Gemini 4 Neon obtuvo una mejora limitada en el índice de inteligencia frente a Carbon, pero completó las tareas más rápido y con menor costo medido por actividad. Las pruebas también muestran que aumentar el esfuerzo de razonamiento no garantiza mejores resultados y que la comparación de precios depende de los descuentos vigentes.
***
- Neon xhigh logró 61 puntos en el Intelligence Index, uno más que Carbon high, que obtuvo 60, y quedó tercero en la clasificación general.
- Artificial Analysis calculó un costo de USD $6,44 por tarea para Neon, frente a USD $7,76 para Carbon a precios estándar.
- En GDP.pdf, Neon high superó a Neon xhigh: el mayor nivel de esfuerzo no mejoró esa evaluación documental.
⚡ Gemini 4 Neon: más rápido y barato, con una ventaja mínima en inteligencia
Logró 61 puntos en el Intelligence Index, frente a 60 de Carbon high.
Artificial Analysis midió USD 6,44 y 21 minutos por tarea para Neon xhigh, frente a USD 7,76 y 36 minutos para Carbon a precio… pic.twitter.com/X3CPAAwXVk
— Diario฿itcoin (@DiarioBitcoin) November 19, 2026
Gemini 4 Neon apuesta por la velocidad y el menor costo por tarea
Una mejora acotada en el índice general
Gemini 4 Neon, el nuevo modelo de razonamiento de Google, alcanzó 61 puntos en el Intelligence Index de Artificial Analysis, según resultados publicados el 18 de noviembre de 2026. La puntuación supera por un punto a Gemini 4 Carbon en configuración high, que obtuvo 60, una diferencia que apunta a una mejora moderada y no a un salto amplio en capacidad. En la clasificación general, Neon quedó tercero, detrás de GPT-6.2 Astra en max y Claude Fable 5.2 también en max.
La evaluación calculó un costo de USD $6,44 por tarea del índice para Neon xhigh y un tiempo promedio cercano a 21 minutos. Carbon high, con precios estándar y sin descuentos, promedió USD $7,76 por tarea y alrededor de 36 minutos, por lo que Neon terminó con menor costo medido y más rapidez en ese conjunto de pruebas. Estas cifras describen el desempeño observado en la evaluación, no un precio fijo aplicable a cualquier uso del modelo.
La rapidez coincide con una diferencia importante en la generación de texto: Neon produjo cerca de 110 tokens por segundo, frente a aproximadamente 57 de Carbon. Sin embargo, Neon utilizó alrededor de 15% más tokens de salida por tarea, de modo que el ahorro medido no provino de generar menos texto. El resultado sugiere que, en esta comparación, la velocidad de salida y los precios aplicados pesaron más que una reducción del consumo de tokens.
Al ajustar el esfuerzo a high, Neon obtuvo 60 puntos y completó cada tarea del índice en unos 14,8 minutos. Esa configuración igualó a Carbon high en inteligencia compuesta y costó menos de la mitad por tarea que Carbon con su tarifa estándar, de acuerdo con los datos reportados. Por eso, la ventaja más clara de Neon parece operativa: menor tiempo y costo en las condiciones examinadas, con una diferencia de puntuación estrecha.
Las pruebas de codificación y documentos revelan matices
En el Coding Agent Index, medido mediante Antigravity CLI, Neon xhigh registró 59 puntos, mientras Carbon high alcanzó 55. Claude Fable 5.2 en xhigh y Claude Opus 5.5 en max marcaron 58 cada uno, de modo que Neon quedó ligeramente por encima de ambos en esta medición concreta. El resultado no equivale a una superioridad general en programación, sino a una comparación acotada al índice y a sus condiciones de prueba.
El costo promedio por tarea de agente de código fue de USD $6,86 para Neon, frente a USD $12,61 para Opus y USD $15,47 para Fable. Neon combinó así una puntuación de 59 con un costo inferior al de esos dos modelos en la evaluación citada, aunque la comparación de precio por tarea no sustituye una medición de calidad para cada proyecto. Para una organización, el desempeño pertinente dependerá del tipo de tarea que quiera automatizar y del nivel de revisión humana que requiera.
La prueba GDP.pdf, centrada en razonamiento sobre documentos profesionales, produjo un orden distinto entre las configuraciones de Neon. Neon high obtuvo una tasa all-pass de 33,4%, frente a 28,4% para Carbon high y 28,0% para Neon xhigh. La métrica considera la proporción de intentos en los que el modelo cumple todos los criterios de evaluación, por lo que un valor más alto exige aprobar la tarea de forma completa, no solo acertar una parte.
