Google presentó Gemini 4 Neon el martes, una nueva incorporación a su familia Gemini 4, denominada elemento, que la compañía considera que ofrece inteligencia de vanguardia con una rápida finalización de tareas de un extremo a otro en ingeniería de software, trabajo de conocimiento y flujos de trabajo científicos. El anuncio provino de Koray Kavukcuoglu, vicepresidente senior de Google DeepMind y arquitecto jefe de inteligencia artificial de la compañía, en una publicación de blog oficial.

El lanzamiento continúa la rápida cadencia de lanzamientos de Gemini 4 de Google, que ya incluye las variantes Carbon, Hydrogen y Argon, la última de las cuales apareció en los titulares por jugar de forma autónoma a través de los créditos finales de Minecraft. Neon se posiciona como el nivel rápido y eficiente de la familia: lo suficientemente fuerte como para ubicarse cerca de la cima de las tablas de clasificación independientes y al mismo tiempo cuesta mucho menos que los modelos fronterizos más grandes y lentos que le siguen. Siga cada lanzamiento de modelo importante en nuestra cobertura de modelos de IA.

Dónde aterriza el neón en los puntos de referencia

Google dice que Neon obtiene una puntuación de 61 en el Índice de Inteligencia de Análisis Artificial en su nivel de pensamiento xalto, ubicándose en tercer lugar en general y por delante de modelos comparables, mientras que queda justo detrás de competidores más grandes y más lentos. En el Índice Vals ocupa el segundo lugar con un 70,9%, lo que lo sitúa en la frontera de Pareto de costo versus capacidad, y ocupa el primer lugar tanto en el Banco de Investigación Jurídica como en el Banco de Agentes Fiscales.

La historia empresarial es donde Google está concentrando sus reclamos. Neon sintetiza hojas de cálculo, archivos PDF, gráficos, audio y video dentro de una única ventana contextual de 1 millón de tokens y convierte esas entradas en entregables estructurados. Google dice que el modelo ocupa el primer lugar en la mayoría de los puntos de referencia de Surge AI en finanzas, contabilidad, modelado de hojas de cálculo y seguimiento de restricciones complejas. Obtiene un 73,5% en Chartografía para leer gráficos profesionales densos y se desempeña a la par con los modelos líderes en el último examen de agentes v1.1 (75,8%). También debuta primero en AutomationBench de Zapier con un 56,3 % y supera a Vending-Bench 2 de Andon Labs, una simulación a largo plazo de la gestión de un negocio, con 16.843 dólares en ingresos simulados. En el nuevo Agent Arena Index de Arena, creado a partir de más de 4200 sesiones de agentes del mundo real, Neon ocupa el segundo lugar a nivel mundial con una puntuación de 1336 y ocupa el segundo lugar en direccionabilidad, lo que significa que se adapta limpiamente a las correcciones del usuario a mitad de tarea.

El razonamiento científico y matemático tiene su propio escaparate: Google obtiene los mejores resultados en su clase en Terminal-Bench Science (70,5%), RiemannBench (84,0%) y HLE-Diamond (71,3%).

Creado para agentes de codificación de larga duración

Podría decirse que la codificación es el caso de uso más destacado. Google dice que Neon ocupa el primer lugar en general en el índice de agentes de codificación de análisis artificial con una puntuación de 58,6, registra un 65,2 % en Terminal-Bench 4.1 y un 46,2 % en FrontierCode 2.0 en su configuración alta predeterminada. En el barrido SWE, Neon lidera con un 12,8% en el arnés mini-SWE y más que triplica esa cifra hasta un 39,0% de última generación cuando se ejecuta dentro del arnés del agente antigravedad de Google.

El modelo está diseñado para flujos de trabajo de agentes de larga duración: mantiene el rendimiento a través de tareas complejas que requieren muchas herramientas, reduce las lecturas de archivos redundantes, comparte el progreso mientras funciona y maneja la compactación del contexto de manera confiable durante largas sesiones. También puede actuar como un orquestador rápido y de gran juicio que dirige subagentes de hidrógeno paralelos en Antigravity. Las demostraciones de Google fueron característicamente llamativas: manejando Blender MCP en Antigravity, Neon construyó una mesa de laboratorio fotorrealista en 3D que visualizaba la familia Gemini 4 con precisión elemental: llamas Bunsen para carbono e hidrógeno, tubos de descarga de gas para argón y neón. Utilizando el comando /swarm, recreó el estudio de Alan Turing de 1936 en el King's College de Cambridge en 3D interactivo, completo con una Máquina Universal de Turing en funcionamiento sobre el escritorio. En otra demostración, un enjambre de agentes convirtió una sola imagen en una hoja de cálculo de Google de 100.000 celdas con detección de bordes y mapeo de profundidad 3D a través de más de 500.000 fórmulas de hojas de cálculo en vivo, sin imágenes incrustadas ni Apps Script.

