Google presentó Gemini 4 Neon, su nuevo modelo de IA con una tarifa pensada para que el modelo se use mucho: 3 $ por millón de tokens de entrada y 15 $ por millón de salida, con una ventana de contexto de un millón de tokens. Un token es la unidad con la que se factura el texto que entra y sale del modelo, y la caché de entrada rebaja el precio a 0,15 $, un 95 % menos. El anuncio de Gemini 4 Neon lo firma Koray Kavukcuoglu, de Google DeepMind, y habla más de coste por tarea que de puntuaciones.
Neon es el cuarto Gemini 4 en menos de dos meses. Argon abrió la serie el 30 de septiembre con acceso restringido, Carbon llegó el 28 de octubre, Hydrogen el 12 de noviembre y Neon el 18. Google lo coloca entre Carbon, el modelo de los proyectos largos, y Hydrogen, el de la respuesta rápida.
Las cifras que sostienen la promesa salen de Google, que vende a Neon como el miembro rentable de la casa. La compañía lo compara con Claude Opus 5.5 y GPT-6.2 Sol en 19 filas de su ficha técnica, gana en 13 de las 16 en las que aparecen los tres y admite en el mismo documento que el modelo «puede presentar limitaciones generales como alucinaciones». Ese detalle pesa más de lo que parece, porque un precio bajo por token solo compensa si el trabajo sale bien a la primera.
Una tarifa por debajo del hermano mayor
La comparación natural es con Carbon, el modelo grande de la misma familia. Su tarifa estándar es de 4 $ por millón de entrada y 20 $ por millón de salida y entra en vigor el 1 de diciembre. Hasta el 30 de noviembre se aplica un precio introductorio de 2 $ y 10 $. Neon queda un 25 % por debajo de la tarifa estándar y un 50 % por encima de la promoción, así que la ventaja depende del calendario.
| Modelo y tarifa |
Entrada |
Salida |
Caché de entrada |
| Gemini 4 Neon |
3 $ |
15 $ |
0,15 $ |
| Gemini 4 Carbon, tarifa estándar desde el 1 de diciembre |
4 $ |
20 $ |
0,20 $ |
| Gemini 4 Carbon, tarifa introductoria hasta el 30 de noviembre |
2 $ |
10 $ |
0,10 $ |
Quien compare hoy las dos tarifas verá que Carbon es más barato por token, y quien compare a partir del 1 de diciembre verá lo contrario. La lista de precios de la API de Gemini añade el resto: Neon cobra 0,15 $ por millón de tokens en caché frente a los 0,20 $ de Carbon, y la tarifa por lotes baja a 1,50 $ de entrada y 7,50 $ de salida. El descuento de caché importa en agentes que releen el mismo repositorio durante horas.
Las pruebas que Google elige
En el índice de Artificial Analysis, una medición externa, Neon marca 61 puntos con el nivel de razonamiento xhigh y 60 con el nivel alto. Google lo presenta como tercer puesto global, por detrás de modelos más grandes y lentos, y ahí asoma la primera grieta: el mejor número exige el ajuste más caro, con 21,5 minutos por tarea frente a 14,8 en el ajuste alto, según las mediciones que publica el propio índice.
Ese intercambio entre puntuación y tiempo decide el uso real. Un agente que trabaja de noche puede pensar veinte minutos por tarea; un asistente dentro del editor, no, porque el desarrollador espera con la pantalla delante.
Frente a los rivales que la compañía elige, el reparto es desigual. Neon gana en el índice de Vals con un 70,9 % y en el Coding Agent Index con 58,6. Pierde en Terminal-Bench 4.1 con un 65,2 % frente al 65,8 % de Opus 5.5. También cae en FrontierCode 2.0, donde Opus llega al 47,3 % y Neon se queda en 46,2 %.
Hay filas donde la distancia es enorme y Google las enseña con razón. La prueba de contexto largo GraphWalks deja a Neon en 95,2, frente a 66,8 de Opus y 80,1 de Sol. En SWE-sweep, con el arnés propio de Antigravity, sube al 39,0 % mientras Opus se queda en el 10,1 %. El análisis de las 19 filas precisa que tres filas omiten a un rival y que, en las 16 comparables, Neon supera a ambos en 13.
