Gemini 4 Neon llega y lidera el ranking de agentes de programación

Google DeepMind presentó el 18 de noviembre Gemini 4 Neon, el nivel intermedio de la familia Gemini 4. Según el reparto de funciones de Google, Carbon se encarga de los proyectos más difíciles y de mayor duración, Hydrogen de la ejecución rápida del día a día, y Neon se sitúa entre ambos, con foco en programación compleja, análisis y razonamiento, y flujos de trabajo empresariales.

El precio es de 3 dólares por millón de tokens de entrada y 15 dólares por millón de tokens de salida; la entrada en caché cuesta 0,15 dólares, una veinteava parte del precio estándar de entrada. La ventana de contexto es de 1 millón de tokens. La intensidad de razonamiento tiene cuatro niveles; según Google, en el nivel predeterminado, high, el coste por tarea es un 32 % menor que el de Carbon, y en el máximo, xhigh, resulta más de un 36 % más barato por tarea que el nivel máximo de la competencia.

Su lugar en las tablas de resultados

Google cita bastantes clasificaciones de terceros. En el Índice de Agentes de Programación de Artificial Analysis, 58,6 puntos, primer puesto; en el Índice de Inteligencia general, 61 puntos en el nivel xhigh, tercer puesto. El índice Vals marca un 70,9 %, segundo puesto; la Agent Arena de Arena suma 1336 puntos, basada en más de 4200 sesiones reales de agentes, también en segundo lugar. El AutomationBench de Zapier registra un 56,3 % y el Vending-Bench 2 de Andon Labs arroja 16.843 dólares; en ambas pruebas queda primero.

En las pruebas más orientadas a ingeniería, Terminal-Bench 4.1 llega al 65,2 %, mientras que Hydrogen, lanzado la semana pasada, obtiene un 57 % en la misma prueba; FrontierCode 2.0 alcanza el 46,2 % en el nivel predeterminado. La puntuación en SWE-sweep depende mucho del marco de pruebas: con el marco mini-SWE solo se obtiene un 12,8 %, y con Antigravity, el marco propio de Google, un 39,0 %. Estas cifras proceden en su mayoría de evaluaciones de terceros o internas de Google, y la página de lanzamiento no indica condiciones de prueba unificadas, así que conviene tener cuidado al compararlas entre sí.

En el apartado de seguridad, Google aporta varios datos de comportamiento: la proporción de atajos en la evaluación de trampas al programar es del 2,45 %, la tasa de conducta errónea en las pruebas de seguridad de agentes es del 0,09 %, y la tasa de éxito de los ataques de inyección indirecta de prompts según Gray Swan es 0. La versión orientada a ciberseguridad solo se abre a defensores de confianza y se irá habilitando en los próximos días mediante el programa Fairwind; para solicitarla hay que contactar con el equipo de clientes de Google Cloud.

Google escribe en su presentación:

"Neon also excels at multi-step instruction following and builds on our ongoing progress to curb fabrication"

(Neon también destaca en el seguimiento de instrucciones de varios pasos y se apoya en nuestro avance continuo para frenar la invención de contenido.)

Illustration: a control hub directs robot stations in parallel, showing how Gemini 4 Neon coordinates sub-agents

Los tres niveles, uno junto a otro

Si se ponen juntos los precios públicos de la familia: Hydrogen cuesta 1,5 dólares de entrada y 7,5 de salida por millón de tokens; Carbon, en periodo promocional, 2 y 10 dólares, y volverá a 4 y 20 dólares a partir de diciembre; Neon cuesta 3 y 15 dólares.

Mirando solo el precio unitario, Neon es un 50 % más caro que Carbon en promoción. El «32 % menos» que menciona Google se calcula por tarea y depende de que se consuman menos tokens para completar el mismo trabajo. Un cálculo aproximado: si una tarea de agente lee 200.000 tokens y escribe 30.000, el coste de tarifa en Neon es de unos 0,6 + 0,45 = 1,05 dólares; con el mismo uso en Carbon después de diciembre sería 0,8 + 0,6 = 1,4 dólares. La diferencia real depende de cuánta salida ahorre Neon en cada tarea concreta, y Google no ha publicado el consumo de tokens de tareas individuales.

Si la tarea incluye mucho contexto repetido, por ejemplo leer una y otra vez el mismo repositorio de código, el precio de caché pesa más. Si los 200.000 tokens de entrada del ejemplo anterior se sirvieran íntegramente desde la caché, la parte de entrada costaría solo 0,03 dólares, y el coste de cada ejecución recaería sobre todo en la salida.

Dónde se puede usar

Los desarrolladores pueden usarlo en el nivel de pago de la Gemini API; Google AI Studio y Android Studio ya lo han incorporado. Los clientes empresariales lo emplean a través de Gemini for business y Antigravity. En Antigravity, Neon puede actuar como coordinador y dirigir varios subagentes Hydrogen en paralelo, cada uno con una parte del trabajo.

En la aplicación Gemini, los suscriptores de Google AI Pro y Ultra pueden elegirlo en el menú desplegable de modelos, y la función de tareas de Gemini también puede pasar a ejecutarse con Neon. Si los usuarios gratuitos podrán usarlo y cuál es el límite de uso en la aplicación, Google no lo ha aclarado.

Fuentes: artículo de lanzamiento de Gemini 4 Neon en el blog oficial de Google, CocoLoop, Artificial Analysis, Vals; se verificaron los precios de entrada, salida y caché por millón de tokens; las posiciones y puntuaciones de las clasificaciones de terceros siguen el criterio citado por Google.