Google DeepMind presenta Gemini 4 Neon: inteligencia de nivel fronterizo con finalización de tareas más rápida y a menor costo
Puntos clave
- •Google DeepMind lanzó Gemini 4 Neon el 18 de noviembre de 2026, posicionándolo entre Carbon, para los proyectos más difíciles y de largo plazo, y Hydrogen, para la ejecución cotidiana rápida, dentro de la familia Gemini 4.
- •El modelo ocupa el tercer lugar en el Artificial Analysis Intelligence Index con una puntuación de 61 y el segundo en el Vals Index, donde se sitúa en la frontera de Pareto, lo que significa que ningún modelo competidor combina una puntuación más alta con un menor costo por tarea.
- •Neon tiene un precio de 3 dólares por millón de tokens de entrada, 0,15 dólares por millón de tokens de entrada en caché y 15 dólares por millón de tokens de salida, con una ventana de contexto de un millón de tokens y cuatro niveles de razonamiento.
- •En benchmarks de ciberseguridad, Neon para ciberseguridad logró resultados de estado del arte, incluyendo 90,5% en SEC-bench Pro y 51,26% en WebExploitBench v1.2, con acceso para defensores de confianza desplegándose a través del Fairwind Program.
- •DeepMind reporta métricas mejoradas de seguridad y alineación, incluyendo 0,0% de trampas en Terminal-Bench 4.0, la tasa de fabricación más baja registrada en pruebas internas de Antigravity, y una tasa de éxito de ataque del 0,0% contra inyección indirecta de prompts en el benchmark de Gray Swan en el nivel de razonamiento más alto.

Google DeepMind presentó Gemini 4 Neon el 18 de noviembre de 2026, un nuevo modelo que, según la empresa, combina inteligencia de nivel fronterizo con una rápida finalización de tareas de extremo a extremo en flujos de trabajo complejos de ingeniería de software, trabajo del conocimiento y ciencia. El anuncio fue escrito por Koray Kavukcuoglu, vicepresidente sénior de Google DeepMind y arquitecto jefe de IA de Google. Dos ejes atraviesan el anuncio —el posición de Neon en los rankings independientes y el costo de cada tarea completada— y son las mismas palancas que los equipos evalúan al decidir si un modelo puede llevar de manera realista cargas de trabajo de agentes en producción.
Resultados de benchmarks, precios y disponibilidad
Según Google DeepMind, Neon se sitúa por delante de modelos comparables y tercero en el global con una puntuación de 61 en el Artificial Analysis Intelligence Index en su nivel de razonamiento xhigh, quedando justo detrás de modelos más grandes y lentos. En el Vals Index, Neon ocupa el segundo lugar y se ubica en la frontera de Pareto, una posición que significa que ningún modelo competidor combina una puntuación más alta con un menor costo por tarea. Más allá de la capacidad pura, la empresa afirma que continúa haciendo que sus modelos sean más fáciles de usar: Neon ocupa el segundo lugar en steerability —adaptándose con fluidez a correcciones del usuario a mitad de tarea— en el nuevo Agent Arena Index. El modelo también destaca en el seguimiento de instrucciones de múltiples pasos y se basa en el progreso continuo de DeepMind para frenar la fabricación de resultados, registrando su tasa de fabricación más baja hasta la fecha en pruebas internas de Google Antigravity.
Neon tiene un precio de 3 dólares por millón de tokens de entrada, con tokens de entrada en caché disponibles a 0,15 dólares por millón (un descuento del 95%) y tokens de salida a 15 dólares por millón. Ofrece una ventana de contexto de un millón de tokens. El descuento de entrada en caché se traslada directamente a los flujos de trabajo de agentes descritos más adelante en el anuncio, en los que sesiones de larga duración releen repetidamente grandes contextos, mientras que la amplia ventana es lo que hace posible la síntesis en un solo contexto de hojas de cálculo, PDF, gráficos, audio y video.
El modelo se lanza hoy en la Gemini API en Google AI Studio, en Gemini para empresas (vía API y menú desplegable de modelos), para los suscriptores de pago de Google AI Pro y Ultra en Google Antigravity, y para los suscriptores Pro y Ultra en la app de Gemini.
Rendimiento en trabajo empresarial, analítico y científico
El trabajo empresarial vive en hojas de cálculo, PDF, gráficos, audio y video. DeepMind afirma que Neon puede sintetizar todas estas entradas en una única ventana de contexto de un millón de tokens y convertirlas en entregables estructurados. Las evaluaciones independientes sitúan a Neon entre los mejores modelos: ocupa el segundo lugar en el Vals Index con una puntuación del 70,9%, y el primero tanto en el Legal Research Bench como en el Tax Agent Bench.
