Gemini 4 Neon: la IA de Google que lidera en código

Gemini 4 Neon: qué lanzó Google y por qué importa

Gemini 4 Neon es el cuarto modelo de la familia Gemini 4 que Google pone en el mercado en pocas semanas, y llega con dos números que resumen su propuesta: 61 puntos en el índice de inteligencia de Artificial Analysis y un precio de US$3 por millón de tokens de entrada y US$15 por millón de salida en la API. Para un equipo que ya paga modelos de frontera para programar o analizar documentos, la pregunta relevante no es si el modelo es bueno, sino cuánto cuesta cada tarea que hoy le encargas a otro proveedor.

El modelo se ubica entre Gemini 4 Carbon, el que Google recomienda para los problemas más difíciles, y Gemini 4 Hydrogen, el más rápido y barato para el trabajo diario. Google lo describe como un modelo de nivel frontera para ingeniería de software, análisis empresarial e investigación científica, con foco en completar tareas de punta a punta sin perder velocidad. Lo anunció Koray Kavukcuoglu, SVP de Google DeepMind y arquitecto jefe de IA de la compañía, según recogió TalkAndroid.

¿Dónde encaja Gemini 4 Neon en la familia Gemini 4?

Google viene publicando modelos a un ritmo inusual: Gemini 4 Argon y Gemini 4 Carbon quedaron disponibles de forma amplia el 10 de noviembre, y Gemini 4 Hydrogen llegó el 12 de noviembre, según el repaso de TalkAndroid. Neon es el cuarto de la serie y ocupa el espacio intermedio: no compite por el techo de razonamiento, compite por el costo por tarea.

¿Y esto cómo se aplica en tu negocio?

Dueños de negocio de Latinoamérica y España usan un agente de IA para ganar más y recuperar su tiempo. El Kit «tu mano derecha con IA» te muestra cómo en un video de 11 minutos, con una ficha para armar el tuyo. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Sus especificaciones clave:

  • Ventana de contexto de un millón de tokens, suficiente para analizar hojas de cálculo, PDF, gráficos, audio y video en la misma solicitud.
  • Cuatro niveles de razonamiento, de nivel bajo a extra alto (Low y Extra High en la documentación de Google), para ajustar cuánto razona el modelo antes de responder.
  • Entrada multimodal (texto, imágenes, video, audio y PDF) y salida orientada a informes y entregables.
  • Dentro de la app de Gemini puede ejecutar tareas de varios pasos y apoyarse en servicios conectados como Gmail y Docs, según iClarified.

Para un founder, la ventana de un millón de tokens es lo más tangible: permite subir un contrato largo, un estado financiero y una grabación de reunión en la misma consulta y pedir un resumen cruzado. Antes eso exigía partir el trabajo en pedazos o encadenar herramientas separadas.

Los benchmarks: dónde gana Gemini 4 Neon y dónde no

Google publicó una tabla comparativa contra Claude Opus 5.5 y GPT-6.2 Sol. Según el análisis de OfficeChai, Neon lidera 16 de los 19 resultados incluidos, con 61 puntos en el índice de inteligencia de Artificial Analysis frente a 59 de Opus 5.5 y 57 de Sol.

Los márgenes más amplios:

  • GraphWalks, que mide búsqueda en contextos de 256.000 a un millón de tokens: 95,2% para Neon, contra 80,1% de Sol y 66,8% de Opus 5.5.
  • AutomationBench, de Zapier: 56,3%, muy por encima del 42,5% y el 41,3% de sus rivales.
  • Agents’ Last Exam: 75,8%, frente a 73,0% y 71,6%.
  • RiemannBench, de razonamiento matemático: 84,0%, contra 80,0% de ambos competidores.

Y los puntos donde no gana, que importan tanto como los anteriores:

  • Terminal-bench 4.1: Opus 5.5 saca 65,8% contra 65,2% de Neon.
  • FrontierCode 2.0: 47,3% contra 46,2%, también a favor de Opus 5.5.
  • Chartography, lectura de gráficos complejos: Sol gana 75,1% a 73,5%.

Hay un matiz que conviene tener presente antes de sacar conclusiones: la comparación es contra Opus 5.5 y GPT-6.2 Sol, no contra los modelos más capaces de Anthropic y OpenAI. Según Artificial Analysis, Claude Fable 5.2 puntúa 65 y GPT-6.2 Astra 62, ambos por encima de Neon, mientras Gemini 4 Carbon queda en 60. Además, las cifras son de Google y las evaluaciones independientes todavía no se conocen, según OfficeChai.

Aun así, el dato de contexto es llamativo: hace pocos meses Gemini 3.5 Flash marcaba 50 puntos en ese índice y Google había salido del top cinco de laboratorios por primera vez. Neon, con 61, devuelve a la compañía al grupo de cabeza.

¿Cuánto cuesta de verdad? Precio, caché y niveles de razonamiento

El precio de lista es US$3 por millón de tokens de entrada y US$15 por millón de salida, con entrada cacheada a US$0,15 por millón, lo que Google presenta como un descuento del 95%. La tabla que publicó TalkAndroid ayuda a ubicarlo:

  • Hydrogen: US$1,50 de entrada y US$7,50 de salida.
  • Neon: US$3 y US$15.
  • Carbon (precio introductorio, hasta el 30 de noviembre): US$2 y US$10.
  • Carbon (desde el 1 de diciembre): US$4 y US$20.

