Google convierte Gemini 4 en una tabla periódica y complica la elección del modelo para programar
Google ha ampliado Gemini 4 hasta cuatro variantes diferentes, una estrategia que ofrece más opciones a desarrolladores y empresas, pero que también dificulta saber cuál conviene utilizar en cada tarea. La llegada de Gemini 4 Neon, orientado a programación y análisis, ha reabierto además la competencia con Gemini 4 Argon, que hasta ahora era la alternativa recomendada para ingeniería de software.
El problema no es únicamente la cantidad de modelos. Google tampoco ha detallado con suficiente precisión qué diferencias prácticas existen entre ellos, especialmente entre Argon y Neon. Para quienes utilizan la inteligencia artificial para escribir código, revisar proyectos o analizar datos, la elección queda en buena medida en manos de la experimentación.
Cuatro modelos Gemini 4 y una nomenclatura poco intuitiva
Mientras algunas compañías mantienen nombres numéricos y otras recurren a familias como Haiku o Sonnet, Google ha elegido elementos químicos para organizar su catálogo. La compañía utiliza Argon, Neon, Carbon e Hydrogen como denominaciones de las distintas ramas de Gemini 4.
La idea permite distinguir con rapidez las familias, pero no aclara por sí sola la posición de cada modelo. Carbon representa la parte superior de capacidades, mientras que Hydrogen se sitúa en el extremo inferior. Argon y Neon, por su parte, son gases nobles asociados a modelos con especial atención a la programación y la analítica.
En inteligencia artificial, un modelo es el sistema entrenado para comprender instrucciones y generar respuestas. Sus diferencias pueden afectar a la calidad del razonamiento, la velocidad, el coste de uso, la cantidad de información que puede manejar o su rendimiento al trabajar con código. Sin una explicación clara, el nombre de la familia no basta para tomar una decisión.
Neon sustituye a Argon en la aplicación, pero no en todas partes
La llegada de Gemini 4 Neon introduce cambios distintos según el servicio de Google. En la aplicación de Gemini, Neon sustituye a Argon, de modo que los usuarios dejan de ver esta última opción. En Antigravity, sin embargo, ambos modelos continúan disponibles en el selector y Neon pasa a ser la opción predeterminada para las conversaciones nuevas.
La situación es diferente para los suscriptores. Carbon queda reservado para Google AI Ultra, mientras que los usuarios del plan Pro ya no encuentran en la aplicación un modelo identificado específicamente como opción para programar. La disponibilidad tampoco es necesariamente la misma en la API, el sistema que permite integrar los modelos en aplicaciones y servicios externos.
Esta fragmentación obliga a distinguir entre el modelo que aparece en la aplicación de consumo, el que puede seleccionarse en Antigravity y el que está disponible para los desarrolladores mediante la API. Una misma denominación no implica necesariamente la misma experiencia ni el mismo acceso.
Una evolución difícil de seguir para los programadores
La relación entre las cuatro variantes añade más complejidad. Argon dio lugar a Carbon, y de Carbon derivan Hydrogen y Neon. Sobre el papel, esta estructura permite ofrecer modelos especializados para diferentes necesidades. En la práctica, no resulta sencillo anticipar cuál será más eficaz para escribir código, corregir errores o trabajar con repositorios de gran tamaño.
Google había presentado Argon como una de las mejores opciones para tareas de ingeniería de software. Poco después, Carbon tomó protagonismo y, apenas unos días más tarde, Neon se convirtió en el modelo predeterminado de Antigravity. El ritmo de los cambios hace que las recomendaciones queden desactualizadas en muy poco tiempo.
La compañía tampoco ha establecido una guía pública suficientemente concreta para explicar cuándo utilizar Argon frente a Neon. Ambos están orientados a programación y análisis, por lo que la diferencia podría encontrarse en aspectos como la velocidad, el precio por consulta, la capacidad para razonar durante más tiempo o la estabilidad al ejecutar flujos de trabajo complejos.
Más modelos frente a la búsqueda de simplicidad
La industria había avanzado recientemente hacia catálogos más sencillos. ChatGPT, Claude y Gemini redujeron el número de opciones visibles para que los usuarios no tuvieran que conocer las diferencias técnicas entre cada versión. Algunos sistemas incluso incorporaron un router, un componente que selecciona automáticamente el modelo más adecuado según la petición.
Gemini 4 parece avanzar en la dirección contraria. Con cuatro variantes disponibles en determinados entornos, la responsabilidad vuelve a recaer sobre el usuario. La elección puede influir en el coste, la rapidez y la calidad de la respuesta, especialmente cuando se utiliza la API para automatizar tareas a gran escala.
Velocidad y coste, dos de las fortalezas de Gemini 4
La estrategia de Google no se limita a multiplicar nombres. Gemini 4 ha reforzado la posición de la compañía en el mercado de modelos avanzados gracias a su rendimiento multimodal, es decir, la capacidad para trabajar con texto, imágenes, código y otros formatos.
También destaca por la velocidad de generación y por el coste por tarea, dos factores decisivos para empresas y desarrolladores. Un modelo ligeramente menos preciso puede resultar más útil si responde mucho más rápido o permite procesar miles de solicitudes con un gasto inferior.
El reto ahora consiste en convertir esa variedad en una ventaja comprensible. Hasta que Google publique comparativas más detalladas, quienes programen con Gemini 4 tendrán que probar Argon, Neon, Carbon o Hydrogen en sus propios proyectos, medir resultados y elegir como si estuvieran completando su propia tabla periódica de la inteligencia artificial.
