Portada Web - Gemini 4 Neon reordena el catálogo de Google DeepMind
|

Gemini 4 Neon reordena el catálogo de Google DeepMind

Seguir en Google
Resumen estructurado — Gemini 4 Neon y su despliegue

El contexto: Google DeepMind oficializa Gemini 4 Neon para tareas agénticas intermedias y modifica la oferta de modelos en producción.


Relevo en suscripciones

Gemini 3.1 Pro desaparece definitivamente y Neon asume el análisis profundo en cuentas de pago.

Estructura de costes

La API fija 3 dólares por millón de tokens de entrada y 15 dólares por millón de salida.

Rendimiento en agentes

El modelo obtiene 61 puntos en el índice de inteligencia de Artificial Analysis.

«Gemini 4 Neon equilibra el coste por tarea agéntica frente a la latencia de arquitecturas más pesadas.»

Escuchar artículo
Gemini 4 Neon reordena el catálogo de Google DeepMind
0:00 –:–

Google DeepMind ha oficializado el despliegue general de Gemini 4 Neon el 18 de noviembre de 2026, fijando su tarifa de API en 3 dólares por millón de tokens de entrada y 15 dólares por millón de tokens de salida dentro de Google Cloud Vertex AI y Google AI Studio. El modelo irrumpe con una ventana de contexto compartida de 1.048.576 tokens y un tope de salida síncrona de 65.536 tokens, posicionándose en la jerarquía corporativa entre Hydrogen y Carbon.

La reestructuración interna en los planes de pago

El debut de Gemini 4 Neon altera de forma directa la consola de los usuarios de Gemini AI Pro y AI Ultra. Google ha retirado definitivamente la versión Gemini 3.1 Pro del selector comercial, marcando el fin del ciclo de vida para la generación previa en entornos interactivos. Al mismo tiempo, Neon sustituye a Gemini 4 Argon en la etiqueta de análisis profundo, asumiendo la carga de trabajo analítico y la interpretación de documentación densa.

La interfaz reorganiza su catálogo operativo en cuatro posiciones bien delimitadas: la modalidad automática apoyada en Gemini 3.5 Flash-Lite, el soporte cotidiano gestionado por Gemini 4 Hydrogen, la analítica compleja delegada en Gemini 4 Neon y el desarrollo de máxima dificultad reservado para Gemini 4 Carbon. Con este movimiento, la compañía simplifica la superficie de contacto para el usuario final pero introduce una bifurcación de costes que los equipos de ingeniería deben evaluar al migrar sus cargas de inferencia.

El despliegue de Neon representa el cuarto lanzamiento de la familia Gemini 4 en un margen de siete semanas desde la presentación inicial de Argon el 30 de septiembre (cinco semanas desde su apertura general en API el 13 de octubre), sucediendo además a los estrenos generales de Carbon (10 de noviembre, tras su anuncio preliminar del 28 de octubre) e Hydrogen (12 de noviembre). Esta cadencia acelerada obliga a los equipos técnicos a revisar sus puntos de enlace y presupuestos de cómputo.

CALENDARIO DE VERSIONES GEMINI 4

Cronología de despliegue y relevo generacional en Google

Reestructuración de modelos

Google DeepMind renueva su infraestructura de modelos frontera con nomenclatura química y retirada de versiones antiguas.

Ciclo de transición

Sustitución de variantes intermedias para optimizar tareas agénticas y programación avanzada a menor latencia.

Hitos de Despliegue de la Familia Gemini 4
13 OCT 2026

Despliegue de Gemini 4 Argon

Disponibilidad general en API tras su presentación inicial el 30 de septiembre, con foco en ingeniería de software y análisis técnico.

10 NOV 2026

Llegada de Gemini 4 Carbon

Despliegue general para suscriptores AI Ultra y API (tras su anuncio preliminar el 28 de octubre) enfocado en razonamiento científico y proyectos largos.

12 NOV 2026

Integración de Gemini 4 Hydrogen

Variante rápida y económica orientada a la asistencia diaria y sustitución del nivel Flash convencional.

18 NOV 2026

Lanzamiento de Gemini 4 Neon

Retirada oficial de Gemini 3.1 Pro, sustitución de Argon en planes de pago y disponibilidad general de la API.

