Ir al contenido
IA para hoy
Modelos y avances Lanzamiento 5/5 · Confirmado por varias fuentes

Google lanza Gemini 4 Neon, modelo de alto rendimiento con coste por tarea inferior

Fotografía de archivo que ilustra: Google lanza Gemini 4 Neon, modelo de alto rendimiento con coste por tarea inferior
Foto: https://kaboompics.com/ · Licencia Pexels · Pexels

Hecho Qué ha ocurrido

Google ha presentado Gemini 4 Neon, un modelo situado entre Gemini 4 Carbon y Hydrogen, con 61 puntos en el Artificial Analysis Intelligence Index frente a 59 de Claude Opus 5.5 y 57 de GPT-6.2 Sol según datos publicados por Google. La compañía afirma que reduce un 32 % el coste por tarea respecto a Carbon, en condiciones concretas no garantizadas. Las tarifas para desarrolladores son de 3 dólares por millón de tokens de entrada y 15 por millón de salida, con contexto de un millón de tokens.

Resumen generado mediante IA a partir de MuyComputer. Naturaleza de la información: declaración de parte interesada.

Análisis Por qué importa

El coste por ejecución empieza a pesar tanto como el rendimiento máximo en tareas profesionales repetidas, y una alternativa más barata a los modelos de frontera puede cambiar decisiones de compra y arquitectura.

Quién se ve afectado
Equipos de desarrollo y empresas que ejecutan tareas de IA a gran volumen.
Qué puede cambiar
Podría permitir usar modelos de alto nivel en procesos frecuentes sin disparar la factura, siempre que los resultados se confirmen fuera de las pruebas anunciadas.

Análisis generado a partir de la información disponible; no procede de la fuente.

Predicción Qué observar a continuación

Resultados independientes en benchmarks y en uso real, la evolución de precios frente a Opus y GPT, y la adopción en Google Antigravity y AI Studio.

Recomendación Qué debería hacer una empresa

Evaluar Gemini 4 Neon frente al modelo actual en un caso de uso propio de alto volumen durante los próximos 3 meses, midiendo coste por tarea y calidad.

Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.

Compartir WhatsApp LinkedIn X Bluesky Telegram
Enviar esta noticia por correo

Se envía esta noticia con su análisis. La dirección se usa solo para ese envío y no se guarda.

Protección de datos. Responsable: Fernando Lobato, PhD. Finalidad: hacer el envío que pides. Base: nuestro interés legítimo. Lo envía Resend; la comprobación de robots es de Cloudflare. Puedes acceder a tus datos, pedir que los borremos y ejercer tus demás derechos como explica la política de privacidad.

Fuente original: MuyComputer. La referencia es siempre el artículo original.

Ver fuente original ↗

LLMagentescoding Google API benchmark coste por tarea Gemini 4 Neon Google

Fuentes de esta historia

Esta noticia forma parte de una historia cubierta por 11 publicaciones. La fiabilidad sube cuando varias fuentes independientes la confirman.

  1. The Decoder
    · confirmado por varias fuentes · artículo original ↗
  2. Google DeepMind
    · confirmado por varias fuentes · artículo original ↗
  3. Simon Willison
    · confirmado por varias fuentes · artículo original ↗
  4. Hipertextual
    · confirmado por varias fuentes · artículo original ↗
  5. Infobae Tecno
    · confirmado por varias fuentes · artículo original ↗
  6. MuyComputer estás leyendo esta
    · confirmado por varias fuentes · artículo original ↗
  7. Europa Press Portaltic
    · confirmado por varias fuentes · artículo original ↗
  8. Xataka
    · confirmado por varias fuentes · artículo original ↗
  9. Enter.co
    · confirmado por varias fuentes · artículo original ↗
  10. The Decoder
    · confirmado por varias fuentes · artículo original ↗
  11. WWWhat's new
    · confirmado por varias fuentes · artículo original ↗

Ver la historia completa con su línea temporal →

Relacionadas

Modelos y avances

Google lanza Gemini 4 Neon, un modelo intermedio centrado en el coste por tarea

Google ha presentado Gemini 4 Neon, un modelo situado entre Gemini 4 Carbon y Gemini 4 Hydrogen, con una ventana de contexto de un millón de tokens. Cuesta 3…

Por qué importaPara empresas que ejecutan muchas tareas agénticas o de código, el coste por tarea puede pesar más que la potencia máxima. Este modelo ofrece una…

Impacto medio Fiabilidad confirmado por varias fuentes Relevancia 7/10 WWWhat's new
Modelos y avances

Google lanza Gemini 4 Neon, casi el doble de rápido que Carbon y más barato, con cifras según sus propias pruebas

Google DeepMind ha lanzado Gemini 4 Neon, su cuarto modelo en siete semanas, con una ventana de contexto de un millón de tokens. Según Artificial Analysis…

Por qué importaPara una empresa, la misma capacidad a menor coste por tarea y más velocidad reduce el coste de automatizar procesos y programar con agentes. Las…

Impacto medio Fiabilidad confirmado por varias fuentes Relevancia 8/10 The Decoder
Modelos y avances

Google presenta Gemini 4 Neon, con rendimiento similar a Gemini 4 Carbon a un 32 % menos de coste por tarea

Google presentó el 18 de noviembre Gemini 4 Neon, un modelo con cuatro niveles de razonamiento que, según la compañía, iguala el rendimiento de Gemini 4 Carbon…

Por qué importaSi las cifras se confirman, reducen el coste de automatizar análisis documental y de programación complejos, lo que puede cambiar la elección de…

Impacto medio Fiabilidad confirmado por varias fuentes Relevancia 8/10 Enter.co
Modelos y avances

Google lanza Gemini 4 Neon, modelo orientado a programación y tareas complejas con precio intermedio

Google presenta Gemini 4 Neon, un modelo intermedio de su familia Gemini 4 centrado en programación y razonamiento, con una ventana de contexto de un millón de…

Por qué importaPara equipos de desarrollo y empresas que usan modelos de IA, el coste por tarea y la velocidad pesan tanto como la calidad. Conviene evaluar si Neon…

Impacto medio Fiabilidad confirmado por varias fuentes Relevancia 7/10 Xataka

Tu opinión

0 comentarios

Escribe un comentario

Sin registro. La primera vez te pediremos confirmar el correo y el comentario pasará por moderación; después se publican al momento si cumplen las normas y firmas con el mismo nombre.

Protección de datos. Responsable: Fernando Lobato, PhD. Finalidad: publicar y moderar tu comentario y evitar abusos. Base: tu consentimiento y, contra los abusos, nuestro interés legítimo. Se publica tu nombre, no tu correo. El texto pasa por un filtro con IA de Anthropic, en Estados Unidos, sin tu nombre ni tu correo, y se guarda un resumen de tu IP 90 días. La comprobación de robots es de Cloudflare. Puedes acceder a tus datos, pedir que los borremos y ejercer tus demás derechos como explica la política de privacidad.