En este caso, elevar el esfuerzo de Neon de high a xhigh no mejoró la respuesta y coincidió con un resultado inferior. El conjunto contempló 500 intentos por modelo, distribuidos en 100 tareas de 10 dominios profesionales, y cada intento debía aprobar todos sus criterios para contar como exitoso. La diferencia advierte que el nivel de razonamiento más alto no necesariamente conviene en cada carga de trabajo, especialmente cuando se evalúa la ejecución integral de documentos.
Presentaciones y tareas multimodales
En AA-Briefcase, una evaluación de trabajo de conocimiento agéntico, Neon xhigh obtuvo una calificación general de 1.700 Elo. En Calidad de Presentación alcanzó 1.771 Elo, una puntuación que superó por 45 puntos el anterior registro líder citado, Claude Sonnet 5.5 en max, con 1.726. El dato destaca una fortaleza específica en la producción de presentaciones, aunque no cambia por sí solo la lectura más amplia del índice general.
Los resultados de presentación miden una dimensión distinta de la capacidad agregada para resolver tareas de conocimiento. Por eso, una posición destacada en esa categoría puede coexistir con un avance pequeño en el Intelligence Index: cada evaluación observa habilidades y condiciones particulares. Para quienes comparan modelos, el resultado puede ser relevante si la presentación es una salida central, pero no permite asumir que Neon también lidere en documentos, programación o ciencia.
En el Multimodal Knowledge Agent, Neon alcanzó un Climb WSR de 56%, dos puntos por encima de Carbon y cerca del 57% registrado por Claude Fable 5.2 en max. Climb WSR representa una tasa media de satisfacción ponderada en criterios más difíciles dentro de una evaluación de Google DeepMind sobre agentes que trabajan con archivos de proyectos visualmente densos. Esta medición es independiente del Intelligence Index y no forma parte de su puntuación compuesta.
En conjunto, los resultados dibujan un perfil desigual: velocidad y costo favorables en el índice, un buen registro de presentación y una puntuación multimodal próxima a la de Fable. La diferencia entre pruebas importa porque una empresa no suele contratar un modelo para obtener una cifra abstracta, sino para resolver tareas concretas con un nivel de calidad esperado. Las puntuaciones disponibles permiten orientar comparaciones, pero no eliminan la necesidad de probar cada configuración en el flujo de trabajo correspondiente.
Disponibilidad, precios y límites de la comparación
Google indicó que Gemini 4 Neon estuvo disponible de forma general desde el 18 de noviembre de 2026 para ingeniería de software compleja, trabajo de conocimiento y flujos científicos. El modelo ofrece cuatro niveles de pensamiento, una ventana de contexto unificada de un millón de tokens y soporte para decodificación larga de hasta un millón de tokens. Acepta texto, imágenes, voz y video, genera texto y utiliza high como nivel de esfuerzo predeterminado.
En el nivel de pago de la API, el precio de Neon es de USD $3 por millón de tokens de entrada y USD $15 por millón de tokens de salida. La entrada en caché cuesta USD $0,15 por millón de tokens después de un descuento de 95%, según las tarifas informadas. Estas cifras permiten distinguir el precio por token del costo por tarea: este último depende también de cuánto consume el modelo y del tiempo que necesita para completar cada actividad.
La comparación inmediata con Carbon cambia por una promoción temporal. Hasta el 30 de noviembre de 2026, Carbon tiene una tarifa con descuento de USD $2 por millón de tokens de entrada y USD $10 por millón de salida, mientras su tarifa estándar es de USD $4 y USD $20, respectivamente. Así, Neon queda 50% por encima de la oferta temporal de Carbon, pero 25% por debajo de sus precios estándar, según Artificial Analysis.
Al lanzamiento, Google ofreció Neon mediante su API y Gemini Enterprise Agent Platform; los suscriptores Pro y Ultra también podían acceder desde Antigravity y la aplicación Gemini. El Intelligence Index reúne nueve evaluaciones de trabajo de conocimiento, codificación, ciencia y conocimiento general, con cada categoría ponderada en 25%, aunque el conjunto es principalmente en inglés y basado en texto. Algunas pruebas entregan imágenes a modelos compatibles, mientras el razonamiento visual, la entrada de voz y el rendimiento multilingüe se evalúan por separado; por ello, las empresas deberían contrastar sus propias tareas, el esfuerzo necesario y los precios vigentes antes de elegir.
ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.
Suscríbete a nuestro boletín
Artículos Relacionados
AltCoins
Bittensor (TAO) sube con volumen creciente, pero la tendencia aún presiona el precio — 19 de noviembre de 2026
Hyperscalers
AWS habilita el ajuste completo de modelos en SageMaker, pero advierte sobre el olvido catastrófico
California
California propone acelerar auditorías de riesgos para la IA avanzada
Empresas
