Tarjeta de título principal que dice Gemini 4 Neon, en vivo el 18 de noviembre de 2026, con un subtítulo que dice cinco cambios a nivel de solicitud, y una línea de pie de página que dice precios y niveles de pensamiento según la documentación de la API de Gemini de Google, verificado el 20 de noviembre de 2026
Engineering & Research

Gemini 4 Neon ya está disponible: cinco cambios de API para los que planificar

Autor

Gideon Frost

Fecha de publicación

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

G​emini 4 Neon alcanzó la disponibilidad general el 18 de noviembre de 2026, y el documento interesante no es la publicación de lanzamiento. Es la lista de verificación de migración que G​oogle publica justo debajo, que es donde descubres que mover el tráfico de producción a G​emini 4 Neon desde Gemini 3.8 Flash, o desde Gemini 4 Carbon o G​emini 4 Hydrogen, cambia más que una cadena de modelo. Cambian cinco comportamientos a nivel de solicitud: uno de ellos de forma silenciosa, otro con un 400 y otro por un factor que solo notarás en la factura. El resumen que G​oogle hace del modelo en sí es modesto: inteligencia de nivel de frontera con finalización rápida de tareas de extremo a extremo en ingeniería de software compleja, trabajo del conocimiento y ciencia, situándose entre G​emini 4 Hydrogen y Gemini 4 Carbon para tareas complejas de alta frecuencia. Lo que sigue es la parte del despliegue que cuesta tiempo de ingeniería en lugar de tokens.

¿Qué se lanzó realmente el 18 de noviembre?

La tarifa es fija y no cambia: $3.00 por millón de tokens de entrada, $15.00 por millón de tokens de salida, $0.15 por millón de entrada en caché, solo en el nivel de pago, sin cuota gratuita en ningún sitio. El contexto es una única ventana unificada de 1,048,576 tokens compartida por la entrada, el pensamiento y la salida, con un límite de salida síncrona de 65,536 tokens y una ruta de decodificación larga que vuelve a llegar hasta un millón. Hay cuatro niveles de pensamiento —low, medium, high y xhigh—, y el valor predeterminado es high, no medium. El modelo está en la API de pago de Gem​ini, tanto en generateContent como en la Interactions API, en AI Studio para suscriptores de AI Pro y Ultra, y dentro del agente Antigravity en Gem​ini Managed Agents.

Merece la pena llevar a la decisión de migración dos cifras que proceden de fuera de G​oogle. Artificial Analysis puntúa a G​emini 4 Neon con 61,4 en su Intelligence Index en xhigh, que el rastreador muestra como 61 y lo sitúa en sexto lugar entre 95 modelos, y mide 110 tokens de salida por segundo frente a los 51 de G​emini 4 Carbon. El mismo panel también registra 6,44 $ por tarea de Intelligence Index en xhigh y 283 millones de tokens de salida en todo el conjunto de evaluación, que es el detalle que importa aquí: este es un modelo que alcanza sus puntuaciones emitiendo una gran cantidad de tokens, y cada uno de ellos se factura.

A self-built card titled The five changes, as a checklist, with five rows reading sampling parameters accepted then ignored inside range and a 400 outside it, explicit caching removed in favour of implicit caching on prompts of 4096 tokens or more, thinking default high instead of medium with minimal rejected, state carried by previous_interaction_id with thought signatures preserved, and outputs past 65536 tokens requiring background execution with max_output_tokens raised

Parámetros de muestreo: ignorados, o un 400

Las notas de migración de Google te indican que elimines temperature, top_p y top_k de las solicitudes. El comportamiento exacto es la parte que hay que tener en cuenta al diseñar: los valores personalizados dentro del rango se aceptan y luego el servidor los ignora, mientras que los valores fuera del rango devuelven un error de validación 400. Así que un servicio que ha estado pasando silenciosamente temperature 1.3 durante dieciocho meses no falla al entrar — empieza a devolver la misma distribución que habría devuelto con cualquier otro valor, y el único síntoma es que tus salidas parecen más deterministas en algunos lugares y menos en otros, sin ningún error con el que correlacionarlas.

La solución práctica no es limitar los valores. Es eliminarlos y trasladar aquello para lo que los usabas a un lugar donde el modelo realmente lo tenga en cuenta: salidas estructuradas para la forma, una suite de evaluación para la varianza y cambios a nivel de prompt para el estilo. Cualquiera que dependiera de la temperatura como dial de creatividad ahora se queda sin dial.

