 0,258 $. Mil llamadas así al mes pasan de 129 $ a 258 $.

De ahí salen dos cosas. Una vez que la caché funciona, la salida pesa más de tres cuartas partes de la factura. Y de los 0,129 $ que la llamada sube el 1 de diciembre, 0,10 $ vienen de la línea de salida.

La línea sobre la caché en la guía de migración

La guía de migración de Google lo dice sin rodeos: la caché de contexto explícita no es compatible con Gemini 4 Argon. El código que crea o referencia contenido en caché tiene que desaparecer. Lo que queda es la caché implícita, activada por defecto para prompts de al menos 4.096 tokens, con el 95 % de descuento en los aciertos de caché.

La caché implícita tiene una ventaja real: sin coste de escritura, sin coste de almacenamiento, nada que configurar. Pero la página de Google sobre la caché solo ofrece maneras de "aumentar la probabilidad" de un acierto: poner al principio del prompt el contenido grande y común, enviar cerca en el tiempo solicitudes con un prefijo similar. Una probabilidad no es un contrato. En Claude, una escritura de caché de cinco minutos cuesta 1,25 veces el precio de entrada, y el prefijo queda en caché durante esos cinco minutos. En Argon, la llamada de 0,129 $ de arriba pasa a 0,30 $ cuando la caché falla, y a 0,60 $ desde diciembre.

Así que un modelo de costes para Argon necesita una tasa de aciertos, y esa tasa tiene que salir de los logs de producción. La API Interactions informa de los aciertos de caché en el objeto usage, como total_cached_tokens (cached_content_token_count en la API GenerateContent). Ese es el campo que yo graficaría primero.

El razonamiento se factura como salida, y Argon razona más

La guía de Google dice que Argon "puede dedicar más del límite al razonamiento que los modelos anteriores" y pide a las aplicaciones con un límite de salida inferior a 32K que suban max_output_tokens a al menos 32.768. Para usar menos tokens, dice, hay que bajar en su lugar el nivel de razonamiento: low, medium o high, con medium por defecto.

Luego está el long decode, la función detrás de la cifra de 1M. Entrada, razonamiento y salida comparten una sola ventana de 1.048.576 tokens. Una respuesta de más de 64K tokens se genera en saltos de hasta 64K, y cada salto devuelve al modelo, como entrada, el prompt más todo lo generado hasta entonces. En la API Interactions, los servidores de Google ejecutan los saltos en modo en segundo plano. En la API GenerateContent, los ejecuta el SDK o tu propio bucle. El ejemplo de Google: un prompt de 1.000 tokens que produce 200.000 tokens de razonamiento y salida necesita cuatro saltos e informa de 397.216 tokens de entrada, para un contexto real de unos 201.000. Pagas cada token de cada salto, incluidos los saltos que solo contienen razonamiento. En la API Interactions, una ejecución cancelada o fallida también factura todo el trabajo hecho antes de terminar.

La salida de ese ejemplo cuesta 2 $ hasta el 30 de noviembre y 4 $ después. Google dice que la entrada repetida tiene un 95 % de descuento por la caché implícita, así que la entrada se queda muy por debajo de la salida. La trampa está en otro sitio: un framework de agentes que lea total_input_tokens (prompt_token_count en GenerateContent) creerá que el contexto está unas dos veces más lleno de lo que está. Google lista la compactación temprana del contexto en su propia tabla de resolución de problemas.

Dónde se guardan las respuestas largas

El modo en segundo plano necesita almacenamiento. La guía del long decode dice que la ejecución en segundo plano exige store: true. Cuánto tiempo guarda Google la interacción depende de la página que leas. La guía de ejecución en segundo plano dice 7 días. La página de la API Interactions dice 55 días por defecto en el nivel de pago, ajustable a 7, 14, 28 o 55 días en AI Studio, con borrado por ID de interacción en cualquier momento.

La otra vía no guarda nada. En la API GenerateContent, un token de continuación cifrado lleva el estado del modelo de un salto al siguiente, "de modo que no se almacena nada en el servidor", según la guía de Google para esa API.

En el trabajo jurídico, cuánto tiempo guarda un proveedor un documento de un cliente es una pregunta que responde el contrato del cliente, no el desarrollador. Una vía, dos páginas, dos cifras; la otra vía, ningún almacenamiento en el servidor. Yo elegiría la vía, y conseguiría la respuesta sobre la retención por escrito, antes de enviar un solo archivo real por el long decode.

Las afirmaciones sobre las que no haría un presupuesto

Google dice que Argon queda primero en el Vals Index, saca un 87 % en el benchmark de razonamiento corporeizado ERQA, y mantiene el éxito de los ataques en el 0,7 % en 15 intentos adaptativos en el benchmark de inyección indirecta de prompts de Gray Swan. Son cifras de Google. La última importa para todo lo que lea documentos escritos por otra persona, que es exactamente lo que hace un lector de licitaciones. Aun así, mide los ataques de otros sobre los documentos de otros. Pasaría mis propios archivos y mis propias pruebas de inyección antes de fiarme.

Qué haría antes del 1 de diciembre

Construye el modelo de costes con los precios de diciembre. El precio de introducción es un descuento sobre tu evaluación, no tu base de referencia.

Registra los tokens de entrada, de caché, de salida y de razonamiento por función desde la primera llamada. La tasa de aciertos de caché y la parte de razonamiento son las dos cifras que deciden la factura.

Ejecuta tus evaluaciones en los tres niveles de razonamiento, como recomienda la propia Google, y quédate con el nivel más bajo que apruebe.

Pasa a Batch todo lo que pueda esperar. Desde el 1 de diciembre, Batch cuesta 2 $ y 10 $, el precio de introducción del Standard.

Trata la migración como configuración, no como código: nuevo ID de modelo, sin llamadas de contenido en caché, temperature, top_p y top_k eliminados (Argon los ignora), tiempos de espera del cliente de al menos 15 minutos.

Y elige la vía del long decode antes de la primera ejecución, no después: continuación en el cliente sobre GenerateContent si nada debe quedarse en los servidores de Google, o modo en segundo plano con la ventana de retención de AI Studio fijada primero.

Un precio de introducción es una muestra, no un presupuesto. La ventana llega hasta el 30 de noviembre: lo bastante larga para medir lo que cuesta Argon con tu propio tráfico, y lo bastante corta para olvidar la fecha. Pon el 1 de diciembre en el calendario.

Fuentes

¿Un proyecto del mismo estilo?

Diseño y despliego productos como este. Hablemos.

Hablemos