Google lanza Gemini 4 Neon, un modelo de programación más económico entre Carbon y Hydrogen

Google lanzó Gemini 4 Neon el 18 de noviembre, situando un nuevo modelo en la familia Gemini 4 entre su modelo de razonamiento más potente, Carbon, y el más rápido, Hydrogen. Neon se presenta como el punto de equilibrio: inteligencia de nivel de frontera a un coste significativamente menor, dirigido directamente a la ingeniería de software, la programación agéntica y tareas de trabajo del conocimiento que no requieren toda la profundidad de razonamiento de Carbon pero siguen exigiendo gran precisión.
El lanzamiento importa menos por liderar alguna clasificación concreta —Neon ocupa el tercer puesto general en el Índice de Inteligencia de Artificial Analysis con una puntuación de 61 en su configuración de pensamiento más alta, "xhigh"— y más por dónde se sitúa en coste. Google afirma que Neon cuesta un 32% menos por tarea que Carbon en su nivel de pensamiento predeterminado "high", manteniéndose competitivo en los benchmarks más relevantes para programación y trabajo agéntico.
Precio y disponibilidad
Neon tiene un precio de 3 dólares por millón de tokens de entrada y 15 dólares por millón de tokens de salida, con un descuento considerable del 95% en tokens de entrada en caché, lo que reduce esa tarifa a 0,15 dólares por millón. Viene con una ventana de contexto de un millón de tokens. En el lanzamiento, está disponible en la API de Gemini a través de Google AI Studio y Gemini for Business, en la app de Gemini y Google Antigravity para suscriptores de pago de AI Pro y Ultra, y en Android Studio para desarrolladores.
Dónde gana realmente Neon
Las propias revelaciones de benchmarks de Google muestran a Neon liderando directamente varios índices agénticos y específicos de programación, en lugar de quedarse ligeramente por detrás de modelos más grandes. Ocupa el primer puesto general en el Índice de Agentes de Codificación de Artificial Analysis (58,6) y el primer puesto en AutomationBench de Zapier (56,3%). Google también destacó métricas de seguridad junto a las de capacidad. Neon muestra una tasa del 2,45% de atajos en evaluaciones de programación, la más baja de cualquier modelo Gemini 4 hasta la fecha.
Por qué Google necesitaba un modelo en esta posición
La división en tres niveles Carbon/Neon/Hydrogen responde a un problema cada vez más común entre los laboratorios de frontera este año: la mayoría de las cargas de trabajo de IA en producción no necesitan el modelo más potente disponible, pero ejecutar todo en el nivel más rápido y económico arriesga regresiones de calidad en las tareas más difíciles. El lanzamiento de Neon por parte de Google solo tres semanas después de Carbon, y días antes del cierre de un mes que también vio la salida a bolsa de Anthropic y la gama de siete modelos MAI de Microsoft en Ignite, subraya cuán comprimido se ha vuelto el ritmo de lanzamientos entre los laboratorios de IA de frontera.
Publicado originalmente por Google. Lee el artículo original para más detalles.
Ver fuente original