Volver al tablón
La Guía informa Redacción propia
COMUNIDAD

Google presentó Gemini 4 Neon: más velocidad y mejor rendimiento que Carbon

El nuevo modelo alcanzó unos 110 tokens por segundo en pruebas independientes. Su precio habitual es menor al de Carbon, aunque una promoción vigente cambia esa comparación.

La Guía informa ✓ · 19/11 22:41

Imagen ilustrativa generada con IA

Google DeepMind presentó Gemini 4 Neon, un nuevo modelo de inteligencia artificial que busca combinar razonamiento avanzado, rapidez de respuesta y costos más bajos que los de su antecesor Gemini 4 Carbon a precio de lista. El anuncio se realizó el 18 de noviembre de 2026, pocas semanas después de la aparición de Carbon, y marca otro paso en la competencia por ofrecer sistemas capaces de resolver tareas complejas.

La compañía ubica a Neon dentro de su familia Gemini 4 y lo ofrece para trabajar con texto, imágenes, audio y video. El modelo admite una ventana de contexto de hasta un millón de tokens: una medida de la cantidad de información que puede recibir en una misma interacción. Esa capacidad no significa que recuerde indefinidamente todo lo leído ni que todas las respuestas sean correctas.

La diferencia más visible aparece en la velocidad de generación. Según las mediciones difundidas por la firma independiente Artificial Analysis, Neon produce cerca de 110 tokens de salida por segundo, frente a unos 57 de Carbon. El resultado aproxima una duplicación de la velocidad en la prueba considerada, aunque la experiencia de cada usuario puede variar de acuerdo con la carga, el servicio y el tipo de tarea.

La evaluación también observó un cambio en el tiempo necesario para completar un conjunto de tareas: pasó de alrededor de 36 minutos con Carbon a unos 21 con Neon. Es una comparación específica del banco de pruebas utilizado y no una promesa de que cualquier trabajo real vaya a terminar en la misma proporción de tiempo.

En el Intelligence Index de Artificial Analysis, Neon obtuvo 61 puntos en su nivel de razonamiento más alto, denominado xhigh, frente a 60 puntos de Carbon. La mejora es estrecha, pero relevante porque llega acompañada de menor tiempo de procesamiento y un precio de lista inferior. Un punto adicional en ese índice no permite afirmar que el nuevo modelo sea superior en todas las disciplinas.

Los precios exigen una lectura todavía más cuidadosa. Google fijó para Neon una tarifa de tres dólares por cada millón de tokens de entrada y quince dólares por cada millón de tokens de salida. Para Carbon, las tarifas habituales citadas en la comparación son cuatro y veinte dólares, respectivamente. Por lo tanto, Neon cuesta un 25% menos que Carbon a precios normales por token.

Hay un matiz temporal importante para quienes piensan contratar el servicio ahora. Carbon mantiene una promoción de precios hasta fines de noviembre que, de acuerdo con las tarifas informadas por Artificial Analysis, reduce su costo a dos dólares por millón de tokens de entrada y diez por millón de salida. Así, durante esa promoción, Carbon puede ser más económico que Neon, aunque el precio regular de Neon sea inferior.

Tampoco alcanza con comparar únicamente el costo por millón de tokens. Artificial Analysis calculó que en un conjunto de tareas evaluadas Neon utilizó aproximadamente un 15% más de tokens de salida que Carbon. Pese a ese mayor consumo, la combinación de tarifa y rendimiento dejó un gasto estimado de 6,44 dólares por tarea con Neon frente a 7,76 dólares con Carbon a su precio no promocional. La diferencia ronda el 17%.

Para un desarrollador, una empresa o un equipo que utiliza asistentes de programación, la elección puede depender de si necesita respuestas rápidas, razonamiento más intenso o menor gasto total por operación. El modelo permite ajustar distintos niveles de esfuerzo de razonamiento; Artificial Analysis indica que, en ciertas configuraciones, Neon consigue resultados comparables a los de Carbon con un costo más reducido.

En programación, Neon también exhibe resultados competitivos. The Decoder recoge evaluaciones en las que el nuevo modelo supera a Carbon en tareas de agentes de código y señala pruebas realizadas con el entorno Google Antigravity. Como ocurre con otros bancos de evaluación, los puntajes dependen del procedimiento, las herramientas disponibles y los casos seleccionados. No sustituyen las pruebas con el proyecto y los requisitos concretos de cada usuario.

La capacidad multimodal amplía los escenarios posibles de uso. Un contexto largo puede facilitar el análisis de documentos extensos, colecciones de archivos o materiales que mezclan texto e imágenes. La compatibilidad anunciada con audio y video también abre alternativas para flujos de trabajo complejos. En todos los casos hay que distinguir la posibilidad de procesar un formato de la calidad final de las conclusiones.

El informe de Artificial Analysis describe además fortalezas en pruebas de análisis visual y producción de presentaciones. Sin embargo, los resultados varían de una evaluación a otra y del nivel de razonamiento elegido. Por eso resulta más adecuado hablar de una mejora observada en determinadas métricas que de una victoria universal frente a todos los modelos disponibles.

Google publicó una ficha técnica de Gemini 4 Neon en su sitio de DeepMind. Allí señala que el sistema deriva de Gemini 4 Carbon y presenta información sobre su evaluación y sus límites. La ficha reconoce, entre otras restricciones, que puede generar afirmaciones incorrectas, un fenómeno habitual en modelos generativos que exige comprobar los datos cuando se usan para decisiones importantes.

El lanzamiento también tiene una dimensión comercial. Google anunció el acceso a Neon mediante su entorno de desarrollo y servicios para organizaciones, además de modalidades de disponibilidad asociadas a determinados productos y planes. Es importante revisar las condiciones concretas antes de asumir que todas las funciones o niveles de uso están incluidos para cualquier cuenta.

La sucesión de modelos en pocas semanas muestra que la competencia en inteligencia artificial no gira solamente alrededor de quién logra el puntaje más alto. Velocidad, costos por tarea, compatibilidad con herramientas, manejo de contextos amplios y fiabilidad son variables distintas. Mejorar una de ellas no garantiza avanzar en todas las demás.

Para el público general, el dato más relevante es que ya no basta con elegir el sistema que encabeza un ranking. Antes de decidir conviene mirar qué tarea se quiere realizar, cuánto demora, cuántos tokens consume y qué controles requiere el resultado. Gemini 4 Neon introduce mejoras medibles frente a Carbon en varias pruebas, pero su ventaja económica depende del escenario y de los descuentos vigentes.

Referencias

Comentarios (0)

Todavía no hay comentarios. Sé el primero.

Para comentar tenés que estar registrado. La nota se lee sin login.

Entrar con Google Seguir en el tablón