Google presentó Gemini 4 Neon, un modelo que cuesta US$3 por millón de tokens de entrada y US$15 por millón de salida, y que la compañía no vende como el más potente, sino como el que mejor equilibra capacidad y coste. El anuncio lo firmó Koray Kavukcuoglu, vicepresidente sénior de Google DeepMind y arquitecto jefe de IA, en el blog oficial de la compañía el 18 de noviembre.
Para un founder que paga la factura de la API cada mes, la noticia no es el benchmark: es que Google dejó de vender «un modelo» y pasó a vender una gama.
¿Qué es Gemini 4 Neon y dónde encaja en la familia Gemini 4?
Neon es la pieza intermedia de tres. Por encima está Gemini 4 Carbon, reservado a los proyectos más difíciles y de horizonte largo. Por debajo, Gemini 4 Hydrogen, pensado para la ejecución rápida del día a día. Neon se queda con el grueso del trabajo: lo que Google describe como «inteligencia de frontera» combinada con la capacidad de rematar tareas completas deprisa.
Leíste lo que hace la IA. ¿Y en tu negocio?
Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.
👥 Quiero el Kit →El reparto tiene cronología. Según The Next Web, Argon llegó el 30 de septiembre, Carbon el 10 de noviembre y Hydrogen dos días después. Neon es el cuarto modelo de la familia en menos de dos meses.
Técnicamente no hay un salto de arquitectura. Neon mantiene una ventana de contexto de un millón de tokens y ofrece cuatro niveles de pensamiento: low, medium, high (el valor por defecto) y xhigh. Marktechpost añade que la salida por defecto es de 64K tokens, ampliable a un millón con decodificación larga en segundo plano, y que el corte de conocimiento es marzo de 2026. Los pesos son cerrados y solo corre en infraestructura de Google: no hay versión local ni en el borde.
Lo interesante para quien construye agentes es otra cosa. Neon soporta compactación de contexto y, en Google Antigravity, puede actuar como orquestador dirigiendo subagentes Hydrogen en paralelo para subtareas pequeñas. Google no está vendiendo solo un modelo: está vendiendo el cerebro de un enjambre barato.
¿Cuánto cuesta Gemini 4 Neon y dónde se puede usar ya?
El precio es el argumento central: US$3 por millón de tokens de entrada, US$15 por millón de salida y US$0,15 por millón de entrada en caché, un descuento del 95% que premia reutilizar contexto en lugar de reenviarlo en cada llamada.
El despliegue arrancó el mismo día del anuncio: API de Gemini en el nivel de pago de Google AI Studio y Android Studio, Google Antigravity para suscriptores de AI Pro y Ultra, Gemini Enterprise para empresas y el selector de modelos de la app de Gemini para quienes tengan Pro o Ultra. Google anunció además una variante de Neon para ciberseguridad que llegará en los próximos días a defensores de confianza dentro de su programa Fairwind.
Hay un detalle de calendario que cambia la comparación. Carbon está en precio introductorio de US$2/US$10 hasta el 30 de noviembre, según Artificial Analysis recogido por unite.ai. Después vuelve a US$4/US$20. Con el precio temporal, Neon es un 50% más caro que Carbon; con el estándar, queda un 25% por debajo. Si estás planificando costes para diciembre, esa fecha importa más que cualquier benchmark.
¿Qué dicen los benchmarks de Gemini 4 Neon?
Google reparte decenas de pruebas y en ninguna nombra a un rival: solo aparecen «modelos competidores» o «más grandes y lentos». El research sí pone nombres.
Artificial Analysis le dio 61 puntos en su Intelligence Index en modo xhigh, tercero de la tabla, por detrás de GPT-6.2 Astra de OpenAI y Claude Fable 5.2 de Anthropic, y un punto por encima de Carbon. En el Vals Index queda segundo con 70,9%. En el índice de agentes de código de Artificial Analysis, Marktechpost reporta el primer puesto con 58,6.
Los números donde Neon gana son de contexto largo y trabajo agéntico: 95,2% en GraphWalks (recuperación de información entre 256K y 1M de tokens), frente al 80,1% de GPT-6.2 Sol según la tabla de Google. Y no gana todo: Opus 5.5 lo supera en Terminal-bench 4.1 (65,8% frente a 65,2%) y en FrontierCode 2.0 (47,3% frente a 46,2%).
