Con la familia de modelos de Google en noviembre de 2026 ocurrió una paradoja poco común. El 18 de noviembre, la compañía lanzó el modelo «intermedio» Gemini 4 Neon: en teoría debía situarse discretamente entre el rápido Hydrogen y el pesado modelo insignia Carbon. Pero desde el primer día todo salió al revés: Neon, siendo menor en jerarquía, superó a Carbon en las pruebas generales, funciona bastante más rápido y cuesta en la API menos de la mitad que Claude Fable 5.2 y GPT-6.2 Astra.
A primera vista parece el candidato perfecto para el día a día. Sin embargo, en 24 horas las opiniones de los desarrolladores se dividieron en dos bandos. Unos mostraban juegos en 3D con física funcional y elogiaban el modelo al nivel de los líderes absolutos; otros se frustraban y volvían a Claude porque Neon devolvía fragmentos secos de código y tropezaba con cambios sencillos. Lo curioso es que ambos bandos tenían razón. Todo depende de dónde ejecutes el modelo, qué nivel de razonamiento actives y qué tareas le encargues.
Por qué el modelo intermedio de Google superó a Carbon y rompió su escala de precios
Si seguiste los lanzamientos de Google durante el último año, recordarás la larga pausa tras Gemini 3.1, cuando parecía que la competencia se había escapado muy lejos. De pronto el ritmo se aceleró sin freno: tras la salida de Argon pasaron 28 días hasta Carbon, 15 días hasta el ligero Hydrogen y apenas 6 hasta Neon. Como resultado, dentro de una misma cuarta generación quedó una jerarquía curiosa de elementos químicos donde los nombres no dan ninguna pista de quién manda.
En el escalón inferior está Hydrogen, un caballo de batalla rápido para programación cotidiana y tareas rutinarias de agentes, y el único modelo de la serie con acceso gratuito en Google AI Studio y en la aplicación Gemini. En lo más alto está Carbon, pesado y pausado, disponible solo en la suscripción cara Google AI Ultra y pensado para investigaciones largas. En medio colocaron a Neon, que de repente resultó más inteligente y más ágil que su hermano mayor.
Tabla comparativa oficial de la familia Gemini 4: comparación de Carbon, Neon y Hydrogen por puntuación en AA Index, tarifas de API, velocidad y niveles de razonamiento (Fuente: blog de Google)
Mira esta distribución: para la mayoría de las tareas de trabajo, Carbon simplemente perdió sentido. Neon lo supera en calidad, responde con mucha más agilidad y además recibió un cuarto nivel máximo de profundidad de razonamiento que Carbon ni siquiera tiene. La única razón para mirar hacia Carbon ahora es una promoción temporal hasta finales de noviembre y análisis muy específicos de varias horas donde importe el perfil de comportamiento anterior.
Eso sí, Neon no tiene plan gratuito. Puedes probarlo mediante facturación de pago en Gemini API y Google AI Studio, con la suscripción Google AI Pro de $20 al mes o con Google AI Ultra de $100 al mes. En el entorno corporativo también está abierto a través de Gemini for Business. Y aquí llega la primera sorpresa: en el plan Pro normal, al trabajar fuerte con código y agentes, los límites diarios se consumen en un par de horas, así que para desarrollo intensivo muchos topan pronto con el techo y pasan a Ultra.
El misterio de la brecha triple: el entorno Antigravity frente a AI Studio con un millón de tokens
Ahora veamos por qué una misma persona puede llamar fracaso a Neon por la mañana y modelo del año por la noche. La clave está en el entorno del agente, lo que en las reseñas en inglés llaman harness. El modelo de lenguaje es solo el motor. El entorno decide qué herramientas darle a ese motor: cómo leer archivos del proyecto, ejecutar la terminal, abrir el navegador para verificar el resultado, comprimir el contexto y repartir subtareas entre subagentes.
En las mediciones oficiales de Google DeepMind sobre la exigente prueba de programación SWE-sweep, este efecto se ve con total claridad. Cuando el mismo checkpoint de Gemini 4 Neon se ejecuta en la envoltura mínima Mini-SWE sin orquestación, resuelve un modesto 12.8% de las tareas. Basta con trasladar exactamente el mismo modelo al entorno propio Google Antigravity con orquestador, subagentes en paralelo y control de contexto para que el resultado se triplique hasta el 39.0%.
