Una tarjeta de título generada que dice «Gemini 4 Neon está adaptado de Carbon», con el subtítulo «Una frase, repetida siete veces y nunca definida», junto a un diagrama de árbol genealógico: Gemini 4 Argon encima de Gemini 4 Carbon, etiquetado como «basado en», ramificándose hacia abajo hasta Gemini 4 Hydrogen y Gemini 4 Neon, ambos etiquetados como «adaptado de».
Guides & Insights

Gemini 4 Neon está adaptado de Carbon: lo que la tarjeta no definirá

Autor

Elias Hawthorne

Fecha de publicación

Últimos modelos · 20Ver todos los modelos →
Benchmarks: Artificial Analysis · actualizado a diario
Volver a todas las publicaciones

La ficha del modelo publicada de Gemini 4 Neon dice exactamente una cosa sobre el origen del modelo, y lo dice siete veces: «Gemini 4 Neon es una adaptación de Gemini 4 Carbon». Esa es toda la explicación publicada sobre la relación entre Gemini 4 Neon, Gemini 4 Carbon, Gemini 4 Argon y Gemini 4 Hydrogen. No hay recuento de parámetros, ni declaración de qué se adaptó, ni definición de la palabra. Seis semanas de lanzamientos de Gemini 4 dependen de esa única cláusula indefinida, y ahora se interpreta en X y en los resúmenes de lanzamiento como si «adaptado» fuera un término técnico con un significado asentado. No es algo que Google haya zanjado.

Lo que sigue separa las tres cosas que aquí son fáciles de confundir: lo que la tarjeta imprime literalmente, lo que eso implica y lo que actualmente es conjetura. Todo lo citado proviene de una página de Google DeepMind consultada el 19 y el 20 de noviembre de 2026; todo lo inferido se etiqueta como inferencia y se mantiene en su propio párrafo, de modo que puedes descartarlo sin perder los hechos.

Siete oraciones idénticas

La tarjeta se organiza bajo los encabezados Información del modelo, Datos del modelo, Implementación y sostenibilidad, Distribución, Evaluación, Uso previsto y limitaciones, y Seguridad y protección. En siete de esos apartados, el texto del cuerpo es la misma cláusula, seguida de una referencia a la tarjeta Carbon:

• Dependencias del modelo — “Gem​ini 4 Neon está adaptado de Gemini 4 Carbon.”

• Arquitectura — la misma frase, luego «consulte la ficha del modelo Gemini 4 Carbon».

• Conjunto de datos de entrenamiento — la misma frase, luego el mismo puntero a Carbon.

• Procesamiento de datos de entrenamiento — la misma oración, luego el mismo puntero.

• Hardware — la misma frase, luego el mismo puntero.

• Software: la misma frase, luego el mismo puntero.

• Uso aceptable — la misma frase, luego el mismo puntero.

La tarjeta nunca guarda silencio sobre el linaje. Tampoco es nunca específica. «Adaptado de» conlleva un puntero en lugar de contenido: todo lo que un lector querría saber —el número de parámetros, qué capas cambiaron, si se entrenó un modelo más pequeño contra uno más grande, qué datos eran nuevos— se delega a un documento sobre un modelo diferente, y ese documento tampoco responde a nada de eso. La tarjeta de Carbon dice que Carbon está «basado en Gemini 4 Argon» y luego apunta a Argon, que dice que Argon es «un modelo transformer a gran escala basado en una mezcla dispersa de expertos (MoE)» y «no es una modificación ni un ajuste fino de un modelo anterior». Seguir la cadena de principio a fin te dice que Neon desciende de algo que desciende de algo que es nuevo. No te dice qué hizo «desciende».

Dos frases, sin diferencia indicada

La comparación más interesante no es Neon frente a su matriz. Es el vocabulario que Google utiliza en toda la familia, porque el mismo editor usa dos frases diferentes para dos relaciones diferentes y nunca explica por qué:

• Gemini 4 Argon, ficha publicada el 13 de octubre de 2026 — «no es una modificación ni un ajuste fino de un modelo anterior». Se usó una vez, en Dependencias del modelo.