El dato más útil para decidir es el coste por tarea, no por token. Artificial Analysis midió US$6,44 por tarea del Intelligence Index para Neon en xhigh, con unos 21 minutos de media, frente a US$7,76 y unos 36 minutos de Carbon con precio estándar. En tareas de agente de código, US$6,86 por tarea frente a US$12,61 de Opus y US$15,47 de Fable. Pero hay letra chica: Neon consumió un 15% más de tokens de salida por tarea que Carbon. El ahorro viene del precio, no de que el modelo sea más eficiente en tokens. Lo que sí es real es la velocidad: unos 110 tokens por segundo contra unos 57 de Carbon.
Y una advertencia sobre los niveles de esfuerzo. En GDP.pdf, una prueba de razonamiento sobre documentos profesionales, Neon en high sacó 33,4% y en xhigh 28,0%: subir el esfuerzo no siempre mejora el resultado, y sí encarece la factura.
Para calibrar el resto del mercado: Claude Opus 5.5 de Anthropic lista a US$4/US$20 y GPT-6.2 Sol de OpenAI a US$2/US$10, según Marktechpost. Cinco Días reportó en octubre que el tope de gama de Anthropic, Fable 5.1, y el GPT-6 Astra de OpenAI se sitúan en US$10/US$50. Europa Press describió el lanzamiento de Argon como un movimiento de precio cinco veces más barato que esos modelos tope.
En seguridad, Google publica cifras concretas: 0,09% de tasa de acción desalineada, 99,2% de acierto en la prueba de honestidad del agente y 0,0% de éxito de ataque en el benchmark de inyección de prompts de Gray Swan en el nivel más alto de pensamiento, según Marktechpost. Son métricas internas, pero con número, que es más de lo que ofrecen muchos.
¿Qué significa esto para tu startup?
La jugada de Google es clara: no compite por el techo, compite por el coste por tarea completada. Y ese es exactamente el terreno donde vive la mayoría de los productos que un founder hispanohablante puede construir hoy.
- Mide coste por tarea, no precio por token. Antes de migrar, corre tu propio set de 20 o 30 tareas reales de tu producto con Neon en high y en xhigh, y con tu modelo actual. Registra tres cosas: si la tarea se completó, cuántos tokens de salida consumió y cuánto costó. El 15% extra de tokens de salida que reporta Artificial Analysis puede comerse buena parte del ahorro en flujos con respuestas largas.
- Usa el caché como palanca de arquitectura. El token de entrada en caché cuesta US$0,15 frente a US$3, un 95% menos. Si tu producto reenvía el mismo system prompt, la misma documentación o el mismo contexto de cliente en cada llamada, reordenar el prompt para que el prefijo estable quede primero puede bajar la factura más que cambiar de modelo.
- Aprovecha la ventana de precio de Carbon. Hasta el 30 de noviembre, Carbon está a US$2/US$10. Si tienes cargas de trabajo pesadas y puntuales —procesar un lote grande, generar un dataset, hacer una migración de código—, hacerlo antes de esa fecha con Carbon puede salir más barato que con Neon.
- No pongas un solo modelo en el centro de tu producto. La familia Gemini 4 ya está troceada en tres piezas con precios distintos, y Google la mueve cada pocas semanas. Si tu arquitectura asume un único modelo, cada lanzamiento te obliga a reescribir. Si abstraes la capa de inferencia, cada lanzamiento es una línea de configuración.
Conclusión
Gemini 4 Neon es un buen modelo y una apuesta de precio, no de techo. Google admite ser tercero en inteligencia bruta y primero en varias pruebas agénticas, y el mensaje entre líneas es que el modelo que de verdad manda sigue siendo «más grande y más lento», y no lo firma Google.
Para un founder, eso es una oportunidad, no un problema. El trabajo real de la mayoría de los productos vive en el punto medio: clasificar, extraer, redactar, ejecutar pasos de un flujo. Si Neon hace eso a una fracción del coste por tarea de los modelos tope, la decisión no es «¿es el mejor?», sino «¿es suficientemente bueno para mi caso de uso y cuánto me ahorra?». Esa pregunta se responde con tus propias tareas, no con la tabla de benchmarks de nadie.
Fuentes
- wwhatsnew (fuente original)
- Marktechpost
- Unite.AI
- The Next Web
- Cinco Días
- Europa Press
Leíste lo que hace la IA. ¿Y en tu negocio?
Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.
👥 Quiero el Kit →













