Comparamos Gemini 4 Argon con Gemini 3.1 Pro Preview en tareas de navegación

Recomendaríamos cambiar a Gemini 4 Argon si tu agente de navegación utiliza actualmente Gemini 3.1 Pro Preview. En nuestras pruebas comparativas de Gemini 4 Argon frente a Gemini 3.1 Pro, cada modelo ejecutó 15 tareas de navegación: un conjunto pequeño, pero exigente. De esos 15 intentos, Argon superó 11, mientras que 3.1 Pro solo superó 5.
Argon superó todas las tareas que logró completar 3.1 Pro y lo hizo con aproximadamente la mitad del trabajo. Utilizó 23.9 llamadas a herramientas por tarea, frente a las 52.1 de 3.1 Pro. En tareas largas repartidas entre varios sitios, 3.1 Pro agotó su presupuesto de 100 pasos tres veces sin producir un resultado; a Argon no le ocurrió ninguna vez.
En costes, ambos modelos están a la par para el mismo trabajo, pero Argon resulta más barato al incluir también los intentos fallidos. En las 5 tareas que ambos superaron, Argon costó $0.588 por tarea y 3.1 Pro, $0.598. Contando todos los intentos, Argon gastó $1.62 por intento superado y 3.1 Pro, $4.02. Sin embargo, el precio de tarifa de Google para Argon se duplica el 1 de diciembre de 2026, por lo que conviene tener en cuenta la subida.
| Modelo | Tasa de éxito | Coste por tarea, 5 tareas superadas por ambos | Coste por intento superado, las 15 tareas |
|---|---|---|---|
| Gemini 4 Argon | 73.3% (11/15) | $0.588 | $1.62 |
| Gemini 3.1 Pro Preview | 33.3% (5/15) | $0.598 | $4.02 |
(Los costes utilizan los precios de tarifa de Google vigentes hasta el 30 de noviembre de 2026)
Éxito en las tareas
En nuestro conjunto de pruebas, Gemini 4 Argon es el modelo más fiable. Argon superó 6 tareas en las que 3.1 Pro falló, mientras que 3.1 Pro no superó ninguna tarea en la que Argon fallara. En el resto, ambos obtuvieron los mismos resultados. Las 6 tareas en las que Argon lo hizo mejor incluyen recopilación de datos de varios sitios, verificación de redes sociales y trabajos de búsqueda y comparación.
Los dos modelos fallaron de distintas maneras. Tres de los 10 intentos fallidos de 3.1 Pro se debieron a que agotó el presupuesto de 100 pasos sin dar una respuesta. Todos implicaban trabajos en 9 sitios o más. Otros cinco consistieron simplemente en alucinaciones o respuestas incorrectas. En una tarea de informe sobre inflación, 3.1 Pro presentó 324,000 como la media anual del IPC de 2025, pero esa cifra es en realidad la media del segundo semestre en la tabla del BLS. Seríamos especialmente cautelosos con este error: el número existe en la fuente y por eso parece creíble, pero no responde a la pregunta.
Argon superó esa misma tarea en ego(lite). Y nunca agotó los pasos en estas 15 tareas. En tres de sus 4 fallos dio dos valores para un solo campo, lo que cuenta como una respuesta incorrecta. En una tarea de búsqueda de información sobre modelos de pesos abiertos, Argon dio el total correcto de 668.95 mil millones de parámetros, pero luego ofreció 664.95 mil millones como alternativa. Ese paso adicional hizo que suspendiera la tarea. Si tu código lee la respuesta del agente, asegúrate de que cada campo contenga un único valor.
Coste
Hasta noviembre, ambos modelos cuestan aproximadamente lo mismo. Pero el precio de Argon sube en diciembre. En las 5 tareas que ambos superaron, Argon costó una media de $0.588 por tarea y 3.1 Pro, $0.598. Con las tarifas de 3.1 Pro, el uso de Argon en esas tareas habría costado $0.646, de modo que su menor precio por token compensa un consumo ligeramente superior. La entrada sin caché supone $0.421 de los $0.588 de Argon y $0.212 de los $0.598 de 3.1 Pro.