Neon también muestra victorias destacadas en varias categorías en Surge AI, ocupando el primer lugar en la mayoría de los benchmarks de finanzas, contabilidad, modelado de hojas de cálculo y seguimiento de restricciones complejas. Obtiene un 73,5% en Chartography para la lectura de gráficos profesionales densos y rinde a la par con los modelos líderes en Agents' Last Exam v1.1 (75,8%). Logra el primer lugar global tanto en AutomationBench de Zapier (56,3%) como en Vending-Bench 2 de Andon Labs (16.843 dólares), esta última una simulación de largo plazo de la gestión de un negocio. También debuta en el segundo lugar mundial con una puntuación de 1336 en el nuevo Agent Arena Index de Arena, basado en más de 4.200 sesiones reales de agentes.
En razonamiento científico y matemático —que abarca análisis cuantitativo, matemáticas y problemas de investigación técnica— Neon es el mejor de su clase en Terminal-Bench Science (70,5%), RiemannBench (84,0%) y HLE-Diamond (71,3%).
Diseñado para código listo para producción
Diseñado para flujos de trabajo de agentes de larga duración, Neon sostiene el rendimiento a lo largo de tareas complejas con uso intensivo de herramientas de extremo a extremo, ya sea de forma autónoma o actuando como un Orchestrator rápido y de buen criterio que dirige subagentes Hydrogen en paralelo en Google Antigravity. Reduce lecturas redundantes de archivos, comparte el progreso mientras trabaja y gestiona la compactación de contexto de manera confiable en sesiones largas.
En los flujos de trabajo centrales de desarrolladores e investigadores, Neon alcanza un rendimiento fronterizo y es competitivo con los modelos líderes de su clase. Ocupa el primer lugar global en el Artificial Analysis Coding Agent Index con una puntuación de 58,6, logra un 65,2% en Terminal-Bench 4.1 y un 46,2% en su configuración alta predeterminada en FrontierCode 2.0. Para código listo para producción, Neon gestiona la depuración y refactorización multiarchivo en varios repositorios con ediciones quirúrgicas y precisas. En SWE-sweep, ya lidera en el harness mini-SWE (12,8%) y más que triplica ese resultado hasta un 39,0% de vanguardia en Google Antigravity, lo que, según DeepMind, muestra lo que el harness de Antigravity desbloquea.
DeepMind también destacó proyectos de demostración creados con Neon en Google Antigravity:
- Conduciendo Blender MCP, Gemini 4 Neon usó /swarm para construir un banco de laboratorio 3D fotorrealista que visualiza los nombres de los modelos con precisión elemental, emparejando llamas de mechero Bunsen para Gemini 4 Carbon y Gemini 4 Hydrogen con tubos de descarga de gas de alto voltaje para Gemini 4 Argon y Neon.
- El modelo escribió desde cero un simulador de esquí freeride en primera persona con WebGL2 sobre el terreno de elevación real del Mont Blanc y Chamonix, combinando 10.200 líneas de shaders personalizados, física de esquí a 120 Hz en seis pistas alpinas, trazadas dinámicas, avalanchas de placa y audio espacial web con cero recursos prediseñados.
- Usando /swarm, Neon recurrió a fotos de archivo para recrear en 3D interactivo el estudio de 1936 de Alan Turing en King's College, Cambridge —desde la King's Chapel por fuera hasta la sala X.8 por dentro— completo con una Máquina de Turing Universal funcional sobre su escritorio.
- Un enjambre de agentes de Gemini 4 Neon convirtió una sola imagen en una hoja de Google de 100.000 celdas sin imágenes incrustadas ni Apps Script, usando más de 500.000 fórmulas activas de hoja de cálculo para ejecutar detección de bordes, mapear profundidad 3D y reluzcar la escena en seis modos interactivos.
Eficiencia y control para flujos de trabajo de grado de producción
DeepMind afirma que está refinando los niveles de razonamiento con cada nuevo lanzamiento de modelo para dar a los equipos un control más fino y una progresión más fluida entre niveles. Neon ofrece cuatro niveles de razonamiento que escalan de manera constante, permitiendo a los equipos ajustar la inteligencia y el gasto de tokens según lo que requiera cada carga de trabajo. Ese control refleja cómo los equipos de producción consumen realmente los modelos: el costo por tarea, no el precio por token, es la cifra que escala con el uso.