A nivel de arquitectura y ejecución técnica, Gemini 4 Neon incorpora cuatro niveles configurables de cómputo reflexivo: bajo, medio, alto y ultra alto. El parámetro por defecto opera en el nivel alto, permitiendo que la red module la profundidad de sus cadenas de razonamiento antes de emitir la respuesta definitiva. Esta flexibilidad operativa busca mitigar el consumo innecesario de cómputo en tareas que no requieren deducciones axiomáticas extensas.

La paradoja tarifaria de la ventana de noviembre

El esquema de precios de Google para la serie Gemini 4 genera una anomalía financiera transitoria durante sus primeras semanas en el mercado. Google Cloud mantiene activa una promoción de lanzamiento para Gemini 4 Carbon y Argon que reduce su coste a 2 dólares por millón de tokens de entrada y 10 dólares por millón de salida hasta el 30 de noviembre. Debido a este descuento, Neon resulta temporalmente un 50% más caro por token procesado que el propio modelo insignia Carbon.

Esta divergencia desaparecerá el 1 de diciembre de 2026, fecha en la que Carbon y Argon escalarán a su precio definitivo de lista de 4 dólares por millón de tokens de entrada y 20 dólares de salida. En ese escenario estandarizado, Neon quedará situado con un descuento permanente del 25% respecto a Carbon. Las organizaciones que miden el retorno de inversión deben anticipar que el ahorro por llamada únicamente será palpable una vez expire la tarifa promocional de los modelos superiores.

Orquestación agéntica en el ecosistema Antigravity

La documentación de ingeniería de Google resalta el papel de Neon como director de orquesta en la plataforma Google Antigravity. En este entorno, Neon asume la descomposición de requerimientos de software de extremo a extremo y delega subtareas operativas de bajo coste a múltiples instancias de Hydrogen. Esta arquitectura jerárquica reduce el tiempo total de compilación y evita lecturas redundantes del repositorio de código mediante llamadas persistentes.

Para proyectos de desarrollo guiado, el sistema admite ejecución en segundo plano y el protocolo de interacción con estado, que conserva el contexto conversacional en los servidores durante 7 días. Esto minimiza la necesidad de reenviar árboles de dependencias o esquemas de base de datos en cada iteración del bucle agéntico.

ARQUITECTURA AGÉNTICA ANTIGRAVITY

Flujo de orquestación jerárquica con subagentes distribuidos

Recepción de requerimiento
En espera
Descomposición central Neon
En espera
Delegación en Hydrogen
En espera
Consolidación y auditoría
En espera

Las evaluaciones empíricas independientes ubican el rendimiento de Gemini 4 Neon en la franja alta del mercado de inferencia. En las pruebas publicadas por la firma independiente Artificial Analysis, el modelo alcanza 61 puntos en el Intelligence Index v5.0.1 con el nivel de reflexión ultra alto (xhigh), situándose en tercera posición por familia de modelos y superando a referentes como Gemini 4 Carbon High (60), Claude Opus 5.5 Max (59) y GPT-6.2 Sol Max (57). En el Coding Agent Index de la misma entidad, Neon se coloca primero con 58,6 puntos (redondeados a 59 en la tabla general), complementados por un 65,2% en la batería Terminal-Bench 4.1.

Verbosidad de salida y latencia en entornos de prueba

La auditoría de inferencia de Artificial Analysis expone que Neon alcanza una velocidad de generación de 110 tokens por segundo. Sin embargo, cuando se activa la máxima profundidad analítica (xhigh), la latencia hasta el primer token de respuesta sube a 56,51 segundos y la duración media por tarea alcanza los 21,5 minutos dentro de la suite de evaluación. Asimismo, el volumen de tokens emitidos en el conjunto completo del índice se elevó a 283 millones frente a una mediana del sector de 65,1 millones, lo que certifica una elevada verbosidad discursiva.

Dentro del marco de pruebas SWE-sweep en Google Antigravity, Neon alcanza una tasa de resolución del 39,0%, frente al 12,8% obtenido en entornos genéricos como mini-SWE. Este diferencial confirma que su eficacia depende de la integración con herramientas de ejecución controlada y depuración de terminal.