Gemini 4 Carbon, ficha publicada el 10 de noviembre de 2026 — «basada en Gemini 4 Argon». Se utiliza seis veces, en Dependencias del modelo, Arquitectura, Conjunto de datos de entrenamiento, Hardware, Software y Uso aceptable.

• Gem​ini 4 Hydrogen, ficha publicada el 12 de noviembre de 2026 — «adaptada de Gemini 4 Carbon». Se utiliza siete veces, en los mismos siete lugares en los que Neon lo usa.

• Gem​ini 4 Neon, tarjeta publicada el 18 de noviembre de 2026 — “adaptada de Gemini 4 Carbon”. Siete veces.

A generated four-column comparison card headed 'The Gemini 4 family — four cards, four rows', counting one lineage phrase across the published model cards: Argon published 13 October 2026, 'not a modification', stated once; Carbon 10 November 2026, 'based on Argon', six times; Hydrogen 12 November 2026, 'adapted from Carbon', seven times; Neon 18 November 2026, same phrase, seven times; every card listing a March 2026 knowledge cutoff.

Así que «adaptado de» no es una frase acuñada para Neon. Hydrogen la llevó seis días antes, y las dos tarjetas la usan de forma idéntica: las mismas palabras, los mismos campos, el mismo progenitor. Sea lo que sea que signifique adaptación aquí, es la relación estándar para un modelo construido sobre Carbon, y en el texto se distingue visiblemente de «basado en», que es la relación de Carbon con Argon. Ninguna de las dos frases se define en ningún lugar de la documentación de la familia. Un lector que asume que «adaptado de» significa algo más débil o más estrecho que «basado en» está asumiendo; un lector que asume que ambas significan lo mismo está asumiendo con la misma fuerza en la dirección opuesta.

Lo que dice la sección de arquitectura

Esta es la parte que los resúmenes que circulan omiten. La ficha de Neon no contiene ninguna aparición de “distill”, “distillation”, “prune”, “quantize” o “mixture-of-experts”, ningún recuento de parámetros, y la palabra “smaller” no aparece. La sección de arquitectura es una sola frase y una referencia a Carbon. Tampoco la ficha usa nunca “post-trained” —la palabra exacta que el hilo de X que motivó este artículo notó que faltaba. Esa ausencia es real y verificable.

Screenshot of the Google DeepMind model card page for Gemini 4 Neon, showing the published date of 18 November 2026, the Model Information tabs, and the Model dependencies line reading 'Gemini 4 Neon is adapted from Gemini 4 Carbon.'

El único lugar donde la ficha nombra técnicas de entrenamiento es la sección «Safety and Security», en una frase que empieza «La seguridad y la protección se incorporaron en Gem​ini 4 Neon a lo largo del ciclo de vida del entrenamiento y el despliegue, incluido el filtrado de datos previo al entrenamiento, la alineación posterior al entrenamiento (ajuste fino supervisado y aprendizaje por refuerzo)…». Si se lee de prisa, parece la divulgación que el resto de la ficha omite. No lo es. La frase idéntica, palabra por palabra, aparece en la ficha de Carbon y en la de Hydrogen. La ficha de Argon no la incluye en absoluto. Es una plantilla de proceso de seguridad aplicada a todos los modelos construidos sobre Carbon, y usarla como prueba de que Neon recibió entrenamiento posterior con aprendizaje por refuerzo es leer texto de plantilla como si fuera una divulgación sobre el entrenamiento. La ficha no dice que Neon recibiera entrenamiento posterior. Tampoco dice que no lo recibiera.

El corte es el único hecho que tiene fecha.

La ficha sí ofrece un dato firme y comprobable sobre la procedencia, y es fácil pasarlo por alto porque aparece bajo Limitaciones conocidas, y no cerca del párrafo sobre la arquitectura: «El corte de conocimiento de Gem​ini 4 Neon es marzo de 2026, aunque en algunos dominios el conocimiento del modelo puede estar menos actualizado».

• Gemini 4 Argon — marzo de 2026 (la ficha lo indica para la familia: «El corte de conocimiento de Gemini 4 es marzo de 2026»).

• Gemini 4 Carbon — marzo de 2026.