En benchmarks de terceros, Neon ofrece alto rendimiento a un menor costo por tarea. En su nivel de razonamiento alto predeterminado, combina una puntuación alta en el Artificial Analysis Intelligence Index con un costo por tarea un 32% menor que Carbon. También se sitúa en la frontera de Pareto tanto en el Vals Index como en Agent Arena en el nivel alto, con un costo por tarea aproximadamente entre un 50% y un 80% menor que los principales modelos fronterizo competidores. El nivel de razonamiento xhigh añade razonamiento más profundo y de múltiples pasos para las cargas de trabajo de ingeniería, análisis y ciencia más difíciles: Neon registra su puntuación de inteligencia más alta en este nivel, mientras cuesta un 36% o más menos por tarea que los modelos competidores en sus configuraciones máximas.
Diseñado para una ciberdefensa rápida, eficiente y de nivel fronterizo
A medida que escala la programación agéntica, DeepMind señala que generar código seguro desde el inicio es fundamental. Gemini 4 Neon para ciberseguridad produce código más seguro que Carbon en todos los desafíos fáciles, medianos y difíciles de AutoBaxBench, logrando el estado del arte en el nivel difícil (76%).
Asegurar sistemas también significa encontrar proactivamente fallas antes que los atacantes, y las pruebas de penetración han sido una piedra angular de la ciberseguridad empresarial. En WebExploitBench v1.2, Neon alcanza el estado del arte (51,26%) a la mitad del costo de los grandes modelos competidores.
Para reforzar código existente, Neon para ciberseguridad ofrece un rendimiento de nivel fronterizo a lo largo del ciclo de vida del endurecimiento de código —detección, validación y parcheado de vulnerabilidades— siendo más rápido y eficiente en costos que los grandes modelos fronterizo:
- Detección de vulnerabilidades de código: Neon logra un rendimiento de estado del arte en SEC-bench Pro (90,5%), costando aproximadamente la mitad por desafío.
- Validación de riesgos mediante explotación: para priorizar qué vulnerabilidades remediar, los defensores dependen de modelos que verifiquen cuáles son explotables. En ExploitGym, Neon alcanza un rendimiento de nivel fronterizo usando la mitad de los tokens de Carbon.
- Parcheado de vulnerabilidades: corregir la causa raíz de las vulnerabilidades es un paso crítico en el ciclo de vida de la defensa de ciberseguridad. Neon alcanza el 70,7% en CWE-bench v2 de Collinear, logrando una mejora de 3,4 puntos porcentuales sobre Carbon.
Gemini 4 Neon para ciberseguridad se está desplegando para defensores de confianza en los próximos días como parte del Fairwind Program.
Diseñado para una ejecución segura y confiable
Gemini 4 Neon se basa en las mejoras del stack de seguridad de Gemini 4, manteniendo protecciones de nivel Gemini 4 Carbon contra el uso indebido grave y la inyección de prompts, al tiempo que avanza más en alineación del modelo y comportamiento agéntico. Para un modelo destinado a llevar trabajo exigente y de larga duración en producción, DeepMind se concentró en tres áreas:
Mitigación de riesgos de seguridad por uso indebido fronterizo. Dado que Neon lleva capacidades de nivel fronterizo a un modelo más rápido y de menor costo, DeepMind lo emparejó con fuertes salvaguardas en tiempo real contra el uso indebido en ciberseguridad y biociberseguridad comparables a sus protecciones de Carbon, rechazando mucho menos trabajo legítimo en estas áreas —negando, por ejemplo, solo el 1,98% de las tareas en Terminal-Bench 4.0 y el 0% en Terminal-Bench-Science.
Avance de la alineación y el comportamiento disciplinado del modelo. En uso interno de programación, las tasas de alerta del monitor de desalineación de cadena de razonamiento y acciones se mantuvieron por debajo de las líneas base ya bajas establecidas por Carbon, lo que sugiere una mejor propensión a la alineación de Neon; ese mismo monitor se despliega para proteger a Neon en superficies externas. Neon está entrenado para completar trabajo de múltiples pasos sin recortar esquinas, fabricar resultados o exceder los límites del usuario, mejorando continuamente el equilibrio entre completar las solicitudes y mantenerse dentro del alcance. Igualó a Carbon con un 0,0% de trampas en Terminal-Bench 4.0 y tomó atajos en solo el 2,45% de las tareas en la evaluación de trampas en programación de DeepMind (la tasa más baja de cualquier modelo Gemini 4). También logró una tasa de acciones desalineadas del 0,09% en su suite de seguridad agéntica y una tasa de aprobación del 99,2% en su evaluación de honestidad de agentes. En la evaluación de comportamiento agéntico, Neon se basa en la sólida línea base de Carbon al reducir adicionalmente el servicio insuficiente entre un 43% y un 56% y el exceso de alcance entre un 15% y un 35% en los distintos niveles de esfuerzo.