El almacenamiento en caché explícito desapareció; el implícito es automático.

G​emini 4 Neon no admite el almacenamiento en caché explícito de contexto. El recurso cachedContents y caches.create no están disponibles en él, y las solicitudes que incluyen un campo cached_content deben descartarlo. Lo que lo sustituye es el almacenamiento en caché implícito, que se ejecuta de forma predeterminada en prompts de al menos 4.096 tokens y aplica un descuento del 95 % a la entrada en caché —$0.15 por millón en lugar de $3.00—, sin ningún identificador con el que crear, caducar o pagar almacenamiento.

Para la mayoría de los equipos, esto supone una simplificación y una pequeña reducción de la factura. Para unos pocos, es una regresión, y la forma de la regresión es predecible: si tus aciertos de caché dependían de que un gran prefijo fijo se registrara una vez y se reutilizara en muchas solicitudes redactadas de forma distinta, el almacenamiento en caché implícito solo ayuda cuando el prefijo coincide realmente, así que el movimiento ganador es hacer que el prefijo compartido sea idéntico byte a byte y poner todo lo variable después de él. Si tu prefijo en caché tiene menos de 4.096 tokens, ya no tienes almacenamiento en caché en absoluto.

minimal se rechaza y high es el valor predeterminado

El valor predeterminado de thinking es el cambio más silencioso de la lista. Gemini 4 Carbon y Gemini 4 Argon tienen medium por defecto y se detienen en high. Gemini 4 Neon tiene high por defecto y añade xhigh por encima, y rechaza minimal con un error —el nivel que Gemini 3.6 Flash y los modelos Flash-Lite todavía aceptan—. Por lo tanto, el código que nunca establece thinking_level obtiene en Neon una respuesta más profunda, más lenta y más costosa de la que obtenía en Carbon con el mismo cuerpo de solicitud.

G​oogle recomienda evaluar en los cuatro niveles con un max_output_tokens alto para que el límite no trunque la respuesta, y luego ejecutar en el nivel más bajo que supere el umbral. En un modelo cuya puntuación independiente publicada abarca 17 puntos de índice desde su peldaño más económico hasta el más profundo, eso no es relleno. El valor predeterminado que heredas es la configuración correcta más cara, no la más barata.

Estado, firmas y un nuevo ID de interacción.

Las sesiones multiturno y de llamada a herramientas pasan de «reenviar la transcripción» a dos mecánicas concretas. En la API de Interactions, mantienes el estado con previous_interaction_id en lugar de reconstruir el historial. En los historiales de generateContent gestionados por el cliente, devuelves los turnos previos del modelo y sus firmas de pensamiento sin cambios en cada turno, y no debes copiar una firma entre partes de functionCall paralelas: la firma está vinculada a la llamada de la que proviene.

También hay un modo de fallo que conviene conocer antes de que aparezca en producción: solicitar al modelo mediante instrucciones de sistema que emita llamadas a herramientas en JSON de texto sin formato, sin declarar ninguna herramienta de forma nativa, puede devolver MALFORMED_FUNCTION_CALL. Declare las herramientas con function calling o restrinja la respuesta con salidas estructuradas. Este es fácil de pasar por alto porque no es un cambio de esquema: es un patrón de prompt que solía funcionar.

Las salidas largas necesitan ejecución en segundo plano.

Las respuestas sincrónicas se detienen en 65.536 tokens, ya sea con streaming o sin él. Para ir más allá, se establece max_output_tokens por encima de 65.536 y se establece background en true, y el servidor continúa en saltos de 64K hasta que se agota la ventana. Si se establece background sin aumentar max_output_tokens, el trabajo se detiene igualmente en 65.536, que es exactamente el error que la documentación señala en una nota.

La segunda mitad de este cambio está en tu cliente HTTP, no en tu prompt. G​oogle te indica que aumentes los tiempos de espera a al menos quince minutos, porque los prompts difíciles en este modelo pueden tardar varios minutos antes del primer token de respuesta. La medición independiente coincide con la dirección: Artificial Analysis registra 56,5 segundos hasta el primer token de respuesta y 21,5 minutos por tarea de Intelligence Index para Neon, frente a 45,96 segundos y 28,4 minutos para Gemini 4 Argon. Más rápido en general, más lento al empezar.