El coste por tarea, que es otra cuenta
La promesa central es de coste, no de capacidad. Con el ajuste alto por defecto, Google cifra un 32 % menos de coste por tarea que Carbon y entre un 50 % y un 80 % menos que los modelos de frontera en los índices de Vals y de Agent Arena. Con el ajuste xhigh la diferencia se estrecha en inteligencia y se mantiene en dinero, un 36 % menos por tarea que esos rivales en su nivel más alto.
Todas esas cifras son de Google y miden tareas de sus pruebas. El equipo que compre tiene que rehacer la cuenta con su repositorio y sus documentos, porque el coste depende del código que recibe el modelo.
Los analistas consultados apuntan en la misma dirección. Prabhu Ram, de CyberMedia Research, espera que las empresas adopten un esquema por niveles en lugar de sustituir el modelo caro por el barato, y recomienda evaluar el coste total de completar una tarea antes que la puntuación de una prueba. Anand Joshi, de JP Data, avisa de que el código generado puede ser una caja negra para quien lo mantiene.
De Argon a Neon en siete semanas
La velocidad de la serie es la otra noticia. Argon apareció el 30 de septiembre en un acceso restringido para defensores y se abrió a todos el 13 de octubre. Carbon llegó el 28 de octubre y Hydrogen el 12 de noviembre, así que Neon cierra cuatro lanzamientos en 49 días, un ritmo que Google no había mantenido en 2026. La presentación de Gemini 4 Hydrogen marca la escala anterior de la familia.
El despliegue también cambia de destinatario. Carbon pedía el plan Ultra para el consumidor y Neon entra en Pro, una rebaja de acceso que vale tanto como la de precio porque el modelo llega a más gente sin pasar por la tarifa más alta.
Neon aparece en la API de pago y en AI Studio. También en Gemini for business y en Antigravity para suscriptores Pro y Ultra, y en la app de Gemini. Los defensores del programa Fairwind recibirán acceso en los próximos días, y la compañía usa las pruebas de ciberseguridad como argumento de venta. Dentro de Antigravity, Neon puede repartir trabajo entre subagentes Hydrogen en paralelo, con lo que el modelo barato dirige a los caros.
La letra pequeña del lanzamiento
Todas las cifras de rendimiento que publica Google son suyas, incluidas las de ciberseguridad: un 76 % en el nivel difícil de AutoBaxBench y un 90,5 % en SEC-bench Pro. La ficha técnica reconoce la alucinación como limitación general del modelo y fija el corte de conocimiento en marzo de 2026, ocho meses antes, así que cualquier dato reciente necesita comprobación.
A la letra pequeña se suma la selección de pruebas. Google elige 19 filas y gana 13 de las 16 comparables, pero pierde justo en las dos que más pesan para un programador. Ninguna derrota es grave y las dos importan cuando el argumento de venta es el coding. En los modelos abiertos, rivales como Qwen4 Max de Alibaba compiten con la misma promesa de coste contenido, de modo que el margen de Neon no depende solo de Carbon.
El terreno de juego se ha movido hacia la factura. La pregunta ya no es qué modelo saca la mejor nota, sino cuánto cuesta cada tarea que termina bien y cuántos intentos hacen falta para llegar a ese final.
La factura como campo de batalla
El cuarto Gemini 4 en menos de dos meses no se pelea por el primer puesto de ninguna tabla, y ese es el cambio. Google compite por el coste de la tarea terminada, una métrica que las empresas ya usan para decidir qué modelo ponen detrás de cada flujo, y lo hace con una familia de cuatro modelos en lugar de un único producto. La presión llega por los dos lados: Anthropic prepara su salida a bolsa con Claude Fable 5.2 y Mythos 5.2 en la recámara y OpenAI ya tiene GPT-6.2 en el mercado.
Habrá que esperar al 1 de diciembre para ver cuánto dura la ventaja de Neon sobre Carbon, y a las primeras evaluaciones independientes de coste por tarea para saber si el 32 % que anuncia Google se sostiene. Mientras tanto, la decisión sensata pasa por probar el modelo con el repositorio propio y contar los reintentos que necesita.