• Gem​ini 4 Hydrogen — marzo de 2026.

• Gem​ini 4 Neon — marzo de 2026.

Cuatro modelos en cinco semanas, cuatro fechas de corte idénticas. Lo que se añadiera entre Argon en octubre y Neon en noviembre no fue una nueva porción del mundo; cualquier mejora de capacidad proviene del método, la selección de datos o el cómputo de entrenamiento sobre material que la familia ya tenía. Esa es una restricción genuina a la lectura de «entrenaron un modelo nuevo encima», y es la única afirmación cuantitativa sobre la construcción del modelo que hace la ficha.

El hallazgo del MCC que nadie citó

En la sección de Evaluación de Seguridad de Frontera se esconde una comparación que Google realizó y no incluyó en los materiales de lanzamiento. La empresa evaluó si Neon mostraba «{{1}}capacidades nuevas significativas o aumentos sustanciales del rendimiento en relación con la versión de modelo más reciente sometida a una evaluación de capacidades críticas, que era Gemini 4 Argon.{{/1}}» Su conclusión: «Gemini 4 Neon mostró un aumento de la capacidad general según nuestra evaluación MCC en comparación con Gemini 4 Argon; sin embargo, esto queda por debajo de nuestro umbral de MCC».

Interpreta eso como una declaración de capacidades y no de seguridad. La evaluación interna de Google sitúa a Neon por encima de Argon, y la ficha traslada las evaluaciones de capacidades y las determinaciones de umbral de Argon en lugar de volver a ejecutarlas, sobre la base de que nada relevante cambió. Por lo tanto, el 61 del Intelligence Index que reporta la ficha no es solo un número de proveedor en una tabla: es coherente con un hallazgo interno de que el modelo derivado supera al modelo del que desciende.

La misma sección es donde los dos hermanos «adaptados de» dejan de ser intercambiables. La tarjeta de Hydrogen dice lo contrario que la de Neon: “Gem​ini 4 Hydrogen no mostró un aumento sustancial en la capacidad general bajo nuestra evaluación MCC en comparación con Gemini 4 Argon”. Mismo progenitor, misma frase, hallazgo opuesto. Así que «adaptado de Gemini 4 Carbon» no es una etiqueta de fortaleza. Describe una familia de derivados, al menos uno de los cuales añadió capacidad medible y al menos uno de los cuales no.

Lo que produce una tabla de precios incómoda. Hasta el 30 de noviembre de 2026, Gemini 4 Neon cuesta $3.00 por millón de tokens de entrada y $15.00 por millón de tokens de salida, mientras que Gemini 4 Argon —el modelo con el que se mide Neon y al que, internamente, supera— cuesta $2.00 y $10.00. El derivado es un 50 % más caro por token que el ancestro cuyas evaluaciones hereda. A partir del 1 de diciembre, cuando Carbon y Argon pasen a $4.00/$20.00, eso se invierte y Neon pasa a ser un 25 % más barato que ambos. Ninguna de las dos cifras dice nada sobre el tamaño del modelo: el precio por token es una decisión comercial, y Google nunca ha puesto precio a esta familia en función del número de parámetros.

Por qué el precio va en contra de Matryoshka

La hipótesis más específica en circulación es que la familia está anidada —que Carbon contiene a Neon de la manera en que una muñeca Matryoshka contiene una más pequeña, y que Neon se obtuvo destilando el modelo más grande en uno más barato, posiblemente con aprendizaje por refuerzo adicional encima. Es una conjetura razonable. Explica por qué un derivado compartiría una fecha de corte de conocimientos, por qué la ficha técnica remitiría la arquitectura al modelo padre y por qué Google evitaría “post-trained” para un modelo que, según esa lectura, no fue tanto post-entrenado como extraído.