Tabla comparativa de benchmarks de Gemini 4 Neon frente a Claude Opus 5.5 y GPT-6.2 Sol, incluida la diferencia en SWE-sweep entre el entorno mínimo y el entorno propio (Fuente: blog de Google)
En la competencia el panorama es mucho más estable: en la misma tabla, Claude Opus 5.5 también mejora en su entorno nativo pero a otro nivel, y GPT-6.2 Sol incluso baja ligeramente en su circuito propio respecto al mínimo. Para Neon, en cambio, el entorno resultó ser un multiplicador crítico. Si lo conectaste mediante un chat sencillo o un script propio sobre la API sin un buen ciclo de verificación, estás viendo apenas un tercio de su capacidad real.
Hay otro detalle práctico: Google ofrece ahora tres plataformas distintas para ejecutar Neon, y cada una tiene sus límites. La diferencia más engañosa se esconde en el tamaño de la ventana de contexto, es decir, el volumen de datos que el modelo mantiene en memoria de trabajo en una sola pasada. En Google AI Studio y mediante la API directa está abierto el límite completo con salida síncrona de hasta 64 mil tokens y decodificación en segundo plano de hasta un millón, mientras que en Google Antigravity la ventana se reduce exactamente a la mitad.
| Plataforma de ejecución | Ventana de contexto | Principal ventaja | Para qué tareas elegirla |
|---|---|---|---|
| Gemini App | Ventana de chat básica | Arranque rápido e integración con Google Workspace | Prototipos en un minuto, trabajo con Docs, Sheets y Gmail |
| Google AI Studio / API | 1 millón de tokens | Contador de tokens en vivo, tarifa plana en todo el volumen | Archivos de video pesados, CSV enormes, PDF largos y auditoría |
Google Antigravity (IDE y CLI agy) | 512 mil tokens | Impulso triple en código, orquestador con Hydrogen, /swarm | Desarrollo de aplicaciones, refactorización, compilaciones autónomas |
La elección es sencilla y pragmática. Si necesitas pasarle al modelo una grabación de pantalla de una hora, una pila de contratos o una exportación gigante de base de datos, abre AI Studio: allí tienes todo el contexto y ves al instante cuánto gastas. Si necesitas programar un proyecto vivo, ejecutar pruebas y corregir errores, ve a Antigravity aunque tenga la mitad de contexto. En programación, la calidad del entorno compensa de sobra la memoria adicional.
Batalla en vivo: física 3D, código, video nativo y la revancha inesperada de Astra
Los números en tablas están muy bien, pero el carácter real de un modelo sale a la luz en tareas reales donde hay que construir algo funcional desde cero. El punto más fuerte de Gemini 4 Neon, que salta a la vista frente a Claude Fable 5.2 y GPT-6.2 Astra, es el razonamiento espacial, la física y los gráficos escritos en código puro con WebGPU y Three.js. Por si hace falta recordarlo: son tecnologías de navegador que ejecutan gráficos tridimensionales y cálculos físicos directamente en la página con aceleración de la tarjeta gráfica, sin instalar motores pesados.
En una serie de pruebas de estrés de física, Neon entregó resultados que hace un año habrían exigido un par de semanas de trabajo de ingeniería. En el reto del perro robot sobre piedra caliza irregular, al complicar el prompt, el modelo añadió por iniciativa propia adaptación independiente de cada pata a la pendiente, escaneo de obstáculos en cinco puntos por delante y torsión realista de la columna al girar. En la prueba clásica del «pelícano en bicicleta» en HTML, SVG y Three.js puros, la física de movimiento de Neon quedó muy por encima de la de GPT-6.2 Astra.
Plano infográfico de patente y esquema axonométrico en navegador: modelo cinemático tridimensional de un robot cuadrúpedo con puntos de escaneo de obstáculos y simulación WebGPU.
