Publicidad

Gemini 4 Neon: Google estrena el modelo que busca el equilibrio entre potencia y coste

Google ha presentado Gemini 4 Neon, un nuevo modelo de inteligencia artificial diseñado para ocupar el punto intermedio entre el rendimiento máximo de Gemini 4 Carbon y la rapidez de Gemini 4 Hydrogen. Su objetivo no es liderar todos los rankings, sino completar tareas complejas de principio a fin con un coste más controlado.

El anuncio, realizado el 18 de noviembre por Google DeepMind, confirma un cambio de estrategia en la compañía. La familia Gemini 4 deja de apoyarse en un único modelo generalista y se organiza en varios niveles, cada uno pensado para un tipo de trabajo: Carbon para los proyectos más exigentes, Neon para la mayoría de usos profesionales y Hydrogen para las operaciones rápidas y sencillas.

Un modelo centrado en el coste por tarea

Gemini 4 Neon conserva una ventana de contexto de un millón de tokens. El token es la unidad básica con la que los modelos de IA procesan el texto, aunque también puede representar partes de palabras, código o símbolos. Una ventana tan amplia permite analizar documentos extensos, repositorios de software o grandes volúmenes de información sin tener que dividirlos constantemente.

El modelo incorpora cuatro niveles de razonamiento. Google destaca especialmente los modos high, que viene activado por defecto, y xhigh, orientado a tareas que requieren un análisis más exhaustivo. No se trata de una nueva arquitectura radical, sino de un ajuste del modelo Gemini 4 para ofrecer una relación más favorable entre capacidad, velocidad y precio.

El coste anunciado es de 3 dólares por cada millón de tokens de entrada y 15 dólares por cada millón de tokens generados. La entrada en caché se reduce a 0,15 dólares por millón de tokens. Esta función permite reutilizar partes del contexto que ya han sido procesadas, como instrucciones, documentación o bases de conocimiento, con un descuento del 95 %.

Con el cambio utilizado por Google para sus equivalencias, los precios se sitúan aproximadamente en 2,74 euros por millón de tokens de entrada y 13,68 euros por millón de tokens de salida. La diferencia entre ambos importes refleja que generar respuestas nuevas suele exigir más recursos que leer información ya proporcionada.

Disponible desde el primer día en el ecosistema de Google

El despliegue de Gemini 4 Neon ha comenzado de forma amplia. El modelo llega a la API de Gemini dentro del nivel de pago de Google AI Studio, así como a Android Studio, la plataforma de desarrollo de aplicaciones para Android.

También se integra en Google Antigravity para los suscriptores de AI Pro y AI Ultra, en Gemini Enterprise para empresas y en el selector de modelos de la aplicación Gemini para los usuarios con esos mismos planes. Google prepara además una variante específica para ciberseguridad, que se distribuirá próximamente entre defensores de confianza de su programa Fairwind.

Esta disponibilidad transversal sigue el patrón que la compañía está aplicando con Gemini 4: presentar un modelo y llevarlo casi de inmediato a sus herramientas de desarrollo, productividad y servicios empresariales.

Especialmente orientado a agentes y programación

La principal fortaleza de Gemini 4 Neon está en las tareas agénticas. Un agente de IA no se limita a responder una pregunta, sino que puede planificar varios pasos, utilizar herramientas, consultar información y ejecutar acciones para alcanzar un objetivo. En programación, por ejemplo, puede revisar un repositorio, modificar archivos, ejecutar pruebas y corregir errores.

Según las evaluaciones publicadas por Google, Neon ocupa la primera posición en Legal Research Bench y Tax Agent Bench, dos pruebas centradas en investigación jurídica y fiscal. También lidera el índice de agentes de código de Artificial Analysis, con una puntuación del 58,6.

En otras pruebas obtiene un 70,5 % en Terminal-Bench Science y un 71,3 % en HLE-Diamond. En Vending-Bench 2, una simulación de gestión autónoma, alcanzó unos ingresos ficticios de 16.843 dólares, la cifra más elevada de la tabla.

En inteligencia general, sin embargo, Google no presenta a Neon como el modelo más avanzado. En el índice de Artificial Analysis consigue 61 puntos en el modo xhigh y ocupa la tercera posición. En el Vals Index alcanza el segundo puesto, con un 70,9 %. La compañía sostiene que queda por detrás de modelos más grandes y lentos, pero no identifica expresamente a sus rivales.

La apuesta: casi el máximo rendimiento por menos dinero

Los resultados deben interpretarse con cautela. Los benchmarks son útiles para comparar capacidades concretas, pero no siempre reflejan el rendimiento de un modelo en entornos reales. Además, las pruebas seleccionadas, la configuración utilizada y el modo de razonamiento pueden cambiar de forma significativa las posiciones.

El mensaje comercial de Google es claro: Gemini 4 Neon no pretende superar a Carbon en potencia bruta. La empresa afirma que, en modo high, cuesta un 32 % menos por tarea que Carbon. En xhigh, asegura que ofrece un coste un 36 % inferior al de modelos rivales configurados con su nivel de razonamiento más elevado.

La compañía también ha divulgado métricas de seguridad. Neon rechazó el 1,98 % de las tareas en Terminal-Bench 4.0, registró una tasa de acción desalineada del 0,09 % y alcanzó un 99,2 % de acierto en una prueba de honestidad de agentes. Estos datos son internos y deben contrastarse con evaluaciones independientes, pero aportan información relevante para empresas que quieran conectar un modelo a sistemas reales.

Una gama para cada necesidad

La llegada de Gemini 4 Neon muestra que la competición ya no se centra únicamente en crear el modelo más potente. Para muchas empresas, el factor decisivo es cuánto cuesta completar una tarea, cuánto tarda el sistema y cuántas veces necesita intervención humana.

  • Gemini 4 Carbon: pensado para problemas de máxima complejidad y proyectos de largo recorrido.
  • Gemini 4 Neon: orientado al trabajo profesional general, la programación y los agentes autónomos.
  • Gemini 4 Hydrogen: destinado a respuestas rápidas y tareas de menor exigencia.

Con Neon, Google reconoce implícitamente que la mayoría de los usuarios no necesita siempre el modelo más caro. La compañía intenta ocupar ese amplio espacio intermedio donde se concentra buena parte del trabajo diario: automatización, análisis de documentos, desarrollo de software y operaciones empresariales.

La estrategia puede resultar más importante que cualquier récord aislado. Gemini 4 Neon no llega para ser el campeón absoluto, sino para convertir la capacidad avanzada de IA en una herramienta más viable para utilizar muchas veces al día y a gran escala.

Artículo anteriorAnthropic sale a bolsa con Amazon y Google como socios y rivales
Artículo siguienteLa trama de Amazon y Google tras la salida a bolsa de Anthropic