Protección de los usuarios contra ataques de inyección de prompts indirecta. En el benchmark IPI de Gray Swan, Neon es más resistente que otros modelos de su clase cuando se plantan instrucciones maliciosas en las páginas web, correos electrónicos, documentos o código a los que accede. Con salvaguardas en tiempo real en su nivel de razonamiento más alto, Neon resistió todos los ataques del benchmark de Gray Swan, igualando la tasa de éxito de ataque del 0,0% alcanzada solo por otros modelos Gemini.
Más detalles están disponibles en la ficha técnica del modelo Gemini 4 Neon.
Diseñado para un análisis más profundo en la app de Gemini
En la app de Gemini, Gemini 4 Neon está orientado a trabajos que requieren razonamiento de nivel fronterizo y respuestas rápidas:
- Escritura y trabajo del conocimiento de mayor calidad: Neon escribe con claridad, con respuestas bien estructuradas y un tono natural y directo. Lee archivos subidos como hojas de cálculo, PDF y fotos con mayor precisión, convierte material denso en informes y resúmenes útiles, y extrae detalles relevantes de apps de Google como Gmail y Docs.
- Investigación y análisis confiables: Neon incorpora con frecuencia detalles de fuentes de toda la web para mantener las respuestas actualizadas en temas de rápida evolución, como comparar precios entre proveedores antes de una compra importante o preparar un informe complejo con los últimos datos del mercado.
- Ayuda más rápida para tareas más difíciles: las tareas en Gemini ahora pueden ejecutarse en Neon, resolviendo trabajos complejos de múltiples pasos más rápida y eficientemente que con modelos más grandes. Los usuarios pueden lograr más mientras estiran sus límites de uso al delegar pendientes tediosos, como analizar estados de cuenta para descubrir por qué se disparó un cargo de servicios o cotejar varios recibos y documentos para negociar un reembolso.
El lugar de Neon en la familia Gemini 4
Neon está diseñado para programación compleja, razonamiento analítico y flujos de trabajo empresariales de grado de producción. Dentro de la familia Gemini 4, Carbon aborda los proyectos más difíciles y de largo plazo y Hydrogen gestiona la ejecución cotidiana rápida, mientras que Neon equilibra profundidad y eficiencia, ofreciendo razonamiento de nivel fronterizo para flujos de trabajo complejos y de alta frecuencia de forma más rápida y eficiente en costos. Para los equipos, esta segmentación se convierte en una decisión de enrutamiento: emparejar la dificultad y frecuencia de cada carga de trabajo con el modelo cuya economía por tarea se ajuste mejor.
Detalles del despliegue
Gemini 4 Neon comienza a desplegarse hoy:
- Para desarrolladores: construir con el nivel de pago de la Gemini API en Google AI Studio y Android Studio; los suscriptores de pago de Google AI Pro y Ultra pueden probar Neon en Google Antigravity, y todos los suscriptores Pro y Ultra pueden probarlo en AI Studio.
- Para empresas: usar Gemini 4 Neon en Gemini para empresas, vía API o menú desplegable de modelos, y en Google Antigravity.
- Para consumidores: los suscriptores de Google AI Pro y Ultra pueden seleccionar Gemini 4 Neon desde el menú desplegable de modelos en la app de Gemini.
- Para defensores de ciberseguridad: los miembros elegibles del Fairwind Program comenzarán a recibir acceso en los próximos días; para solicitar acceso al Fairwind Program, contacte a su equipo de cuenta de Cloud.
Sobre el autor
Koray Kavukcuoglu es uno de los expertos más destacados del mundo en inteligencia artificial. Como vicepresidente sénior de Google DeepMind, lidera el desarrollo de los modelos de IA generativa más avanzados de Google DeepMind y su integración a escala en los productos de Google. Antes de su cargo actual, fue vicepresidente de Investigación en Google DeepMind, donde fundó el equipo de deep learning y su equipo pioneers logró importantes avances de investigación como DQN (Deep Q-Network) y WaveNet.
El anuncio original está disponible en el blog de Google DeepMind en https://deepmind.google/blog/introducing-gemini-4-neon/