Modelos

Gemini 4 Neon llega a la app y el selector pierde dos nombres

Google ha reordenado el selector de la app y ha jubilado dos nombres que mucha gente usaba por costumbre. Neon ocupa el hueco intermedio, y la factura por tarea pesa más que la ficha técnica.

Lucía GarcíaLucía García
Popularidad: 1,500
Tres anillos de neón orbitando un núcleo pequeño y brillante sobre un fondo azul profundo

Google ha reordenado el selector de la app y ha jubilado dos nombres que mucha gente usaba por costumbre. Neon ocupa el hueco intermedio, y la factura por tarea pesa más que la ficha técnica.

El Gemini model picker de la app queda en cuatro opciones

Quien paga AI Pro o AI Ultra y abre Gemini en el móvil ya no ve la lista de antes. El Gemini model picker, el selector de modelos de la app, se queda con cuatro entradas, según 9to5Google:

Opción

Uso que le asigna Google

Auto

El modo automático, que para quien paga asume 3.5 Flash-Lite

Gemini 4 Hydrogen

Ayuda del día a día

Gemini 4 Neon

Análisis más profundo

Gemini 4 Carbon

Código y trabajo complejo

La consecuencia práctica no está en la tabla. Está en la memoria muscular. Si tenías Argon fijado porque respondía con más detalle, ese botón ya no existe. Dos nombres menos en la lista. Toca elegir otra vez.

Dónde cae cada uno: Carbon es el modelo lento y caro, pensado para el trabajo de horizonte largo que no admite atajos. Hydrogen es el rápido, el que contesta sin darle muchas vueltas. Neon es el del medio, y Google lo describe como un modelo que iguala a Carbon en la mayoría de tareas y mantiene una velocidad de gama Flash. Esa frase es de la casa, no de un banco de pruebas independiente.

Gemini 4 Neon sustituye a Argon y retira Gemini 3.1 Pro

Los dos nombres que desaparecen tienen historias distintas. Neon llega al sitio de Gemini 4 Argon, que aterrizó en el plan de pago a mediados de octubre. Gemini 3.1 Pro se retira sin sustituto con el mismo apellido: su hueco queda para la familia 4.

Para un equipo que montó flujos sobre 3.1 Pro, el aviso es de calendario. La opción de modelo se va; el historial de conversaciones y los archivos siguen donde estaban. No hay pérdida de datos, solo de la palanca que elegía el motor.

Google acumula cuatro modelos Gemini nuevos en un mes, entre Carbon, Hydrogen, Argon y ahora Neon. The Decoder lo apunta como dato de contexto, y ese ritmo tiene un coste menos visible que el precio: cada cambio de selector rompe una costumbre y obliga a repetir pruebas que ya estaban hechas.

El precio de Gemini 4 Neon: 3 dólares por millón de entrada

La tarifa es la parte que se puede comprobar hoy. ¿Cuánto cuesta ese hueco intermedio? Neon cuesta 3 dólares por millón de tokens de entrada, 0,15 dólares por millón de entrada en caché y 15 dólares por millón de salida. La ventana de contexto llega al millón de tokens.

El dato que mueve una factura real es el de la caché. Google lo presenta como un descuento del 95%, y en la práctica significa que un prompt de sistema largo, una guía de estilo o el mismo contrato de cuarenta páginas se cobran casi a precio de saldo a partir de la segunda llamada. Ahí está el ahorro para un bot de atención al cliente con instrucciones fijas.

La API se factura en dólares. Un equipo que paga en euros desde España, o en pesos desde México, suma el tipo de cambio a la cuenta y conviene meterlo en la hoja de cálculo antes de decidir nada.

Google no publica en esta nota el precio de Carbon, así que la comparación honesta es con la propia factura: la entrada cacheada es donde el recorte se nota.

Los cuatro números que Google atribuye a Gemini 4 Neon

La nota oficial trae una lista larga de resultados. Cuatro sirven para entender qué tipo de modelo es.

