Gemini 4 Neon llega para convertirse en el modelo de Google para programar y resolver tareas complejas
Google ha ampliado su familia de modelos de inteligencia artificial con Gemini 4 Neon, una propuesta que se sitúa entre la capacidad de los modelos más avanzados y el coste de las opciones más contenidas. Su objetivo es hacerse un hueco en la programación, el análisis y las tareas que requieren varias fases de razonamiento.
La compañía asegura que Neon ofrece una ejecución más rápida que Gemini 4 Carbon y un mejor equilibrio entre rendimiento y precio por tarea. Como ocurre con cualquier lanzamiento de este tipo, estas promesas proceden de Google y tendrán que comprobarse con el uso real, especialmente en proyectos de desarrollo y flujos de trabajo profesionales.
Un modelo con una ventana de contexto de un millón de tokens
Una de las características más destacadas de Gemini 4 Neon es su ventana de contexto unificada de un millón de tokens. En inteligencia artificial, los tokens son las unidades en las que un modelo divide el texto, el código o parte de otros contenidos para poder procesarlos. No equivalen exactamente a palabras: un token puede ser una palabra completa, una parte de ella o un signo.
La ventana de contexto determina cuánta información puede tener en cuenta el modelo durante una misma interacción. En este caso, el millón de tokens se comparte entre la entrada y la salida. Esto permite trabajar con grandes bases de código, documentación extensa, informes complejos o conversaciones prolongadas sin tener que fragmentar necesariamente el contenido en varias peticiones.
Google presenta Neon como un modelo de inteligencia de frontera, una expresión utilizada para describir sistemas que aspiran a situarse entre los más capaces del mercado. La empresa destaca especialmente su rendimiento en programación, análisis y tareas complejas que exigen combinar comprensión, planificación y generación de resultados.
La nueva posición de Neon dentro de Gemini 4
La llegada de Neon vuelve a modificar el catálogo de Google. La familia Gemini 4 está formada actualmente por cuatro modelos con perfiles distintos: Argon, Carbon, Hydrogen y Neon. La estructura puede resultar confusa, pero responde a una estrategia habitual en el sector: ofrecer modelos especializados según el nivel de capacidad, velocidad y coste que necesite cada usuario.
- Gemini 4 Argon: actúa como referencia de la familia en capacidad general.
- Gemini 4 Carbon: apuesta por un rendimiento elevado para tareas exigentes.
- Gemini 4 Hydrogen: es la alternativa más ligera, rápida y accesible.
- Gemini 4 Neon: ocupa una posición intermedia, con especial atención a la programación y el análisis.
La aplicación de Gemini también reorganiza sus opciones. Argon deja de aparecer en el selector principal, mientras que Gemini 3.1 Pro desaparece de la oferta visible. Las alternativas disponibles quedan agrupadas en Auto, Hydrogen, Neon y Carbon, una selección pensada para que el usuario no tenga que elegir entre un catálogo demasiado amplio.
Precio de Gemini 4 Neon en la API
Gemini 4 Neon ya está disponible para distintos perfiles de usuario. Se puede utilizar en la aplicación de Gemini con las suscripciones Google AI Pro y Google AI Ultra, así como mediante la API de pago en Google AI Studio y Android Studio.
También llega a Antigravity, la plataforma de desarrollo de Google con herramientas de inteligencia artificial, para suscriptores Pro y Ultra. Las empresas pueden acceder al modelo a través de Gemini for business.
En la API, el precio de Neon es de 3 dólares por cada millón de tokens de entrada y 15 dólares por cada millón de tokens generados como salida. La entrada corresponde a la información que recibe el modelo; la salida, al texto o código que produce.
Hasta el 30 de noviembre, estas tarifas son superiores a las promocionales de Gemini 4 Carbon y Gemini 4 Argon, fijadas en 2 dólares por millón de tokens de entrada y 10 dólares por millón de salida. A partir de diciembre, cuando esos dos modelos pasarán a costar 4 y 20 dólares, Neon será aproximadamente un 25 % más barato.
El coste por tarea, la nueva batalla de los modelos de IA
La comparación de precios por tokens no siempre refleja el gasto real. Un modelo más barato puede necesitar más intentos, generar respuestas menos útiles o requerir más instrucciones para completar una tarea. Por eso, Google pone el foco en el coste por tarea: cuánto cuesta realmente terminar una función, revisar un proyecto o resolver un análisis.
En ese terreno, Neon pretende diferenciarse de Carbon con una combinación de velocidad, capacidad y precio. Para un equipo de desarrollo, reducir el tiempo de respuesta puede ser tan importante como pagar menos por cada petición, sobre todo cuando se procesan grandes volúmenes de código o se ejecutan flujos automatizados.
La competencia, sin embargo, es intensa. Los usuarios tendrán que comprobar si Gemini 4 Neon mantiene la precisión al trabajar con repositorios extensos, si entiende correctamente instrucciones complejas y si sus respuestas son suficientemente consistentes para entornos profesionales.
Con su disponibilidad desde el lanzamiento y una posición intermedia dentro de la familia Gemini 4, Neon parece diseñado para convertirse en la opción predeterminada de Google para buena parte de los usuarios. Su éxito dependerá de algo más que sus cifras: tendrá que demostrar que ofrece resultados fiables, rapidez y un coste razonable en el día a día.


