El regreso de Google llega con una trampa de 30 minutos
Gemini 4 Argon de Google ha vuelto a entrar de forma decisiva en la conversación sobre modelos de frontera, un regreso impresionante para el gigante de las búsquedas. Sin embargo, esta evaluación proviene de las pruebas prácticas de un creador, no de una auditoría independiente de las capacidades del modelo. Matthew Berman, un destacado desarrollador de IA, mostró la impresionante destreza generativa de Argon en un video reciente.
Berman observó un comportamiento predeterminado distintivo: sin un alcance explícito o una instrucción /goal, Argon dedicaba constantemente aproximadamente 30 minutos a iterar en las tareas antes de entregar un artefacto. Esto fue evidente en renders 3D complejos, como una ciudad cyberpunk hiperrealista en Three.js, que funcionaba a 60 FPS en el navegador después de una construcción autónoma de aproximadamente media hora.
Este tiempo de ejecución autónomo extendido presenta un arma de doble filo para los desarrolladores. Las iteraciones más largas y sin guía pueden producir resultados más ricos y sofisticados, como demostró Argon con sus entornos 3D detallados e interactivos.
Sin embargo, esto también introduce una latencia significativa y subraya la necesidad crítica de que los desarrolladores definan límites de tareas claros, límites de iteración y objetivos explícitos al implementar Argon, especialmente en aplicaciones sensibles al tiempo. Equilibrar la profundidad del resultado con una ejecución predecible se vuelve primordial.
De la ciudad de neón al laboratorio de física: lo que construyó
Resultado inicial de Argon: una ciudad cyberpunk en three.js, generada a partir de un prompt en lenguaje natural, que funcionaba a una tasa reportada de 60 fotogramas por segundo (FPS). Esta escena animada ofrecía ajustes visuales preestablecidos como "2049 Amber" y "Biosynth", junto con controles para el resplandor de neón, la densidad del tráfico aéreo y varias opciones de cámara, incluida "Cockpit HUD".
A continuación, Berman probó una simulación de Rube Goldberg para física e interactividad. El complejo artilugio, que incluía dominós, bolas rodantes e interacciones al estilo pinball, permitía vistas de cámara controlables. Aunque impresionante, la simulación reveló imperfecciones: una bola se atascó brevemente, requiriendo un segundo clic, y algunos objetos mostraron un ligero clipping.
A pesar de la impresionante interactividad, la fidelidad visual mostró límites. Los entornos temáticos para la máquina de Rube Goldberg, como "Grand Canyon" y "Las Vegas", no lograron un realismo verdadero, a pesar de los prompts para una salida "hiperrealista". Una demostración en Unreal Engine de un barco en el océano mostró una física sólida del agua y las olas, pero sufrió de detalles repetitivos y carecía de una vista submarina, lo que destaca el límite actual de Argon para el realismo gráfico.
Las demostraciones impresionan; el panorama de los benchmarks es mixto
Más allá del espectáculo visual, las pruebas de Berman revelaron el amplio rango de codificación de Argon. Generó un juego al estilo Fall Guys que mejoró iterativamente mediante prompts repetidos, demostrando su capacidad de refinamiento. Además, Argon produjo un clon de navegador similar a Excel, aunque este todavía contenía un error de fórmula, lo que sugiere áreas para un mayor desarrollo.
Berman también presentó los resultados de los benchmarks reportados de Argon. El modelo obtuvo 77.9 en DeepSwee y alcanzó un 91.9% en Vibe Code Bench, lo que indica un rendimiento sólido en ciertas tareas de codificación. Registró 57 en Terminal Bench y 69% en OSWorld, con un 39 en Agent’s Last Exam.
Al comparar estas puntuaciones, Berman sitúa a Argon entre los modelos líderes, destacando sus fortalezas en pruebas específicas de codificación y uso de computadora. Sin embargo, su puntuación en Terminal Bench quedó por debajo de Opus en la comparación directa mostrada, lo que subraya que ningún modelo domina universalmente todas las métricas. Para obtener información más detallada, los lectores pueden consultar anuncios oficiales como Introducing Gemini 4 Argon - Google Blog. El rendimiento de Argon sugiere un modelo con capacidades significativas, aunque con áreas de excelencia distintas y potencial de crecimiento.
¿Te está gustando? Recibe uno así en tu bandeja cada mañana.
un correo al día · date de baja en dos clics · sin rastreadores de terceros
Un modelo de frontera, no el campeón en 3D
Las capacidades 3D de Argon impresionan, pero las pruebas de Matthew Berman revelan que no es el campeón indiscutible. Él considera que Argon es más fuerte que Muse Wonder de Meta para trabajos en 3D, particularmente en Three.js, Unreal Engine y Blender. Sin embargo, todavía está por detrás de Opus de Anthropic y Astra de OpenAI en gráficos generales y ejecución espacial.
Este rendimiento desigual destaca una lección crucial: la reputación general de codificación o las puntuaciones de referencia de un modelo no garantizan un resultado pulido en todas las tareas específicas. Incluso un modelo de frontera como Argon, competente en muchos dominios de codificación, puede tener dificultades con las demandas matizadas del renderizado 3D hiperrealista o la física compleja sin una instrucción extensa.
Trate el software generado como un punto de partida. Inspeccione su comportamiento minuciosamente, prestando mucha atención a los casos extremos e interacciones inesperadas, como el recorte ocasional de la máquina de Rube Goldberg. Defina objetivos claros de tiempo o finalización, en lugar de confiar en el tiempo de ejecución predeterminado de 30 minutos del modelo. El menor costo de producir código desplaza el énfasis hacia la calidad del producto y la ejecución como diferenciadores clave.
Preguntas frecuentes
¿Qué es Gemini 4 Argon?
En el video, Gemini 4 Argon se presenta como el modelo de IA de frontera de Google, probado en codificación, generación 3D y tareas de estilo agente.
¿Qué puede construir Gemini 4 Argon?
Las demostraciones incluyen escenas interactivas de Three.js, una máquina de Rube Goldberg basada en física, un juego al estilo Fall Guys y un clon de hoja de cálculo para navegador.
¿Es Gemini 4 Argon el mejor modelo para la generación 3D?
El evaluador del video lo califica como capaz, pero dice que Opus de Anthropic y Astra de OpenAI producen resultados 3D más sólidos.
¿Por qué Gemini 4 Argon tarda alrededor de 30 minutos en realizar las tareas?
En las pruebas del creador, a menudo trabajó durante aproximadamente 30 minutos cuando se le dieron instrucciones mínimas; los objetivos explícitos y los límites de tiempo pueden ayudar a controlar eso.