La mayor diferencia de coste está en los intentos fallidos. Cada uno de los 3 intentos de 3.1 Pro que agotaron los pasos costó una media de $3.48, 4.3 veces el coste medio de sus otros intentos, y ninguno produjo una respuesta. Esos 3 intentos supusieron el 51.8% de todo el gasto de 3.1 Pro. Contando todos los intentos, Argon gastó $1.62 por intento superado y 3.1 Pro, $4.02.
La página de precios de la API de Gemini de Google fija los precios de Argon a partir del 1 de diciembre de 2026 en $4 por millón de tokens de entrada, $20 por millón de tokens de salida y $0.20 por millón de tokens en caché. Es el doble de su precio anterior. No se ha anunciado ningún cambio de precio para 3.1 Pro.
| Gemini 4 Argon, hasta el 30 de noviembre | Gemini 4 Argon, desde el 1 de diciembre | Gemini 3.1 Pro Preview | |
|---|---|---|---|
| Coste por tarea, 5 tareas superadas por ambos | $0.588 | $1.176 | $0.598 |
| Coste por intento superado, las 15 tareas | $1.62 | $3.25 | $4.02 |
Los precios de diciembre aplican la nueva tarifa de Google al uso de tokens que registramos.
A partir de diciembre, el gasto adicional en Argon compra fiabilidad. Si los trabajos de tu agente ya los supera 3.1 Pro, 3.1 Pro costará menos por tarea: con los precios de diciembre fue más barato en las 5 tareas que ambos modelos superaron. Si tus trabajos incluyen tareas en las que 3.1 Pro falla, Argon supera más y sigue costando menos por intento superado: $3.25 frente a $4.02.
Cómo trabaja cada modelo
Gemini 4 Argon suele abrir varios sitios con un solo comando de navegador, mientras que 3.1 Pro abre una página cada vez y continúa así. Un comando de navegador es un script que el modelo envía a ego-browser. En las 15 tareas, el 22.4% de los 246 comandos de Argon abrieron dos páginas o más, frente al 2.5% de los 489 de 3.1 Pro. Argon necesitó 16.4 comandos de navegador por tarea y 3.1 Pro, 32.6.
La tarea de los bancos centrales muestra qué supone esto en un trabajo largo. Pide la primera decisión sobre tipos de 2026 de cada uno de 12 bancos centrales: la fecha, la decisión, el tipo, cualquier voto discrepante y la fecha de la siguiente reunión. Argon terminó con 16 comandos de navegador, de los cuales 14 abrieron páginas de entre 2 y 7 bancos. Superó la tarea con 29 llamadas a herramientas y un coste de $1.24. 3.1 Pro envió 73 comandos de navegador y ninguno abrió más de una página. Agotó los 100 pasos, se detuvo mientras abría el 9.º banco, el Banco de Corea, y no dio ninguna respuesta. Ese intento costó $3.36.

Ambos modelos utilizaron el mismo navegador en los mismos sitios, por lo que la diferencia estuvo en cuánto abarcaba cada respuesta. Eso permitió a Argon mantenerse dentro del presupuesto de 100 pasos en trabajos que recorren una lista de sitios.
Más sobre Gemini 4 Argon
Para explorar cómo resuelve Argon trabajos más difíciles, diseñamos 13 pruebas adicionales específicas para él. En el total de 28 tareas de navegación, la tasa de éxito disminuye a medida que aumenta el número de sitios implicados.
| Tamaño del trabajo | Tareas | Tasa de éxito | Coste por tarea | Llamadas a herramientas por tarea |
|---|---|---|---|---|
| De uno a tres sitios | 11 | 72.7% (8/11) | $0.469 | 16.4 |
| Nueve sitios o más | 14 | 57.1% (8/14) | $2.377 | 35.2 |
En trabajos que abarcan nueve sitios o más, Argon superó 8 de 14. Su máximo fue de 67 llamadas a herramientas de las 100 permitidas, sin agotar nunca el presupuesto. En estas tareas que implican más de nueve sitios, Argon tuvo un coste medio de $2.377 por tarea. Cuatro de los seis fallos fueron respuestas incorrectas, y 2 de ellas dieron dos valores para un solo campo, lo que confirma el patrón anterior de ofrecer respuestas adicionales.
En las tareas más cortas, de uno a tres sitios, Argon superó 8 de 11 con un coste medio de $0.469. Dos de sus 3 fallos dieron dos valores para un solo campo y el tercero fue una respuesta incorrecta en una tarea de aplicación web.