Y la cosa siguió subiendo. Con la combinación de Blender y WebGPU, Neon logró construir dos juegos completos de pinball con texturas PBR físicamente correctas, mapas de vitrales, multibola y sonido procedural generado por código al vuelo. A través de Blender MCP (el protocolo que permite al modelo controlar directamente el editor 3D), Neon reconstruyó una máquina de Turing de 1936 a partir de referencias históricas, armó un simulador 3D de descenso en esquí con frenado y aceleración, y resolvió con soltura una compleja simulación de humo en el lanzamiento de un cohete; en precisión de control de escena en Blender quedó justo detrás de Claude Fable 5.2.
Pero ¿cómo rinde en programación más cotidiana, donde no hacen falta perros robot? En una comparación directa de cuatro tareas idénticas con nivel de razonamiento High, las fuerzas entre Neon, Claude Fable 5.2 y GPT-6.2 Astra se repartieron de forma muy clara. En la landing page de turismo espacial, Fable 5.2 y Neon empataron: ambos lograron un diseño vivo, y Neon añadió además desplazamiento suave, configuración de la nave y un mapa de ruta animado, mientras GPT-6.2 Astra entregó una maqueta estática sin scroll. En el callejón 3D de Tokio ciberpunk bajo la lluvia, el primer puesto fue para Fable 5.2 por su densidad de detalles y sonido atmosférico; Neon quedó en un sólido segundo lugar con buenos reflejos en el asfalto mojado y cámara libre, mientras que a Astra se le descuadró el suelo y se le invirtió el ratón.
Las otras dos pruebas marcaron aún mejor la diferencia de estilo. En arte generativo con código (montañas de la Patagonia al amanecer), Fable 5.2 ganó por gusto artístico, pero Neon puso más ingeniería y sumó animación de olas junto con un deslizador para cambiar la hora del día. Y en un arcade de un solo botón, Neon se llevó el primer lugar con una mecánica orbital adictiva para esquivar un núcleo: Fable 5.2 hizo un juego más simple y claro desde el primer segundo, pero menos profundo, y Astra cerró el trío.
Después llegó un giro inesperado. Cuando les dieron a los mismos tres modelos una tarea puramente visual y creativa (crear el logotipo de una cafetería y una portada para YouTube), GPT-6.2 Astra se tomó una revancha contundente. Tanto Neon como Fable 5.2 entregaron un estilo genérico saturado y estropearon los rasgos faciales y la geometría del logotipo, mientras que Astra acertó en la composición al primer intento. Un buen recordatorio para quienes se apresuran a coronar un único modelo para todo.
Otra carta fuerte de Neon es el trabajo nativo con video y contexto largo. Claude todavía tiene que cortar un clip en fotogramas sueltos y pierde la dinámica entre ellos, mientras que Neon procesa el archivo de video completo. Arrastras una grabación desde el explorador de archivos a Antigravity y obtienes un análisis plano a plano con códigos de tiempo exactos de qué ajustar en el montaje o en la interfaz. Suma a esto su liderazgo en contexto largo (95.2% en GraphWalks en el rango de 256K a 1M de tokens frente al 66.8% de Opus 5.5) y en ciberseguridad: en SEC-bench Pro logra 90.5%, en WebExploitBench alcanza 51.3% y en CWE-Bench llega a 70.7%.
Y hay un detalle más que agradecerás en tu primera semana trabajando con documentos: Neon inventa datos con mucha menos frecuencia. Cuando la respuesta no está en el contexto, reconoce con tranquilidad que no lo sabe en lugar de inventar una historia convincente. En mediciones prácticas, la tasa de estas alucinaciones en Neon ronda el 14%, mientras que en la competencia suele superar la mitad en pruebas similares.
Economía de tokens, caché del 95% y la trampa del modo Extra High
Pasemos al dinero, donde Google tiene su argumento más sólido. Según las tarifas oficiales base de la API, tanto Claude Fable 5.2 como GPT-6.2 Astra son igual de caros, mientras que Gemini 4 Neon cuesta varias veces menos en cada token de entrada y de salida. En el gráfico siguiente se ve con claridad esa brecha en las tres tarifas: entrada normal, salida y entrada en caché.
