Lanzamiento y posicionamiento en la familia Gemini 4
Google DeepMind presentó Gemini 4 Neon el 18 de noviembre de 2026, consolidando su estrategia de ofrecer una gama de modelos con distintos niveles de capacidad y coste. Este nuevo modelo se sitúa estratégicamente entre Gemini 4 Carbon, orientado a proyectos de larga duración y máxima complejidad, y Gemini 4 Hydrogen, diseñado para la ejecución rápida de tareas cotidianas.
La compañía describe a Neon como un modelo de nivel frontera, capaz de completar tareas de ingeniería de software, trabajo de conocimiento y flujos de trabajo científicos con una finalización rápida de principio a fin. Su objetivo no es sustituir al modelo más potente de la familia, sino ofrecer una alternativa competitiva para trabajos exigentes y frecuentes que requieren un equilibrio entre profundidad de razonamiento y eficiencia operativa.
Capacidades técnicas y rendimiento en benchmarks
Según las evaluaciones publicadas por Google, Gemini 4 Neon obtiene 61 puntos en el Artificial Analysis Intelligence Index en su nivel de razonamiento más avanzado (xhigh), situándose en el tercer puesto general, por detrás de modelos más grandes y lentos. En el índice Vals, el modelo alcanza el segundo puesto con un 70,9%, ubicándose en la frontera de Pareto de coste-eficiencia.
En el ámbito de la programación, Google afirma que Neon lidera el Artificial Analysis Coding Agent Index con 58,6 puntos, superando a competidores como Claude Opus 5.5 y GPT-6.2 Sol en ciertas pruebas de agentes. El modelo destaca también en razonamiento científico y matemático, obteniendo los mejores resultados de su categoría en Terminal-Bench Science (70,5%), RiemannBench (84,0%) y HLE-Diamond (71,3%). Es importante señalar que estos resultados provienen de pruebas seleccionadas y presentadas por el proveedor, por lo que su generalización a todos los escenarios de uso real requiere validación independiente.
Rendimiento de Gemini 4 Neon en benchmarks clave
Comparativa de puntuaciones oficiales en pruebas de inteligencia, programación y razonamiento científico.
| Benchmark | Puntuación Neon | Posición o contexto |
|---|---|---|
| Artificial Analysis Intelligence Index (xhigh) | 61 | 3º puesto general |
| Vals Index | 70,9% | 2º puesto, frontera de Pareto |
| Artificial Analysis Coding Agent Index | 58,6 | 1º puesto general |
| Terminal-Bench Science | 70,5% | Mejor de su categoría |
| RiemannBench | 84,0% | Mejor de su categoría |
Eficiencia en costes y velocidad de ejecución
Una de las principales ventajas de Gemini 4 Neon es su coste por tarea considerablemente inferior al de sus predecesores. Google indica que, en su nivel de razonamiento predeterminado (alto), Neon reduce el coste por tarea en un 32% respecto a Carbon. Frente a los principales modelos rivales de la competencia, la diferencia de coste se sitúa entre el 50% y el 80%, según las pruebas Vals Index y Agent Arena.
En términos de velocidad, el modelo es hasta tres veces más rápido que Gemini 4 Carbon. Esta mejora se debe a una mayor velocidad de salida de tokens (aproximadamente 110 tokens por segundo frente a 57 de Carbon) y a precios de tokens más bajos. Aunque Neon utiliza un 15% más de tokens de salida por tarea, la reducción en el precio por token y la mayor velocidad compensan este incremento, resultando en un tiempo de ejecución aproximadamente un 40% menor.
Disponibilidad, precios y modalidades de acceso
Gemini 4 Neon está disponible de forma inmediata para varios perfiles de usuarios. Los desarrolladores pueden acceder a través de la API de pago en Google AI Studio y Android Studio. Las empresas pueden integrarlo mediante Gemini for Business, ya sea por API o desde el menú de modelos, así como a través de Google Antigravity.
Para los consumidores, el modelo está disponible en la aplicación Gemini para suscriptores de los planes Google AI Pro y Ultra. Los usuarios con cuentas gratuitas no tienen acceso directo a Neon, aunque pueden utilizar Gemini 4 Hydrogen mediante la selección automática de modelos. El precio de la API es de 3 dólares por millón de tokens de entrada y 15 dólares por millón de tokens de salida. Los tokens de entrada en caché tienen un descuento del 95%, costando 0,15 dólares por millón.
Precios y disponibilidad de Gemini 4 Neon
Resumen de tarifas y canales de acceso confirmados por Google.
| Modalidad | Precio (por millón de tokens) | Acceso |
|---|---|---|
| Tokens de entrada | 3,00 USD | API de pago |
| Tokens de salida | 15,00 USD | API de pago |
| Tokens de entrada en caché | 0,15 USD | API de pago (descuento 95%) |
| Ventana de contexto | 1.000.000 tokens | Unificada entrada/salida |
Seguridad, ciberdefensa y limitaciones actuales
Google ha desarrollado una variante específica de Neon para la ciberseguridad, llamada Gemini 4 Neon for cyber. Esta versión está diseñada para encontrar, validar y corregir vulnerabilidades en el código. Según el anuncio, esta variante llegará en los próximos días a defensores de confianza dentro del programa Fairwind, sin estar abierta al público general de inmediato.
En cuanto a la seguridad general, el modelo mantiene las protecciones de Carbon contra el uso indebido y los ataques de inyección de instrucciones. En las pruebas internas de Google Antigravity, Neon registró la tasa de información inventada más baja entre los modelos de la compañía evaluados. Sin embargo, al igual que cualquier modelo de lenguaje, todavía puede generar respuestas incorrectas o alucinar datos, por lo que su uso en entornos críticos requiere supervisión humana y validación de resultados.
Cómo acceder a Gemini 4 Neon
Pasos para utilizar el modelo según el perfil del usuario.
- 01Desarrolladores: Iniciar sesión en Google AI Studio o Android Studio y seleccionar la API de pago de Gemini.
- 02Empresas: Configurar Gemini for Business a través de la API o el menú de modelos, o utilizar Google Antigravity.
- 03Consumidores Pro/Ultra: Abrir la aplicación Gemini y seleccionar 'Neon' desde el menú desplegable de modelos.
- 04Defensores de ciberseguridad: Solicitar acceso al programa Fairwind a través del equipo de cuenta de Cloud para recibir la variante específica.
Continúa explorando
Fuentes consultadas
Correcciones y transparencia
Si detectas un dato incorrecto o desactualizado, puedes enviarnos una corrección indicando la página y la fuente que debemos revisar.
Proponer una corrección