Nuestro consejo es planificar en función del tamaño de tus tareas. Una consulta breve con Argon cuesta menos de cincuenta centavos. Un trabajo largo entre varios sitios cuesta unos pocos dólares, puede acercarse a una hora y se superó el 57% de las veces.
Cuál elegir
Cambia a Gemini 4 Argon si la tasa de éxito actual de tu 3.1 Pro no te satisface. En costes, iguala a 3.1 Pro por tarea hasta noviembre y sigue siendo más barato por intento superado incluso después del cambio de precios de diciembre, ya que completa el trabajo sin desperdiciar tokens.
Seguir con Gemini 3.1 Pro Preview tiene sentido en un caso. A partir del 1 de diciembre cuesta menos por tarea en los trabajos que ya supera, que en nuestras ejecuciones fueron 5 de las 15 tareas.
Ejecutamos Argon como gemini-4-argon con un nivel de razonamiento high en el entorno de agentes pi y con ego-browser como navegador. ego-browser viene con ego(lite) y lo controla como navegador del agente.
Preguntas frecuentes
¿Es Gemini 4 Argon mejor que Gemini 3.1 Pro para agentes de navegación? Sí. Gemini 4 Argon superó 11 de 15 intentos de tareas de navegación y Gemini 3.1 Pro Preview superó 5. Argon superó todas las tareas que superó 3.1 Pro, además de 6 en las que 3.1 Pro falló. Las mayores mejoras se dieron en trabajos de 9 sitios o más, donde 3.1 Pro agotó tres veces su presupuesto de 100 pasos.
¿Debería cambiar de Gemini 3.1 Pro a Gemini 4 Argon? Cambia si tu agente necesita completar más tareas: Gemini 4 Argon superó 11 de 15 intentos y Gemini 3.1 Pro Preview superó 5. Hasta el 30 de noviembre de 2026, ambos cuestan aproximadamente entre $0.59 y $0.60 por tarea en los trabajos que ambos superaron. A partir del 1 de diciembre, el precio de tarifa de Argon se duplica, por lo que 3.1 Pro cuesta menos en las tareas que ya supera.
¿Es Gemini 4 Argon más barato que Gemini 3.1 Pro? Con los precios vigentes hasta el 30 de noviembre de 2026, Gemini 4 Argon costó $0.588 por tarea y Gemini 3.1 Pro Preview, $0.598, en las 5 tareas que ambos superaron. Contando los intentos fallidos, Argon gastó $1.62 por intento superado y 3.1 Pro, $4.02. Los fallos de 3.1 Pro fueron caros, porque sus 3 intentos que agotaron los pasos costaron una media de $3.48 cada uno.
¿Cuánto cuesta Gemini 4 Argon después del 1 de diciembre de 2026? Google fija la tarifa de Gemini 4 Argon a partir del 1 de diciembre de 2026 en $4 por millón de tokens de entrada, $20 por millón de tokens de salida y $0.20 por millón de tokens en caché. Con esos precios, nuestras ejecuciones costarían $1.176 por tarea en las 5 tareas que ambos modelos superaron, frente a los $0.598 de Gemini 3.1 Pro Preview. Por intento superado, Argon costaría $3.25 y 3.1 Pro, $4.02.
¿Usa Gemini 4 Argon menos pasos que Gemini 3.1 Pro? Sí. Gemini 4 Argon utilizó 23.9 llamadas a herramientas por tarea y Gemini 3.1 Pro Preview, 52.1, en las mismas 15 tareas. Argon abrió dos páginas o más en el 22.4% de sus comandos de navegador, frente al 2.5% de 3.1 Pro. Su tarea más larga utilizó 67 llamadas a herramientas dentro de un presupuesto de 100 pasos.
¿Por qué Gemini 3.1 Pro agota los pasos en tareas de navegación? Gemini 3.1 Pro Preview agotó su presupuesto de 100 pasos en 3 de 15 tareas, todas en trabajos de 9 sitios o más. Abrió una página por comando de navegador, por lo que una tarea de 12 bancos necesitó más respuestas de las que permitía el presupuesto. En la misma tarea y el mismo navegador, Gemini 4 Argon terminó con 29 llamadas a herramientas.