Debates en comunidades técnicas sobre gobernanza y despliegue

En foros como Reddit y Hacker News, los desarrolladores han manifestado opiniones divididas. Varios ingenieros señalan que la adopción de una nomenclatura basada en elementos químicos dificulta discernir la escala de parámetros de cada variante sin consultar las tablas de especificaciones. Asimismo, usuarios de cuentas corporativas (Google Workspace) y de planes Google AI Pro asociados a operadoras de telecomunicaciones han reportado bloqueos temporales y demoras para habilitar el modelo en la interfaz de línea de comandos de Antigravity.

El coste de almacenamiento en caché, bonificado en un 95% para entradas repetidas a 0,15 dólares por millón de tokens, reduce la factura en flujos de trabajo con documentación estática masiva. Esta característica técnica convierte a Neon en una opción viable para refactorizaciones continuas donde la latencia de arranque no comprometa la experiencia de usuario.

Rendimiento cuantitativo de Gemini 4 Neon en producción

Métricas auditadas por Artificial Analysis y suites de ingeniería de software

Artificial Analysis
61 pts

Índice de Inteligencia

Tercer modelo por familia en el Intelligence Index v5.0.1 (xhigh), por delante de Carbon (60) y Opus 5.5 (59).

Google Antigravity
39.0%

Tasa SWE-sweep

Resolución de incidencias de programación dentro del entorno agéntico con herramientas de terminal.

Throughput API
110 t/s

Velocidad de salida

Régimen de generación sostenido tras superar la fase de cómputo reflexivo inicial.

Comparativa de Gemini 4 Neon frente a sus rivales en Artificial Analysis

Al contrastar los registros completos del LLM Leaderboard de Artificial Analysis (Intelligence Index v5.0.1), el posicionamiento de Gemini 4 Neon muestra una lectura doble según el nivel de esfuerzo seleccionado. En configuración xhigh, Neon alcanza 61 puntos y ocupa la tercera plaza por familia de modelos —sexta posición si se desglosan por separado todas las variantes de esfuerzo de Claude Fable 5.2 y GPT-6.2 Astra—, con un coste medio de 6,44 dólares por tarea frente a los 26,54 dólares y 41,2 minutos de espera que exige Claude Fable 5.2 (Max) (65 puntos).

El dato más disruptivo aparece al examinar el modo por defecto (high): con esa configuración, Gemini 4 Neon obtiene 60 puntos —exactamente la misma puntuación que Gemini 4 Carbon (High)—, pero rebaja el coste medio por tarea a 3,74 dólares (un 52% menos respecto a los 7,76 dólares que arroja Carbon con su tarifa estándar de 4 y 20 dólares, y aún un 24% por debajo de los 4,90 dólares de su promoción de noviembre) y completa cada prueba en 14,8 minutos frente a los 36,1 minutos de Carbon. En el frente competitivo externo, GPT-6.2 Astra (Max) mantiene la mejor relación entre puntuación máxima y coste (62 puntos por 4,00 dólares y 13,7 minutos), mientras GPT-6.2 Sol (Max) lidera el segmento económico con 57 puntos por apenas 1,01 dólares por tarea.

Donde Neon logra una ventaja inequívoca es en programación agéntica: en el Coding Agent Index de Artificial Analysis encabeza la tabla global con 59 puntos (58,6 exactos) y un coste de 6,86 dólares por tarea, superando tanto a Claude Opus 5.5 (Max) (58 puntos; 12,61 dólares) y Claude Fable 5.2 (xhigh) (58 puntos; 15,47 dólares) como a Gemini 4 Carbon (High) (55 puntos) y GPT-6.2 Astra (53 puntos).

BENCHMARK INDEPENDIENTE · ARTIFICIAL ANALYSIS v5.0.1

Comparativa de inteligencia, coste por tarea y latencia entre modelos de frontera

Métricas auditadas por Artificial Analysis Intelligence Index v5.0.1 (noviembre de 2026). Menor coste y tiempo por tarea indican mayor eficiencia operativa.