Screenshot of Google's What's new in Gemini 4 Neon documentation page, showing the model table with the gemini-4-neon model ID, thinking levels low, medium, high and xhigh, and the paid tier price of 3 dollars per million input tokens and 15 dollars per million output tokens

Lo que cuesta la migración antes de que ahorre algo

La facturación sigue cada token que procesa el modelo, incluidos los tokens de razonamiento y, cuando usas grounding, las instrucciones internas del sistema y las declaraciones de funciones. Eso es estándar para la familia, pero interactúa mal con dos particularidades de Neon: el valor predeterminado alto consume más tokens de razonamiento que el valor predeterminado medio para el que se escribió tu código de Carbon, y el perfil de tokens del propio modelo es pesado. El rastreador contabilizó 283 millones de tokens de salida para Neon en el Intelligence Index frente a 205 millones para Carbon —un 38 % más—, en un momento en que el precio por token también es superior a la tarifa introductoria de Carbon.

Nada de eso es un argumento en contra de migrar. Es un argumento en contra de migrar cambiando una sola cadena y observando los paneles de control. La secuencia honesta es: fijar el modelo antiguo, duplicar una porción del tráfico hacia gemini-4-neon en medium y en high, y comparar el costo por tarea completada en lugar del costo por token. El costo por token en este modelo es el número menos informativo de la hoja.

Screenshot of the Gemini API pricing page for Gemini 4 Neon showing the Standard tab with an input price of 3 dollars and an output price of 15 dollars per million tokens, context caching at 0.15 dollars with a note that only implicit caching is supported, a free tier reading not available, and a callout stating that every token including thinking tokens is billed

Dónde un router se gana su lugar en esta migración

Este es un despliegue canario de manual, y es la razón por la que una capa de enrutamiento resulta útil incluso para una migración de un solo proveedor. Una sola clave de API cubre más de 200 modelos, así que la ruta antigua y la nueva quedan detrás del mismo endpoint mientras desplazas un porcentaje del tráfico; la conmutación automática por errorsignifica que un 400 por un parámetro fuera de rango o un tiempo de espera agotado en una tarea de larga duración recaigan en el modelo que funcionaba ayer en lugar de avisar a alguien. Los precios se trasladan al precio de lista del proveedor sin margen, así que los $3.00 y $15.00 de Neon son los mismos números en tu factura que en la página de G​oogle, y cualquier cambio que G​oogle haga en ellos llega a nuestro lado el mismo día.

Una cosa que conviene dejar clara: G​emini 4 Neon todavía no está en nuestro catálogo. Gemini 4 Carbon y Gemini 4 Argon sí están, y gemini-3.1-pro-preview también, y no vamos a describir una lista de precios como si fuera un endpoint. Lo que el enrutador te ofrece hoy es un lugar estable donde mantener la cadena de respaldo mientras evalúas Neon en la propia API de G​oogle, y la misma estructura de solicitud cuando llegue.

Quién debería moverse ahora

Muévete ahora si tu carga de trabajo consiste en depuración a nivel de repositorio, refactorización de varios archivos o una sesión de agente prolongada con muchas llamadas a herramientas —aquello para lo que Google creó Neon y lo que favorecen las cifras independientes de tiempo de reloj. Espera si dependes de la caché explícita, si no puedes aumentar los tiempos de espera del cliente o si tu pipeline tiene forma de extracción: la propia documentación de Google advierte que xhigh "puede provocar un razonamiento excesivo o agotar max_output_tokens en prompts más simples, como la extracción de texto o JSON", y con high por defecto ya estás un escalón por encima de donde solía situarse un pipeline de tipo Carbon.

Lo que hay que observar y se puede comprobar no es otra publicación de lanzamiento. Es si el 61 se mantiene en high —donde el tracker le puntúa 59,6, por detrás del 60,0 de Carbon en el propio techo de Carbon— y si G​oogle añade almacenamiento en caché explícito al modelo. Ambas son conductas documentadas, ambas son visibles desde fuera y ambas cambian la respuesta a «¿es esto lo predeterminado para nuestra flota de agentes?» más que cualquier demostración.

Comparados en este artículo1

Detectado en este artículo · Benchmarks: Artificial Analysis · actualizado a diario