Tres cosas en el registro público argumentan en contra de la versión simple. La primera es el precio: un modelo destilado y más pequeño normalmente es más barato por token que su maestro, y Neon se lanzó un 50 % por encima de la tarifa introductoria de Carbon. Un modelo más barato de servir vendido con prima es posible —eso es un nivel más rápido—, pero elimina la pieza más fuerte de evidencia circunstancial a favor de la lectura de destilación. La segunda es Hydrogen: el modelo más barato de la familia, $1.50/$7.50 con el único nivel gratuito, lleva la idéntica formulación «adaptado de Gemini 4 Carbon» en los mismos siete espacios. Si la frase describiera una técnica específica, dos modelos en extremos opuestos de la escala de precios no la llevarían ambos. La tercera es que la propia tarjeta, cuando quiere hablar de eficiencia, lo hace en la Descripción —«Neon equilibra profundidad y eficiencia»— y no en la sección de arquitectura, que está vacía de contenido.

La postura honesta es que el lenguaje de la tarjeta distingue tres relaciones —modelo nuevo, basado en, adaptado de— sin definir ninguna de ellas, y que la hipótesis Matryoshka es una lectura plausible de un documento insuficientemente especificado, no un hallazgo. Un modelo de muñecas rusas suele mostrar un recuento de parámetros y un relato sobre el tamaño de servicio. Esta tarjeta no muestra ninguno de los dos, y la única afirmación con forma de tamaño que contiene es una frase de posicionamiento.

Cuatro tarjetas, tres trampas de comparación

Cualquiera que arme una afirmación de “Neón versus Carbono” a partir de estos documentos se topa con tres desajustes distintos, y es fácil caer en cada uno de ellos.

• Versión del índice. La tarjeta Neon informa “AA Index v5.0.1: 61”, frente a Claude Opus 5.5 con 59 y GPT-6.2 Sol con 57, con resultados fechados en noviembre de 2026. La tarjeta Carbon, publicada tres semanas antes, informa “AA Index v5.0: 59”, frente a Opus 5.5 con 58 y Gemini 4 Argon con 50, con resultados fechados en octubre de 2026. El sufijo cambió entre las dos tarjetas, por lo que una diferencia de dos puntos medida en versiones distintas del índice no es una diferencia de dos puntos.

• Nivel de razonamiento. El 61 es un techo, no un valor predeterminado. Artificial Analysis, cuyo índice cita Google, publica cuatro puntuaciones de Neon en v5.0.1: 44,1 en bajo, 54,9 en medio, 59,6 en alto —el nivel al que Neon recurre por defecto— y 61,4 en xhigh. Carbon se sitúa en 60,0. Así pues, la configuración predeterminada del modelo obtiene una puntuación inferior a la de su modelo matriz, mientras que su configuración máxima la supera, y la ficha del proveedor solo muestra la máxima. Ambas cifras son del rastreador, no de Google, y ambas estaban vigentes el 20 de noviembre de 2026.

• Versión del benchmark y harness. La ficha de Neon indica Terminal-bench 4.1 con un 65,2 % ajustado por trampas, frente a Opus 5.5 con un 65,8 %, una pérdida. La ficha de octubre de Carbon indica “Terminal-Bench 4.0 (AA)” con un 65,2 %. Dos fichas, el mismo número, versiones distintas del benchmark, lo cual es una coincidencia y no una comparación. Las filas de SWE-sweep son peores: Neon indica un 39,0 % en un “provider harness” y un 12,8 % en un “Mini-SWE harness”, mientras que Carbon indica un único 9,6 % sin calificador de harness. Son tres configuraciones y no pueden alinearse como una mejora de 29 puntos.

Screenshot of the Artificial Analysis page for Gemini 4 Neon, headed 'Intelligence, Performance & Price Analysis', showing ranks 46 of 96 and 73 of 95, 110 output tokens per second, $3.00 input and $15.00 output per million tokens, an intelligence index of 61 at xhigh effort, and the note that the model is slow per task and very verbose.

Todo lo demás en la tarjeta Neon es informado por el proveedor y no se ha reproducido: CursorBench 4.1 con 65.4% (Opus 5.5 58.1%), FrontierCode 2.0 con 46.2% (47.3%, una pérdida), GraphWalks de 256k a 1M con 95.2% (66.8%), AutomationBench 56.3% (42.5%), SEC-bench Pro 90.5%, RiemannBench 84.0%. Dos de las cifras de programación son pérdidas frente a un competidor, lo cual vale la pena señalar porque los resúmenes de lanzamiento citan las victorias y omiten esas.