Tarifas oficiales de API por 1 millón de tokens (entrada, salida y caché)
En sesiones largas reales la diferencia crece aún más por dos reglas ocultas. Primero, en Gemini 4 Neon funciona el almacenamiento en caché de contexto con un 95% de descuento: si lanzas una serie de consultas sobre el mismo código base o un paquete grande de documentos, la cabecera fija del prompt cuesta centavos. Segundo, Neon mantiene una tarifa plana para todo el millón de tokens. En GPT-6.2 Astra, al pasar el umbral de 272 mil tokens de entrada, el precio de entrada y caché se duplica y el de salida sube un 50%. En una auditoría pesada de repositorio, la factura del competidor se dispara en apenas diez pasos.
Pero ahorrar con Neon funciona solo hasta que mueves el interruptor equivocado de razonamiento. El modelo tiene cuatro niveles de thinking_level: low, medium, high (activo por defecto) y xhigh. Cuanto más alto es el nivel, más tokens ocultos de pensamiento procesa el modelo por dentro antes de responder, y esos tokens se cobran a la tarifa cara de salida.
En la prueba real del arcade 3D, ahorrar bajando a medium fue mala idea: en ese nivel el modelo armó una maqueta rudimentaria con un sonido corto en bucle, mientras que high con el mismo prompt generó un juego completo con banda sonora de un minuto y control ágil con el ratón. En cambio, subir la perilla al máximo en xhigh casi siempre se convierte en un gasto silencioso de presupuesto.
Gráfico oficial de AA Index v5.0.1: relación entre calidad y costo promedio por tarea para distintos niveles de razonamiento de Gemini 4 Neon y modelos competidores (Fuente: blog de Google)
La curva del gráfico es implacable: pasar de high a xhigh suma +72% de costo y +53% de tiempo de espera por tarea a cambio de un único punto de calidad. Pasa lo mismo en CursorBench (+1.7 puntos por +63% de precio) y en AutomationBench (+2 puntos por casi el doble de factura). Además, al analizar PDF largos, el modo máximo a veces rinde ligeramente peor porque el modelo empieza a darle demasiadas vueltas y se pierde en detalles innecesarios.
Por eso, para integraciones cotidianas por API y scripts de trabajo conviene fijar high de forma estricta y reservar xhigh solo para revisiones puntuales de código crítico o búsqueda de vulnerabilidades complejas. En el SDK oficial de Python google-genai se configura en tres líneas.
from google import genai
from google.genai import types
# El cliente toma automáticamente la variable GOOGLE_API_KEY
client = genai.Client()
prompt = (
"Realiza una auditoría de seguridad de este módulo "
"y propón un parche mínimo."
)
# Para el 95% de tareas usamos "high"; "xhigh" solo para revisión compleja
config = types.GenerateContentConfig(
thinking_config=types.ThinkingConfig(
thinking_level="high",
),
)
response = client.models.generate_content(
model="gemini-4-neon",
contents=prompt,
config=config,
)
print(response.text)
Si no indicas thinking_config, el modelo usará high por defecto, pero dejar el parámetro explícito en el código evita sorpresas al actualizar librerías y permite cambiar el modo según el endpoint. Por ejemplo, puedes usar low para clasificar tickets iniciales, high para generar funcionalidades y xhigh para la auditoría nocturna de autenticación.
Para estimar los números con tu propio volumen sin abrir hojas de cálculo, mueve los controles de abajo. La calculadora estima el costo real de una consulta pesada con las tarifas oficiales e incluye el salto de precio de GPT-6.2 Astra al superar los 272 mil tokens de entrada.
Calculadora de costo por consulta: Gemini 4 Neon vs Fable 5.2 vs GPT-6.2 Astra
Prueba mover el primer deslizador más allá de 272K y subir el porcentaje de caché al 70% u 80%: verás al instante cómo la economía de las sesiones largas con agentes en Neon se despega de la competencia por tres o cuatro veces. Y si además el modelo gasta menos tokens de salida gracias a su concisión, la factura mensual de desarrollo baja aún más.
