Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoAnálisis · En radarTG: @neurogen_news (Neurogen)→ original

Google lanza Gemini 4 Neon: 65,2% en Terminal-Bench 4.1 y $3 por millón de tokens

Google ha lanzado Gemini 4 Neon, un modelo intermedio entre el ligero Hydrogen y el pesado Carbon. En Terminal-Bench 4.1, un test que evalúa la resolución de tareas de ingeniería en la terminal, alcanzó el 65,2%, y un millón de tokens cuesta $3 en la entrada y $15 en la salida. En SWE-sweep, el resultado dependió del entorno: 12,8% con mini-SWE y 39% con Antigravity. Por eso, conviene comparar Neon con su modelo actual dentro del mismo entorno.

Procesado por IA desde TG: @neurogen_news (Neurogen); editado por Hamidun News
Google lanza Gemini 4 Neon: 65,2% en Terminal-Bench 4.1 y $3 por millón de tokens
Fuente: TG: @neurogen_news (Neurogen). Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalTG: @neurogen_news (Neurogen) ↗
Editor jefe
Ventana de contexto de 1.048.576 tokensla entrada, el razonamiento y la respuesta comparten ese límite.
KingBench 4segundo puesto de 18, con 37,9 puntos sobre 60, frente a los 42 de Claude Fable 5.2.
Dato clave #3En Antigravity, Neon puede coordinar varios agentes que ejecutan Hydrogen.

Google amplía la familia Gemini 4 con el modelo Neon. Hasta ahora la elección era sencilla: Hydrogen, rápido y barato para el día a día, algo así como un pendrive que siempre llevas encima, y Carbon, un modelo pesado para proyectos grandes. Neon se sitúa en medio: Google afirma que maneja código complejo, agentes y análisis, pero está pensado para priorizar la velocidad y el coste.

Las cifras principales son estas. En Terminal-Bench 4.1, un test en el que el modelo resuelve tareas de ingeniería directamente en la línea de comandos, igual que lo haría un agente programador, Neon logra un 65,2%.

Y por la API, Google cobra $3 por millón de tokens de entrada (un token es una unidad de texto por la que se calcula el pago) y $15 por millón de tokens de salida, incluidos los razonamientos del modelo. A continuación analizamos qué hay detrás de estos números y cómo comprobarlos con tus propias tareas.

Qué hace Neon y cuánto cuesta

El modelo trabaja con texto, imágenes, audio, vídeo y documentos. La ventana de contexto es de 1.048.576 tokens, y es un límite compartido: en él caben tu consulta, los razonamientos internos del modelo y la respuesta final. Si se activa el modo thinking, parte de la ventana se ocupa con los razonamientos, algo que conviene tener en cuenta al trabajar con documentos muy largos.

Tarifas:

  • entrada: $3 por millón de tokens;
  • salida: $15 por millón de tokens, y los razonamientos se cobran como salida;
  • entrada en caché: $0,15 por millón de tokens.

La última línea importa más de lo que parece. Los agentes casi siempre reutilizan el mismo contexto largo: la descripción del proyecto, las instrucciones y el historial de pasos. Si ese fragmento repetido se almacena en caché, cuesta $0,15 en lugar de $3, es decir, veinte veces menos. En sesiones agénticas largas, es la caché la que muchas veces determina la factura final.

Neon está disponible en las suscripciones Google AI Pro y Ultra. En el entorno Antigravity puede actuar como orquestador: planifica el trabajo y reparte tareas entre varios agentes que ejecutan Hydrogen. La lógica es clara: el modelo más potente piensa y verifica, mientras que los ejecutores baratos se encargan de lo rutinario. Según se ha anunciado, el modelo llegará también a NeuroAPI.

Qué muestran los benchmarks

Además del 65,2% en Terminal-Bench 4.1, hay un resultado llamativo en SWE-sweep. Dependió mucho del entorno en el que se ejecutó el modelo: 12,8% con mini-SWE y 39% en Antigravity. Es una diferencia de unas tres veces para el mismo modelo. Es una buena lección para quienes eligen modelo mirando tablas: el resultado depende tanto del propio modelo como del andamiaje que lo rodea, es decir, qué herramientas tiene disponibles, cómo funcionan los reintentos y cómo se construye el contexto.

En el test KingBench 4 de MindStudio, Neon ocupó el segundo puesto de 18 y obtuvo 37,9 puntos sobre 60. El líder, Claude Fable 5.2, logró 42 puntos. Matiz importante: los modelos se probaron en entornos agénticos distintos, así que la comparación no puede tomarse como directa. La diferencia de 4,1 puntos puede ser una ventaja real de Claude, o puede deberse a las distintas condiciones de ejecución.

Qué hacer con esto en la práctica

Primero, no tomes las cifras como un veredicto definitivo. Los datos proceden sobre todo de Google y de pruebas de terceros con entornos diferentes, y todavía hay pocas comparaciones independientes con el mismo andamiaje. La verificación más fiable consiste en reunir entre 20 y 30 tareas habituales de tu trabajo (corrección de errores, refactorización, análisis de logs) y ejecutarlas con Neon y con tu modelo actual dentro del mismo marco agéntico.

Segundo, calcula el coste de la sesión, no el de un solo token. Con $15 por millón de tokens de salida, los razonamientos largos pueden salir caros. La caché a $0,15 aliviará la factura si preparas el prompt de forma que la parte invariable vaya al principio.

Tercero, si ya trabajas en Antigravity, prueba la combinación «Neon como orquestador más Hydrogen como ejecutores». Es la forma más directa de encontrar el equilibrio entre precio y calidad dentro de un mismo ecosistema.

En resumen: Neon no aspira a batir récords; su propuesta es ofrecer calidad suficiente a un precio moderado. Cubre código y agentes más barato que los modelos pesados, y su segundo puesto en KingBench 4 indica que, en calidad, se mantiene cerca del líder. Hasta dónde llega para tu proyecto solo lo dirán tus propias pruebas.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Qué hace Neon y cuánto cuesta?

El modelo trabaja con texto, imágenes, audio, vídeo y documentos. La ventana de contexto es de 1.048.576 tokens, y es un límite compartido: en él caben tu consulta, los razonamientos internos del modelo y la respuesta final. Si se activa el modo thinking, parte de la ventana se ocupa con los razonamientos, algo que conviene tener en cuenta al trabajar con documentos muy largos.

¿Qué se sabe sobre Qué muestran los benchmarks?

Además del 65,2% en Terminal-Bench 4.1, hay un resultado llamativo en SWE-sweep. Dependió mucho del entorno en el que se ejecutó el modelo: 12,8% con mini-SWE y 39% en Antigravity. Es una diferencia de unas tres veces para el mismo modelo. Es una buena lección para quienes eligen modelo mirando tablas: el resultado depende tanto del propio modelo como del andamiaje que lo rodea, es decir, qué herramientas tiene disponibles, cómo funcionan los reintentos y cómo se construye el contexto.

¿Qué se sabe sobre Qué hacer con esto en la práctica?

Primero, no tomes las cifras como un veredicto definitivo. Los datos proceden sobre todo de Google y de pruebas de terceros con entornos diferentes, y todavía hay pocas comparaciones independientes con el mismo andamiaje. La verificación más fiable consiste en reunir entre 20 y 30 tareas habituales de tu trabajo (corrección de errores, refactorización, análisis de logs) y ejecutarlas con Neon y con tu modelo actual dentro del mismo marco agéntico. Segundo, calcula el coste de la sesión, no el de un solo token.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…