¿Qué lo zanjaría?

Cuatro cosas harían que «adaptado» pasara de ser una inferencia a un hecho. Todavía no existe ninguna.

• Una divulgación del recuento de parámetros o del hardware de servicio para Neon. La sección Hardware es una mera referencia a Carbon; una cifra real separaría de inmediato un derivado podado o destilado de una variante hermana reajustada.

• El Informe de Seguridad y Protección de Gemini 4 Neon, que, según la ficha, «estará disponible en los próximos días». Los informes de seguridad han incluido históricamente detalles sobre capacidades que la ficha pública omite.

• Datos de eficiencia de tokens con calidad equivalente. La documentación de lanzamiento de Google afirma que Neon ofrece «un uso de tokens más reducido» y la ficha no cuantifica nada. Si Neon realmente emite menos tokens por tarea que Carbon, la cuestión del linaje importa menos que la cuestión de la factura.

• Cualquier declaración de Google que defina {{1}}«adaptado de»{{/1}} frente a {{2}}«basado en».{{/2}} Hasta entonces, las dos expresiones son una distinción que el editor ha trazado y se ha negado a explicar.

Cómo usar un modelo subespecificado

Nada de esto es motivo para evitar el modelo. Es motivo para evaluarlo en lugar de inferirlo a partir de la ficha. Neon es solo para el nivel de pago —sin cuota gratuita—, con cuatro niveles de razonamiento (bajo, medio, alto como predeterminado, xhigh), una ventana unificada de 1,048,576 tokens con salida síncrona de 64K y decodificación larga hasta 1M, solo caché implícita, batch y flex a mitad de precio ($1.50/$7.50), y prioridad a 1.8× ($5.40/$27.00; entrada en caché $0.27 en ese nivel frente a $0.15 estándar). La generación de audio, la generación de imágenes y la Live API se marcan como no compatibles; la ejecución de código, el uso de computadora, la llamada a funciones, las salidas estructuradas, la búsqueda de archivos, el contexto de URL y ambas opciones de fundamentación son compatibles.

La consecuencia práctica de un linaje poco especificado es que deberías medir eso que la ficha omite —tokens de salida por tarea completada— en la configuración que realmente desplegarías. Ejecuta las mismas 20 o 30 tareas en Neon en alto y en Carbon en su medio predeterminado, cuenta tokens en lugar de tokens por dólar y compara con tu propia factura. Un modelo que es un 50% más caro por token y un 30% más eficiente por tarea es más barato; uno que es un 50% más caro e igual de verboso no lo es, y ninguna ficha de esta familia te dirá cuál tienes.

Nuestro propio catálogo es una respuesta parcial a la segunda mitad de ese problema. Incluye “google/gemini-4-carbon” y “google/gemini-4-argon”, y no incluye Gemini 4 Neon —hoy la página del modelo no devuelve nada—, así que nada de lo que aquí se dice debe interpretarse como una oferta de enrutarlo. Lo que el enrutador sí te ofrece mientras evalúas es una única clave y una única factura para los modelos que estás comparando, con el precio de lista del proveedor repercutido sin recargo, de modo que el ajuste del 1 de diciembre en Carbon y Argon (de $2.00 a $4.00 de entrada, de $10.00 a $20.00 de salida) llegue a tu factura el mismo día que llega a la página de precios de Google, en lugar de quedar absorbido en el margen de un revendedor. Y como una cadena de respaldo puede poner a Carbon detrás de Neon, un derivado sin probar puede soportar tráfico de producción sin ser lo único que se interpone entre tus usuarios y una interrupción.

La pregunta abierta no es si «adaptado de» es honesto —lo es claramente, hasta donde llega—, sino si una ficha que repite siete veces una cláusula sin definir, se publica sin un recuento de parámetros y remite la arquitectura, los datos, el hardware y el software a un documento hermano constituye una divulgación suficiente para un modelo que cuesta más por token que aquel del que desciende. Con la evidencia actual, Google nos ha contado la forma del árbol genealógico y nada sobre las ramas. El Safety & Security Report, cuando llegue, es el siguiente documento que vale la pena leer.