Flujos de trabajo: revisión cruzada /gemini-review, /swarm nocturno y prototipos comerciales
El hallazgo práctico más astuto alrededor de Gemini 4 Neon es no usarlo en lugar de tu habitual Claude Code o Codex, sino en pareja con ellos como revisor independiente. Los modelos de Google DeepMind se entrenan con otra escuela y otros datos que los de Anthropic y OpenAI. Cuando una arquitectura «ajena» revisa el mismo código, detecta huecos lógicos y vulnerabilidades por los que el modelo autor pasó sin darse cuenta.
Aquí es donde el modo xhigh por fin justifica cada centavo. El código ya está escrito, la llamada se hace una sola vez antes del merge, y ese minuto extra de análisis profundo cuesta muy poco frente a un bug en producción. En la skill abierta /gemini-review del repositorio davidondrej/skills, este flujo se organiza mediante el orquestador Cloudroom: primero revisa en Antigravity CLI y, si no está disponible, activa la ruta de respaldo en Cursor CLI.
---
name: gemini-review
description: Independent Gemini 4 Neon review via Antigravity CLI
(Cursor CLI backup) at xhigh reasoning, returned verbatim.
triggers: [user, model]
---
# Gemini Review
# Ejecutamos Neon siempre en xhigh mediante Cloudroom:
# primero Antigravity CLI; respaldo en Cursor CLI.
Always use **Gemini 4 Neon** (`gemini-4-neon`) at `xhigh`,
orchestrated by Cloudroom.
## Routes
- Primary (Antigravity CLI):
`--provider acp-antigravity --model gemini-4-neon`
`--reasoning-level xhigh`
- Backup (Cursor CLI):
`--provider acp-cursor --model gemini-4-neon`
`--reasoning-level xhigh`
## Review brief
Give neutral context (scope, paths, intended behavior, diff).
Review only; do not change files. Include word for word:
"During your final answer, Rate each issue you find from 1 to 10
on how often it would happen, and 1-10 on how bad it would be"
Fíjate en dos detalles de esa plantilla. Primero, al revisor se le prohíbe tajantemente editar archivos: solo debe leer el diff y razonar, sin la tentación de reescribir medio proyecto en silencio. Segundo, la escala obligatoria de 1 a 10 en frecuencia y gravedad para cada hallazgo filtra de inmediato las quejas cosméticas sobre llaves y saca a la superficie los errores reales.
Esta misma idea ya se ejecuta en ciclos nocturnos de ciberseguridad sobre repositorios reales. Los modelos rotan cada día: hoy escanea Neon, mañana Opus, luego Fable, Astra y Sol. Si el agente no encuentra nada sospechoso, la rama se archiva sola en silencio. Si detecta algo, debe demostrar que la vulnerabilidad es reproducible, pasar la verificación por un segundo modelo en otro entorno y recién entonces entregar el parche listo al ingeniero.
La segunda combinación potente es el modo Orchestrator y el comando /swarm dentro de Google Antigravity. La idea es simple: tú planteas el objetivo, Gemini 4 Neon actúa como coordinador y reparte el trabajo bruto en paralelo entre un equipo de subagentes sobre el rápido Gemini 4 Hydrogen. Un agente reúne datos, otro diseña la interfaz, el tercero levanta el frontend y el cuarto arma el backend. El secreto para no amanecer con una maqueta bonita pero rota es integrar un ciclo de verificación obligatorio en el flujo: el propio agente abre la aplicación en el navegador integrado, hace clic en los botones, captura errores de consola y los corrige antes de cerrar.
En proyectos comerciales, esta combinación ya golpea las tarifas tradicionales de las agencias. Configuradores y lead magnets interactivos en 3D, por los que antes se cobraba entre $10,000 y $100,000, ahora se arman en una tarde con WebGPU. Se volvió muy popular la técnica del «caballo de Troya» para vender a negocios locales: en lugar de enviar un correo frío con una presentación, le pasas al agente la web de la empresa, en media hora armas una calculadora funcional o un prototipo renovado con su marca y envías el enlace vivo. Otro éxito práctico es la auditoría financiera de facturas y exportaciones desordenadas: Neon arma con soltura un modelo financiero nivel CFO a partir de recibos dispersos sin perder filas en volúmenes grandes.