Ese detalle cambia la decisión: hasta el 30 de noviembre Carbon es más barato por token que Neon. Después de esa fecha, la relación se invierte. Google sostiene que, aun así, Neon sale más económico por tarea: con su nivel de razonamiento alto por defecto cuesta 32% menos por tarea que Carbon, y entre 50% y 80% menos por tarea que los modelos de frontera de la competencia en su configuración más alta, según las cifras de la compañía recogidas por TalkAndroid.

El punto fino es que el precio por token no es el precio real. Lo que pagas son tokens consumidos por tarea terminada, y ahí entran los niveles de razonamiento. Un agente de código que resuelve el problema en el nivel alto puede costar menos que uno que llega al mismo resultado tras varios intentos en un modelo más potente.

¿Qué significa esto para tu startup?

La noticia no es que Google tenga otro modelo: es que el costo por tarea de un agente que programa bajó de forma medible. Eso habilita cosas que hace un año no cerraban por números.

  • Rutea por tarea, no por proveedor. Usa el modelo barato (Hydrogen) para clasificar, extraer y resumir, y reserva Neon para los flujos donde el resultado se mide: agentes de código, depuración de múltiples archivos y análisis de documentos largos. Google describe a Neon como un orquestador capaz de dirigir subagentes más económicos, una arquitectura que conviene copiar.
  • Aprovecha la caché de entrada. Si tu producto manda el mismo contexto largo en cada llamada —un manual, un repositorio, un catálogo— la entrada cacheada a US$0,15 por millón de tokens cambia el costo marginal de tu funcionalidad.
  • Mueve el dial de razonamiento. Con cuatro niveles disponibles, mide calidad y gasto en cada uno antes de fijar el default de tu producto. El nivel más alto no siempre es el que tu usuario necesita.
  • Marca el 30 de noviembre. Es la fecha en la que cambia el precio de Carbon. Si tu factura depende del modelo más potente, revisa la comparación de costo por tarea antes y después.
  • Ojo con el acceso. Neon está disponible en la API y en la app de Gemini para suscriptores de Google AI Pro o Ultra, además de Google Antigravity y AI Studio. Los usuarios de la cuenta gratuita se quedan con Gemini 4 Hydrogen, según la fuente original.

Lo que todavía no se sabe

Google no confirmó si Neon llegará a los usuarios gratuitos de Gemini ni a AI Mode en Search, donde Carbon y Hydrogen ya están disponibles, según TalkAndroid. Las evaluaciones independientes del modelo tampoco se publicaron aún, así que los 61 puntos y las ventajas en benchmarks son, por ahora, cifras del propio fabricante. La fuente original también menciona que Google prepara una versión orientada a ciberseguridad, aunque no detalló su disponibilidad general.

Para equipos que construyen producto, eso significa una cosa concreta: vale la pena medir con tus propias tareas antes de reescribir tu arquitectura de modelos. Un benchmark sintético no dice cómo se comporta tu caso de uso.

Conclusión

Gemini 4 Neon apunta a un segmento muy específico: el de los equipos que necesitan razonamiento fuerte sin pagar el precio del modelo más potente de la casa. La combinación de un millón de tokens de contexto, cuatro niveles de razonamiento y un costo por tarea declarado entre 32% y 80% por debajo de sus alternativas es una propuesta difícil de ignorar para cualquier producto que hoy queme presupuesto en llamadas a modelos de frontera.

La advertencia es la de siempre: son cifras del fabricante y la comparación excluye a los modelos más capaces de Anthropic y OpenAI. La forma sensata de evaluarlo es tomar una tarea real de tu producto, correrla en Neon y en tu modelo actual, y comparar calidad, latencia y factura. Esa prueba de una tarde vale más que cualquier tabla de benchmarks.

Fuentes

¿te gustó o sirvió lo que leíste?, Por favor, comparte.

¿Y esto cómo se aplica en tu negocio?

Dueños de negocio de Latinoamérica y España usan un agente de IA para ganar más y recuperar su tiempo. El Kit «tu mano derecha con IA» te muestra cómo en un video de 11 minutos, con una ficha para armar el tuyo. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Daily Shot: Tu ventaja táctica

Lo que pasó en las últimas 24 horas, resumido para que tú no tengas que filtrarlo.

Suscríbete para recibir cada mañana la curaduría definitiva del ecosistema startup e inversionista. Sin ruido ni rodeos, solo la información estratégica que necesitas para avanzar:

  • Venture Capital & Inversiones: Rondas, fondos y movimientos de capital.
  • IA & Tecnología: Tendencias, Web3 y herramientas de automatización.
  • Modelos de Negocio: Actualidad en SaaS, Fintech y Cripto.
  • Propósito: Erradicar el estancamiento informativo dándote claridad desde tu primer café.

📡 El Daily Shot Startupero

Noticias del ecosistema startup en 2 minutos. Gratis, todos los días.

Share to...