¿Cómo resuelve Gemini 4 Argon la recopilación de datos de varios sitios? Gemini 4 Argon superó 8 de las 14 tareas que ejecutó y que abarcaban nueve sitios o más. No agotó los pasos en ninguna, pero 2 intentos alcanzaron el límite de una hora sin dar una respuesta. Estos trabajos costaron una media de $2.377 por tarea.
¿En qué sigue fallando Gemini 4 Argon? Gemini 4 Argon falló en 4 de sus 15 intentos compartidos y en 3 de esos fallos dio dos valores para un solo campo. En una tarea indicó el total correcto de 668.95 mil millones de parámetros y después ofreció 664.95 mil millones como alternativa. Gemini 3.1 Pro Preview hizo lo mismo en 2 de sus fallos, así que comprueba que cada campo de una respuesta contenga un solo valor.
¿Sigue mereciendo la pena usar Gemini 3.1 Pro? Gemini 3.1 Pro Preview superó 5 de 15 intentos y, a partir del 1 de diciembre de 2026, cuesta menos que Gemini 4 Argon en esas 5 tareas. Con los precios de diciembre fue más barato en las 5. En los trabajos que aún no supera, Argon superó más tareas y gastó menos por intento superado.
¿Puede Gemini 4 Argon ejecutar un agente de navegación con ego-browser? Sí. Ejecutamos Gemini 4 Argon con un nivel de razonamiento high en el entorno de agentes pi con ego-browser y superó 11 de 15 intentos. El modelo escribió scripts de ego-browser mediante la herramienta bash del agente y leyó el texto de las páginas devuelto por cada script. Su tarea más larga utilizó 67 llamadas a herramientas dentro de un presupuesto de 100 pasos.
Cómo realizamos las pruebas
Comparamos Gemini 4 Argon (google/gemini-4-argon) y Gemini 3.1 Pro Preview (gemini-3.1-pro-preview), ambos con un nivel de razonamiento high. Los dos se ejecutaron en el entorno de agentes pi, versión 1.5.0, con la misma compilación de ego-browser en ego(lite), en macOS. El modelo recibe el archivo de la skill de ego-browser, escribe scripts de navegador mediante su herramienta bash y lee el texto de las páginas devuelto por cada script. Se llamó a Argon a través de ZenMux y a 3.1 Pro mediante la API de Gemini de Google. Argon se ejecutó el 4 de noviembre de 2026 y 3.1 Pro, el 5 de noviembre de 2026.
Cada modelo ejecutó 28 tareas de nuestro conjunto de tareas de eficiencia y 15 de ellas se ejecutaron con ambos. La comparación utiliza las 15 tareas compartidas, con un intento por modelo en cada tarea. Un intento es una ejecución de una tarea por un modelo. La sección sobre tamaño del trabajo utiliza las 28 tareas de Argon. Las tareas compartidas se dividen en cinco grupos y cada tarea pertenece a uno solo: recopilar los mismos campos en muchos sitios oficiales, contrastar publicaciones de X con páginas oficiales, consultar información en uno a tres sitios, investigación exploratoria y una aplicación web empresarial.
Cada intento tenía un presupuesto de 100 pasos y una hora. Un paso es una respuesta del modelo, que suele hacer una llamada a una herramienta. Una llamada a una herramienta es un comando que el modelo envía a través del agente. Un comando de navegador es una llamada a una herramienta que ejecuta un script de ego-browser; contamos que un comando abre dos páginas o más a partir de las navegaciones de página incluidas en su script. Un intento solo se supera cuando su respuesta final cumple todos los elementos de la clave de respuestas de la tarea; una respuesta que da dos valores para un campo falla.
El coste es el uso de tokens de cada intento valorado con los precios de tarifa de la API de Gemini de Google vigentes hasta el 30 de noviembre de 2026. Para Argon son $2 por millón de tokens de entrada, $10 por millón de tokens de salida y $0.10 por millón de tokens en caché. Para 3.1 Pro Preview son $2, $12 y $0.20 hasta 200 000 tokens por prompt, y $4, $18 y $0.40 por encima de ese umbral. El coste por tarea promedia las 5 tareas que ambos modelos superaron. El coste por intento superado divide el coste de los 15 intentos entre el número de intentos superados.