En el índice de inteligencia de Artificial Analysis, una mezcla de pruebas de razonamiento y conocimiento, Neon saca 61 puntos en su nivel de pensamiento xhigh y queda tercero de la tabla. En el Coding Agent Index de la misma casa, que mide tareas de agente dentro de un repositorio, es primero con 58,6. En Terminal-Bench 4.1, una prueba de operaciones de línea de comandos de principio a fin, llega al 65,2%. Y en AutomationBench de Zapier, que evalúa la construcción de automatizaciones entre aplicaciones, encabeza la lista con un 56,3%.

Son cifras de la casa. Las cuatro vienen de Google o de sus socios, ninguna de una repetición independiente, y esa etiqueta hay que llevarla puesta al leerlas.

Gemini AI Pro: el 32% menos por tarea

El argumento que debería decidir una compra no es la puntuación, sino la cuenta por tarea terminada. Google afirma que Neon cuesta un 32% menos por tarea que Carbon en su nivel alto por defecto. Frente a los modelos de frontera de la competencia, la compañía habla de un 50% a un 80% menos por tarea en los índices Vals y Agent Arena, siempre en el nivel alto. En xhigh, dice, la ventaja sigue siendo del 36% o más.

Neon trae cuatro niveles de pensamiento. Eso es una palanca de gasto: el mismo modelo ataca un problema con más o menos razonamiento, y la diferencia aparece en la factura del mes. Para quien paga una suscripción de Gemini AI Pro, el cambio llega sin subida de cuota.

Nadie fuera de Google ha reproducido esa comparación de coste por tarea. Hasta que alguien lo haga, es una promesa con números detrás. No es un resultado.

Lo que Gemini 4 Neon no cambia

El anuncio tiene tres límites. La capa gratuita no recibe Neon, así que quien no paga sigue con lo que tenía. La versión afinada para ciberseguridad existe, con un 76% en el nivel difícil de AutoBaxBench y un 90,5% en SEC-bench Pro, pero no se vende: va a defensores verificados dentro del programa Fairwind. Y los benchmarks siguen siendo del vendedor.

La lectura útil para un suscriptor es más pequeña que el titular. Neon abarata el trabajo de análisis serio y deja a Carbon para lo que de verdad necesita el modelo caro. Merece una prueba con una tarea propia, no con la lista de la nota de prensa. Si el resultado convence, el siguiente paso es revisar qué flujos siguen anclados a un modelo que ya no aparece en el selector.

Compartir esta noticia

Fuentes

Noticias de IA relacionadas

Una ventana de terminal con una curva de recompensa ascendente y una insignia 27B al lado
Modelos

RadixArk entrena 18 días un Qwen3.8-27B y mejora en todo lo que mide

RadixArk no entrenó un modelo desde cero. Cogió un Qwen3.8-27B, le dio 1.200 tareas de agentes y 18 días de refuerzo, y publicó el resultado. La historia está en la factura de cómputo.

Popularidad: 1,330
El contorno de un portátil con tres láminas de capas apiladas que pasan por una flecha de bucle en su interior
Modelos

Inkling 2 Mini cabe en un portátil porque repite las mismas capas tres veces

Thinking Machines Lab resolvió un problema de espacio con una idea que suena a recorte: si el modelo no cabe, que repita las mismas capas. Inkling 2 Mini enseña qué se gana con ese truco y qué queda fuera.

Popularidad: 1,710
Una onda de audio larga en tono turquesa con una sola barra naranja sobre un fondo oscuro
Modelos

Rumble-2-Flash: un modelo de voz de 500 millones que roza a otro de 30.000

Un modelo de voz de 500 millones de parámetros se ha quedado a un pelo de otro sesenta veces mayor en llamadas reales de atención al cliente. La pregunta ya no es si la transcripción puede salir de la nube, sino cuánto se pierde al sacarla.

Popularidad: 560
Un gran núcleo de modelo rodeado de radios de razonamiento junto a un núcleo rápido más pequeño, con barras de precio en descenso a la derecha
Modelos

GPT-6.2 Astra cuesta un 20% menos y no lidera en todo: qué cambia en tu factura

OpenAI abarata su modelo grande y deja el barato donde estaba. La cuenta que de verdad importa no es el precio del token, sino lo que cuesta terminar una tarea con él.

Popularidad: 1,900