Modelo (Esfuerzo) Intelligence Index Coste / tarea Tiempo / tarea TTFT y Velocidad Tarifa API (1M tok)
Claude Fable 5.2 (Max)
Anthropic · #1 absoluto en inteligencia
65 pts $26,54 41,3 min 228,2 s · 111 t/s275M tok emitidos $8,00 / $40,00Caché 98%
GPT-6.2 Astra (Max)
OpenAI · #2 en inteligencia y alta eficiencia
62 pts $4,00 13,7 min 197,7 s TTFTContexto 1M $8,00 / $40,00
Gemini 4 Neon (Xhigh) Nuevo
Google DeepMind · #1 Coding Agent Index (58,6)
61 pts $6,44 21,5 min 56,5 s · 110 t/s283M tok emitidos $3,00 / $15,00Caché 95% ($0,15)
Gemini 4 Neon (High · defecto) Pareto
Google DeepMind · Iguala a Carbon a mitad de coste
60 pts $3,74 14,8 min Nivel por defecto2,4x más rápido que Carbon $3,00 / $15,00Caché 95% ($0,15)
Gemini 4 Carbon (High)
Google DeepMind · Tope para horizonte largo
60 pts $7,76($4,90 con promo*) 36,1 min 75,0 s · 57 t/s205M tok emitidos $4,00 / $20,00($2/$10 promo*)
Claude Opus 5.5 (Max)
Anthropic · Alta velocidad de flujo, alto TTFT
59 pts $10,04 24,6 min 359,2 s · 117 t/s218M tok emitidos $4,00 / $20,00Caché 95%
GPT-6.2 Sol (Max)
OpenAI · Líder coste-eficiencia y concisión
57 pts $1,01 8,5 min 75,1 s · 79 t/s60,9M tok emitidos $2,00 / $10,00Caché 95%
Gemini 4 Hydrogen (Xhigh)
Google DeepMind · Subagente rápido en Antigravity
54 pts $3,16($1,87 en High) 15,2 min(7,9 min en High) 40,6–46,7 s TTFT304M tok en Xhigh $1,50 / $7,50
Gemini 4 Argon (High)
Google DeepMind · Retirado de planes AI Pro/Ultra
50 pts $4,97 promo* 29,6 min 47,1 s · 65 t/s113M tok emitidos $4,00 / $20,00($2/$10 promo*)
*Argon y Carbon mantienen una tarifa promocional de $2,00 / $10,00 por millón de tokens hasta el 30 de noviembre de 2026; desde el 1 de diciembre pasan a su tarifa estándar de $4,00 / $20,00. Frente a Carbon (High), Neon (High) logra la misma puntuación (60 pts) ahorrando un 24% por tarea sobre el precio promocional ($3,74 frente a $4,90) y un 52% sobre el estándar ($7,76).

Glosario Técnico

Cómputo reflexivo Core Tech
Generación interna de tokens de razonamiento antes de responder para evaluar planes de resolución complejos.
Google Antigravity Arquitectura
Entorno agéntico de Google para coordinar modelos directores y subagentes en tareas de software y terminal.
Ventana unificada Inferencia
Espacio de contexto compartido donde los tokens de entrada, razonamiento y salida computan sobre el mismo límite.
SWE-sweep Evaluación
Batería de pruebas de resolución de problemas reales de código abierto en repositorios de software.
Caché de contexto Inferencia
Mecanismo que reutiliza bloques de datos cargados previamente para reducir en un 95% el coste de entrada.
Verbosidad de salida Métricas
Volumen relativo de tokens emitidos por un modelo para completar un objetivo en relación con la media del sector.
Autoría y colaboración técnica
Foto del avatar
Arquitecto de Arkosia

Miguel Ángel Navarro

Innovador en IA y Coordinador Técnico. Fusiona desarrollo web, audiovisual y soporte para integrar la IA en flujos de trabajo creativos y eficientes.

Foto del avatar
System Architect (IA)

Kanon System Arquitect

IA especializada en verificación de datos y estructura técnica. Colabora en el análisis y diseño bajo estricta supervisión humana.

Reparto de carga operativa
Miguel Ángel Navarro: 57% Kanon System Arquitect: 43%
Arkosia · Continuum Digitalis

La IA está reescribiendo las reglas. Pensamiento crítico y análisis sin ruido ni titulares vacíos.

Cargando boletín...