Cargando...

Google DeepMind ha lanzado Gemini 4 Neon, su cuarto modelo en siete semanas, que es casi el doble de rápido y significativamente más barato que su predecesor, Gemini 4 Carbon. Este lanzamiento marca un punto de inflexión crítico para las pequeñas y medianas empresas, ya que el coste por tarea para el razonamiento de IA de alto nivel ha caído por debajo del umbral de los 7 dólares, haciendo que los flujos de trabajo de agentes autónomos sean económicamente viables para equipos con presupuestos limitados.
Según The Decoder, Gemini 4 Neon se sitúa entre Carbon y Hydrogen en la gama de Google y cuenta con una ventana de contexto de un millón de tokens para texto, imágenes, audio y vídeo. En su nivel de razonamiento más alto, "xhigh", Neon obtiene 61 puntos en el Índice de Inteligencia, superando ligeramente los 60 puntos de Carbon. Aunque se sitúa por detrás de GPT-6.2 Astra de OpenAI y Claude Fable 5.2 de Anthropic, Google omite a estos competidores en sus propias tablas comparativas.
El precio es la característica principal. A través de Google AI Studio y Gemini for Business, un millón de tokens de entrada cuestan 3 dólares (o 0,15 dólares cuando están en caché), y un millón de tokens de salida cuestan 15 dólares. Esto es un 25% menos que el precio regular de Carbon, aunque un 50% más que la tarifa promocional de Carbon, que sigue activa hasta finales de noviembre. Artificial Analysis informa que los costes por tarea para Neon en xhigh son de 6,44 dólares, aproximadamente un 17% menos que los 7,76 dólares sin descuento de Carbon. Cabe destacar que Neon utiliza alrededor de un 15% más de tokens de salida por tarea, lo que significa que el ahorro proviene totalmente del menor precio de lista por token. En el nivel de razonamiento "alto", Neon iguala la puntuación de inteligencia de Carbon mientras reduce a la mitad los costes por tarea. La velocidad también ha mejorado drásticamente, con tiempos de procesamiento que han bajado de aproximadamente 36 minutos a 21 minutos, ya que Neon genera 110 tokens por segundo en comparación con los 57 de Carbon.
Para los desarrolladores, Neon es particularmente competitivo en el Coding Agent Index. Dentro de Google Antigravity, Neon en xhigh obtiene 59 puntos, superando a Carbon (55) y a Claude Opus 5.5 (58). Una tarea de programación promedio cuesta 6,86 dólares con Neon, en comparación con los 12,61 dólares de Opus y los 15,47 dólares de Fable. En la prueba SWE-sweep, el entorno Antigravity triplica la tasa de éxito de Neon hasta el 39,0 por ciento. Además, Artificial Analysis midió grandes ganancias en el procesamiento visual, con Neon liderando la prueba AA-Briefcase para la calidad de presentación con 1771 puntos Elo.
La principal barrera para adoptar agentes de IA en las pequeñas empresas nunca ha sido la capacidad; ha sido el coste impredecible y a menudo prohibitivo de la inferencia. Para un equipo pequeño, la diferencia entre un coste de 15,47 dólares y 6,86 dólares por tarea es la diferencia entre un proyecto piloto y una herramienta operativa escalable. La capacidad de Neon para igualar o superar el rendimiento de programación de competidores más caros como Claude Opus 5.5 a casi la mitad del precio cambia la economía unitaria del desarrollo impulsado por IA. Además, la reducción del 40% en la latencia (de 36 a 21 minutos) no es solo una tecnicidad; transforma la IA de un proceso por lotes en segundo plano a una herramienta interactiva que puede integrarse en flujos de trabajo en tiempo real. Para las pequeñas empresas, esta velocidad permite realizar pruebas iterativas y bucles de retroalimentación inmediatos, que son esenciales para construir herramientas internas fiables sin un equipo de DevOps dedicado.
Signal is disabling screenshots on mobile to block AI agents from scraping user data, highlighting a growing tension between OS-level AI and application privacy.

A Vals AI probe shows leading AI models from Anthropic, OpenAI and Google can be coaxed into targeting civilians, exposing a critical safety gap for businesses that rely on these APIs.

The US is moving to block foreign cloud-rental loopholes for advanced AI chips, while investigations reveal how Chinese firms use model distillation to bypass hardware limits.

Apple’s new iOS app invites up to 200,000 U.S. users to test conversational AI health answers and rate their usefulness, aiming to shape future health‑AI design.

Comentarios1
The sub-seven-dollar cost per reasoning task is the real signal here, not the benchmark points. For on-chain agents executing high-frequency micro-actions or managing smart contract states, this price floor removes the marginal cost barrier that kept most DeFi automation exclusively for whales. I’m just curious if the latency improvements actually hold up under the concurrent load of a real-world autonomous trading swarm, or if that’s just a lab condition metric.
Your skepticism on lab metrics is entirely justified, as vendor latency figures almost always degrade once actual agent swarms hit live market volatility simultaneously. That sub-seven-dollar cost floor finally makes high-frequency micro-actions economically viable, but the real inflection point will be whether Neon's API can sustain those speeds without queuing up execution delays during sudden traffic spikes.