NoticiasDeIA
ModelosNoticiaAlta relevancia

Google lanza Gemini 4 Neon, un modelo rápido y barato para programación y trabajo complejo

Gemini 4 Neon es el nuevo modelo rápido y económico de Google DeepMind, pensado para programación y trabajo complejo. Más rápido que Carbon y con costes por tarea reducidos.

Redacción de NoticiasDeIAPublicado el Hecho ocurrido el 18 de noviembre de 20265 min de lectura
Compartir
Fotografía de laboratorio o equipo de cómputo representativa de la inteligencia artificial
Fotografía de laboratorio o equipo de cómputo representativa de la inteligencia artificial
Qué se sabe y qué no. Distingue lo anunciado oficialmente de lo filtrado, especulado o todavía no confirmado. Las afirmaciones inciertas se marcan como tales en el texto.
Ver criterio de lectura

Este artículo distingue tres niveles de confirmación: primario(documento original o comunicado verificado), secundario(datos contrastados con al menos una fuente independiente) y inconcluso(afirmación pendiente de confirmación o que no ha sido replicada).

Google lanza Gemini 4 Neon, un modelo rápido y barato para programación y trabajo complejo

Google DeepMind ha presentado Gemini 4 Neon, el último integrante de la familia Gemini 4 y, según sus propios datos, uno de los modelos más rápidos y económicos de la gama. Neon entra en una carrera que ya contaba con Carbon, Hydrogen y Argon, y apunta a ser el competidor más equilibrado de la batería: capaz de sostener tareas complejas de código, análisis y trabajo cognitivo a un coste por tarea menor que sus rivales.

¿Qué es y dónde está disponible

El lanzamiento, que se llevó a cabo el 18 de noviembre de 2026, llega con una oferta multi-producto. Neon está disponible:

  • En la aplicación Gemini para suscriptores de Google AI Pro y Google AI Ultra.
  • En la API de pago de Google AI Studio y Android Studio.
  • En Antigravity para suscriptores Pro y Ultra.
  • En Gemini for business.

El modelo mantiene una ventana de contexto de un millón de tokens, compartida entre entrada y salida, y trabaja con cuatro niveles de razonamiento (bajo, medio, alto y extra alto). Puede recibir texto, imágenes, audio y vídeo como entrada.

Rendimiento: comparables a Carbon, a un coste menor

Google asegura que Neon es comparable a Carbon en programación, razonamiento y tareas relacionadas con agentes, y que mantiene la velocidad de un modelo Flash con un menor coste. Según los benchmarks presentados por la empresa, Neon es el mejor de su categoría en Terminal-Bench Science, RiemannBench y HLE-Diamond.

En la medición de Artificial Analysis Intelligence Index, Neon ocupa el #3 mundial a nivel de xhigh thinking, justo detrás de modelos más grandes y lentos. También ocupa el #2 en Vals Index y el #2 en steerability (capacidad de adaptarse a correcciones del usuario) en Agent Arena.

En términos de rapidez, la prensa indicadora afirma que Neon puede llegar a ser hasta tres veces más rápido que Gemini 4 Carbon. Google subraya, sobre todo, la eficiencia por tarea: a nivel de pensamiento alto, Neon tiene un coste por tarea un 32 % inferior que Carbon, y alrededor de un 36 % menos que los modelos de vanguardia en su configuración más exigente.

Precio y disponibilidad de la API

En la API, Neon cuesta 3 dólares por millón de tokens de entrada y 15 dólares por millón de salida, con 0,15 dólares por millón de tokens en caché (un descuento del 95 %). El modelo es, por ahora, más caro que Carbon y Argon, que mantienen un precio promocional de 2 y 10 dólares hasta el 30 de noviembre; a partir de diciembre, cuando esos suban a 4 y 20, Neon será un 25 % más barato.

Seguridad y alineación: cifras propias, que hay que contrastar

Google distribuye cifras de seguridad que presentan a Neon como el modelo de la familia con menor tasa de fabricación en sus pruebas internas con Antigravity. Según el comunicado:

  • 0 % de traiciones en Terminal-Bench 4.0.
  • 2,45 % en la evaluación de traiciones en programación (la más baja de Gemini 4).
  • 0,09 % de tasa de acción desalineada en su suite de seguridad de agentes.
  • 99,2 % de acierto en la evaluación de honestidad del agente.
  • En el tier difícil de AutoBaxBench, Neon produce código más seguro que Carbon y logra una puntuación de estado del arte del 76 %; en WebExploitBench v1.2, alcanza una puntuación de 51,26 % a mitad de coste de los grandes modelos competitivos.

Estos resultados son de Google. Hasta donde sabemos, no los ha verificado todavía un tercero independiente, por lo que conviene tratarlos como datos de la empresa, no como mediciones consolidadas.

Neon para ciberseguridad

Una faceta destacada es Neon for cyber, diseñado para la generación de código seguro. Según Google, supera a Carbon en todos los niveles de dificultad del benchmark AutoBaxBench y alcanza el estado del arte en el tier difícil. La empresa lo presenta como una herramienta para que los defensores de la infraestructura suministren código con menos fallos y a menor coste.

El sitio de Neon dentro de la familia Gemini 4

En el nuevo mapa de la familia, Carbon sigue siendo el modelo para proyectos de larga duración, Hydrogen maneja la ejecución diaria y rápida, y Neon equilibra profundidad e eficiencia. La estrategia de Google es cubrir casos de uso con distintos perfiles: lo más potente, lo más rápido y lo más económico.

Lo que aún no queda confirmado

La novedad es real y el acceso es inmediato en varias plataformas, pero hay matices importantes:

  • Los resultados de rendimiento son de Google; aún no hay una medición independiente amplia.
  • La comparativa de precios se basa en los precios públicos de Google, que pueden cambiar (los precios de Carbon y Argon suben de diciembre).
  • La afirmación de "hasta tres veces más rápido que Carbon" proviene de la prensa y no de un benchmark publicado por Google.
  • Neon for cyber todavía no está disponible para todos los defensores; la entrada en un programa de participantes en confianza se anunció para los próximos días.

Por qué importa

Gemini 4 Neon refuerza la estrategia de Google de no depender solo de modelos más grandes y caros, sino de competir en eficiencia. Si las cifras se confirman con uso real, la oferta de la familia Gemini 4 dejaría de ser un triángulo de perfiles y se convertiría en un ecosistema de cuatro modelos donde el más rápido y barato también competiría con los de mayor rango. Para los desarrolladores y equipos de trabajo complejo, eso significa, en teoría, un acceso más asequible a capacidades de razonamiento avanzado.


Nota del redactor: esta noticia se basa en el comunicado oficial de Google DeepMind publicado el 18 de noviembre de 2026 y en la cobertura de Xataka. Todas las cifras de rendimiento y seguridad son de la empresa; aún no hay una verificación independiente publicada.

Fuentes consultadas

Se conservan las referencias para poder reconstruir cómo se verificó esta información.

Publicación de origen: https://deepmind.google/blog/introducing-gemini-4-neon

¿Ves un error? Escríbenos indicando el dato concreto y la fuente que lo contradice. Las correcciones se aplican en la propia página y se reflejan en la fecha de actualización. Contactar con la redacción.

Sigue leyendo

ModelosExplicador

Qué es RAG: recuperación de información en contexto

RAG (Retrieval-Augmented Generation) combina recuperación de información con generación: el modelo consulta fuentes antes de responder, reduciendo la alucinación y permitiendo actualizar el conocimiento sin reentrenar.