Resultados completos
Cada celda muestra el resultado de un intento y su coste con los precios de tarifa vigentes hasta el 30 de noviembre de 2026. «Límite de pasos» identifica un intento que consumió el presupuesto de 100 pasos sin dar una respuesta; «límite de tiempo», uno que alcanzó el límite de una hora sin dar una respuesta.
| Tarea | Grupo | Gemini 4 Argon | Gemini 3.1 Pro Preview |
|---|---|---|---|
| Decisiones sobre tipos en 12 bancos centrales | Muchos sitios oficiales | Superado, $1.243 | Fallido, límite de pasos, $3.356 |
| 9 modelos de pesos abiertos | Muchos sitios oficiales | Fallido, $3.548 | Fallido, límite de pasos, $4.324 |
| Salario mínimo en 9 jurisdicciones | Muchos sitios oficiales | Superado, $3.269 | Fallido, límite de pasos, $2.745 |
| Cumplimiento normativo de 9 proveedores de SaaS | Muchos sitios oficiales | Superado, $2.590 | Fallido, $1.176 |
| Publicaciones de seguridad de 8 proyectos de código abierto: X frente a avisos de seguridad | Publicaciones de X | Superado, $1.490 | Superado, $1.564 |
| 8 lanzamientos de productos: publicaciones de X frente a notas de prensa | Publicaciones de X | Superado, $1.211 | Fallido, $1.005 |
| Publicaciones de lanzamientos de SpaceX en X frente a Wikipedia | Publicaciones de X | Superado, $0.483 | Superado, $0.325 |
| Instantánea de KYC de cuatro empresas británicas | De uno a tres sitios | Fallido, $0.525 | Fallido, $0.955 |
| Relacionar ensayos clínicos con fichas de medicamentos | De uno a tres sitios | Fallido, $1.203 | Fallido, $0.831 |
| Informe de inflación de FRED, contrastado con el BLS | De uno a tres sitios | Superado, $0.248 | Fallido, $0.267 |
| Funciones web en MDN y Can I use | De uno a tres sitios | Superado, $0.560 | Fallido, $0.967 |
| Apuntes de estudio de una clase, código y un artículo científico | De uno a tres sitios | Superado, $0.283 | Superado, $0.403 |
| Modelos que superan los umbrales de cómputo de la UE | Investigación exploratoria | Superado, $0.300 | Superado, $0.287 |
| Rastrear las fuentes de una tabla de Wikipedia | Investigación exploratoria | Fallido, $0.528 | Fallido, $1.495 |
| Ajustar monitores de servicios a un estándar | Aplicación web empresarial | Superado, $0.384 | Superado, $0.412 |
Las otras 13 tareas de Gemini 4 Argon, utilizadas en la sección sobre tamaño del trabajo. Cada celda es un intento.
| Tarea | Sitios | Gemini 4 Argon |
|---|---|---|
| Última versión estable de 9 navegadores de escritorio | 13 | Superado, $0.726 |
| Planes gratuitos de 9 servicios de CI | 9 | Fallido, límite de tiempo, $3.393 |
| 8 encuestas a desarrolladores | 8 | Fallido, $4.987 |
| Un terremoto en 9 agencias | 9 | Fallido, $4.039 |
| Un juego en 8 organismos de clasificación | 8 | Fallido, $4.180 |
| Una estampa en 10 colecciones de museos | 10 | Superado, $3.296 |
| El entorno de ejecución de protobuf en 9 registros de paquetes | 9 | Fallido, $0.856 |
| Ediciones vigentes de 9 estándares | 9 | Superado, $2.143 |
| 8 fichajes de clubes: X frente a los sitios de los clubes | 16 | Fallido, límite de tiempo, $4.947 |
| Comprobar 10 afirmaciones de un resumen semanal de IA | 7 | Superado, $1.316 |
| Revisión de puntualidad de transportistas y reglas de alerta | 1 | Fallido, $0.769 |
| Cubrir turnos de guardia en función de las ausencias | 1 | Superado, $0.182 |
| Solicitar dietas diarias de comida | 1 | Superado, $0.217 |
Registro de actualizaciones: publicado por primera vez el 9 de noviembre de 2026. Pruebas ejecutadas el 4 y 5 de noviembre de 2026.