Precios ajustados con cuatro niveles de pensamiento

Gemini 4 Neon cuesta $3 por millón de tokens de entrada y $15 por millón de tokens de salida, con entrada en caché con un precio de $0,15 por millón de tokens: un descuento del 95% diseñado para hacer que los bucles de agentes de contexto largo sean económicamente viables. La ventana de contexto de 1 millón de tokens abarca las cargas de trabajo empresariales, analíticas y científicas del modelo.

Google también está refinando su escala de niveles de pensamiento con esta versión. Neon ofrece cuatro niveles que escalan de manera constante, lo que permite a los equipos asignar inteligencia y gastar tokens en cada carga de trabajo. En su nivel alto predeterminado, la compañía dice que Neon combina una sólida puntuación de Análisis Artificial con un costo por tarea un 32% menor que Carbon, y se ubica en la frontera de Pareto tanto del Índice Vals como del Agent Arena con aproximadamente un costo por tarea entre un 50% y un 80% menor que los principales modelos de frontera de la competencia. La configuración xhigh agrega un razonamiento más profundo de varios pasos para las cargas de trabajo científicas y de ingeniería más difíciles y, al mismo tiempo, cuesta un 36 % menos por tarea que los modelos de la competencia en sus configuraciones más altas.

Una variante cibernética para defensores confiables

Google también posicionó a Neon como modelo de seguridad. Gemini 4 Neon para cibernética produce código más seguro que Carbon en todos los desafíos fáciles, medios y difíciles en AutoBaxBench, alcanzando lo último en el nivel difícil con un 76 %. En WebExploitBench v1.2, el modelo presenta un 51,26% de vanguardia a la mitad del costo de los modelos grandes de la competencia, y en todo el ciclo de vida de endurecimiento del código obtiene una puntuación del 90,5% en SEC-bench Pro (hallazgo de vulnerabilidad, a aproximadamente la mitad del costo habitual por desafío), logra una validación de explotación a nivel de frontera en ExploitGym usando la mitad de los tokens de Carbon y alcanza el 70,7% en Collinear's. CWE-bench v2 para parches: una mejora de 3,4 puntos sobre Carbon. La variante cibernética se lanzará a defensores confiables en los próximos días a través del Programa Fairwind de Google.

Métricas de seguridad para el trabajo de producción

Debido a que Neon aporta capacidades de nivel fronterizo a un modelo más rápido y económico, Google dice que combinó el lanzamiento con salvaguardias en tiempo real contra el uso indebido de ciberseguridad y bioseguridad comparables a las protecciones de Carbon, al tiempo que rechazó trabajos mucho menos legítimos, rechazando solo el 1,98% de las tareas en Terminal-Bench 4.0 y ninguna en Terminal-Bench-Science. Los monitores de alineación interna mostraron tasas de alerta por debajo de las líneas de base de Carbon, y el modelo igualó a Carbon con un 0,0 % de trampa en Terminal-Bench 4.0, tomó atajos en solo el 2,45 % de las tareas en la evaluación de trampa de codificación de Google (la tasa más baja de cualquier modelo Gemini 4) y registró una tasa de acción desalineada del 0,09 % en su suite de seguridad agente junto con una tasa de aprobación del 99,2 % en la evaluación de honestidad del agente.

Disponibilidad

Gemini 4 Neon se está implementando hoy en la API de Gemini en Google AI Studio, en Gemini para empresas a través de API y el menú desplegable de modelos, y para suscriptores pagos de Google AI Pro y Ultra tanto en Google Antigravity como en la aplicación Gemini.

Por qué es importante

El precio de Neon pone el rendimiento de los agentes adyacentes al límite al alcance de equipos que no podrían justificar los costos de los modelos de primer nivel para cargas de trabajo de gran volumen. Si las afirmaciones de los puntos de referencia se mantienen en las pruebas independientes, el panorama competitivo para la codificación agente, el trabajo de conocimiento empresarial y la seguridad defensiva se estrecha aún más, y la brecha entre "suficientemente rápido" y "frontera" sigue estrechándose. Para conocer más lanzamientos como este, consulte los últimos desarrollos de IA en AI Buzz Wire.

---

Manténgase a la vanguardia de la IA

Obtenga las últimas noticias, análisis y avances en IA, todo en un solo lugar.

Leer más noticias sobre IA →