Para programación diaria en Antigravity mantén el nivel high: entrega cerca del 97% de la calidad máxima sin sobrecosto. Cambia a xhigh solo para la revisión final con /gemini-review y auditorías de seguridad. Y si necesitas cargar un video largo o un paquete de hojas de cálculo mayor a 512K tokens, pasa directo a Google AI Studio.
Cuatro límites reales de Neon y cómo repartir roles entre modelos
Ahora veamos las asperezas: dónde Gemini 4 Neon desespera de verdad y por qué todavía es pronto para jubilar a Claude y OpenAI. El primer problema se nota desde la primera conversación: el modelo puede ser exageradamente breve. En comparación directa con Claude Fable 5.2, las respuestas de Neon suelen salir unas tres veces más cortas, cerca de un tercio del volumen. Para un ajuste rápido en terminal eso ayuda, pero si esperas un análisis de arquitectura detallado o una especificación extensa, tienes que pedir explícitamente en el prompt que no recorte detalles.
El segundo problema son sus muletillas de redacción cuando lo usas para artículos, boletines o landing pages. En pruebas reales de copywriting, Neon abusa de los guiones largos y de contrastes repetitivos del estilo "The real game isn't picking investments, it's surviving yourself" o "Agents don't just answer one prompt, they loop". Ese texto se siente artificial de inmediato. Solo se corrige con una lista estricta de estructuras prohibidas en el prompt del sistema o reescribiendo con otro modelo.
El tercer punto molesto es la confusión con nombres, límites y plataformas. Es imposible adivinar por el nombre que Neon es más fuerte que Carbon, no hay plan gratuito para probar, el contexto en Antigravity es la mitad que en AI Studio y la suscripción Pro de $20 se queda corta demasiado rápido al usar agentes de forma intensiva.
El cuarto punto débil es la madurez del propio entorno Google Antigravity, sin el cual Neon pierde dos tercios de su eficacia en código. La plataforma sigue sin aplicación móvil nativa (el equipo confirmó que está en desarrollo, pero por ahora solo hay PWA web). El navegador integrado para probar interfaces es menos estable que el de la competencia. El cliente de consola agy tiende a entrar en modo planificación por su cuenta incluso con auto activado y muestra muy poco detalle de las llamadas intermedias a herramientas. Además, en preguntas cortas de 10 a 20 segundos, Neon suele pensar de más y pierde frente a Claude Opus 5.5 en tiempo hasta el primer carácter en pantalla.
Por todo esto, en el trabajo real los equipos dividen cada vez más las tareas entre tres ecosistemas, sin intentar forzar un solo modelo para toda la jornada.
| Ecosistema y modelos | Dónde mantiene el liderazgo | Cuándo conviene cambiar al vecino |
|---|---|---|
| Claude (Opus 5.5, Fable 5.2, Claude Code) | Diapositivas nativas, documentos largos estructurados, entorno maduro con control móvil | Cuando necesitas análisis de video plano a plano, física 3D en código o contexto de 1M económico |
| OpenAI (GPT-6.2 Astra/Sol, Codex) | Modo de voz sobre la marcha, el uso de computadora en navegador más fiable, logotipos y miniaturas de YouTube | Cuando toca código 3D pesado, sesiones de más de 272K tokens o factura mínima de API |
| Gemini 4 Neon (Antigravity, AI Studio) | 3D/WebGPU y física en código, video nativo, auditoría de tablas hasta 1M, revisión cruzada /gemini-review y ciberseguridad | Cuando necesitas textos de marketing limpios sin clichés, respuesta en dos segundos o un entorno móvil pulido |
Esta combinación cierra la eterna discusión sobre quién «ganó hoy en IA». Dejas Claude para textos, presentaciones y el flujo diario habitual; OpenAI para voz, automatización de clics y creatividad visual; y Gemini 4 Neon para ingeniería 3D, video, documentos pesados y revisión independiente de código, donde su equilibrio entre precio y precisión hoy no tiene rival.





