
Primeros benchmarks independientes de Gemini 4 Neon: el 61 es una cifra de xhigh, y en su configuración por defecto queda por detrás de Carbon
- OrcaNUEVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 por 1M de tokens · 184 tok/s
- tencentNUEVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 por 1M de tokens · 223 tok/s
- GoogleNUEVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 87 tok/s
- AnthropicNUEVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 96 tok/s
- orcaNUEVOOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 por 1M de tokens · 77 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 por 1M de tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 69 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencia
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 209 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencia
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencia
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 por 1M de tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencia
La publicación de lanzamiento de Google para Gemini 4 Neon abre con un Índice de Inteligencia de Artificial Analysis de 61, tercero en la clasificación general. Artificial Analysis ahora publica su propia página para Gemini 4 Neon, y esa página dice 61.4 —para la variante xhigh, la más profunda de cuatro configuraciones de pensamiento, clasificada en sexto lugar de 96 modelos en el índice v5.0.1. En la configuración a la que Neon realmente viene por defecto, high, el mismo rastreador le otorga 59.6. Gemini 4 Carbon, el modelo con el que el anuncio de Google compara a Neon en casi todos los párrafos, se sitúa en 60.0 en su propio máximo. Lea las dos páginas tal como se publican y el Gemini 4 más reciente no es el más inteligente: gana por 1.4 puntos cuando se le lleva a un nivel que Carbon no tiene, y pierde por 0.4 puntos cuando se comparan los dos modelos con las configuraciones que recomiendan sus proveedores.
Nada de eso convierte a Neon en un mal modelo, y las cifras de velocidad del mismo panel son el argumento más sólido a su favor que alguien haya publicado. Pero sí significa que la única cifra con más probabilidades de acabar en una presentación esta semana es la configuración menos representativa del modelo, y ahora la corrección puede comprobarla cualquiera con un navegador en lugar de inferirla a partir de la propia tabla de un proveedor.
Lo que realmente publicó el rastreador
Artificial Analysis indica que Gemini 4 Neon se lanzó el 18 de noviembre de 2026, es propietario, de Google, con una ventana de contexto de 1M de tokens y entrada de texto, imagen, voz y vídeo. Incluye cuatro variantes puntuadas por separado —low, medium, high y xhigh—, y la página se abre en xhigh de forma predeterminada, por lo que la cifra destacada es 61,4 en lugar del número que se obtendría al invocar el modelo sin ningún parámetro de pensamiento. El índice vigente es v5.0.1, lo cual importa a cualquiera que tenga una puntuación anterior: este es un índice rebasado, y un 61 de una tabla de clasificación de verano no es la misma medición que un 61 hoy.
La misma página puntúa al resto de la familia, y merece la pena leer el orden antes que las cifras individuales. Los cuatro usan el mismo conjunto de evaluación —AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 y Terminal-Bench-Science 0.1—, así que la comparación es al menos en igualdad de condiciones, lo cual es más de lo que se puede decir de la tabla de benchmarks de la publicación de lanzamiento.

Un modelo, cuatro puntuaciones y una escalera mucho más empinada
• Neon en bajo — 44.1, frente a Carbon en bajo 54.2 y Gemini 4 Hydrogen en bajo 26.9.
• Neon en medio — 54.9, frente a Carbon 58.3 y Hydrogen 41.2.
• Neon en alto — 59.6, frente a Carbon 60.0 y Hydrogen 50.8. Este es el valor predeterminado de Neon y el máximo de Carbon.
• Neon en xhigh — 61.4, frente a ninguna entrada de Carbon en absoluto. Gemini 4 Hydrogen tiene un cuarto nivel y obtiene 53.9.
La forma de esos cuatro números es la parte que la publicación de lanzamiento no transmite. Neon abarca 17,3 puntos de índice desde su configuración más económica hasta la más profunda; Carbon abarca 5,8 a lo largo de sus tres niveles. Neon no es una cantidad fija que resulta tener una perilla de ajuste: son cuatro modelos sustancialmente diferentes según el nivel que tomes, y las diferencias son mayores en la parte inferior, donde la configuración baja de Neon está 10,1 puntos por debajo de la configuración baja de Carbon. Si has estado dimensionando Neon frente a Carbon usando un solo número por modelo, la versión honesta es una curva frente a una línea plana.
Eso tiene una consecuencia práctica que va en dirección contraria al enfoque del lanzamiento. La documentación de Google indica a los desarrolladores que evalúen en los cuatro niveles y elijan el más bajo que supere su umbral de calidad, y advierte que xhigh «puede provocar un razonamiento excesivo o agotar max_output_tokens en prompts más sencillos, como la extracción de texto o JSON». Las cifras independientes muestran por qué ese consejo es determinante y no una simple precaución: bajar un nivel no es un error de redondeo en este modelo. Los 1,8 puntos entre el valor predeterminado de Neon y su techo son más de cuatro veces la distancia entre Neon y Carbon; los 4,7 puntos entre high y medium son casi doce veces esa distancia.

Cuánto cuesta una tarea, medido en lugar de declarado
La afirmación que vale la pena poner a prueba es la del costo por tarea. Google dice que Gemini 4 Neon en el ajuste predeterminado alto cuesta un 32 % menos por tarea que Gemini 4 Carbon, y al menos un 36 % menos que los modelos frontera de la competencia en su ajuste de pensamiento más alto. El costo por tarea es función de cuántos tokens emite un modelo, y la publicación de lanzamiento no revela el número de tokens, así que hasta esta semana la cifra no se podía comprobar desde fuera.
El panel del rastreador sitúa a Neon en $6.44 por tarea del Intelligence Index y a Carbon en $4.90. Eso no es un ahorro del 32%; es un sobrecosto del 31%, y la dirección es la opuesta a la afirmación. La salvedad honesta es un desajuste de configuración, y va en ambos sentidos: $6.44 es Neon en xhigh, porque xhigh es la variante con la que se abre la página, mientras que $4.90 es Carbon en high, su propio máximo. La cifra del 32% de Google se refiere a Neon en high, que el rastreador puntúa por separado en 59.6 pero no destaca con un costo en el mismo panel. Así que la afirmación correcta es más limitada que «Google está equivocado»: la configuración publicada de Neon cuesta más por tarea que la configuración publicada de Carbon, y la comparación específica que hace Google no se ha reproducido de forma independiente.
Lo que es reproducible es el perfil de tokens, y eso socava la lectura intuitiva de un modelo más rápido. Neon generó 283 M tokens de salida en el Intelligence Index frente a los 205 M de Carbon —un 38 % más— sobre 8,12 B tokens de entrada, con la salida representando el 3,5 % de la entrada. La mediana entre los modelos que evalúa el rastreador es de 65,1 M tokens de salida, así que Neon no es solo más hablador que Carbon; está entre los modelos más verbosos de la tabla, en el puesto 93 de 95 en esa medida. Carbon, que tenía reputación de verboso, está en el puesto 90. Lo que sea que Neon te esté ahorrando, no lo está ahorrando en tokens emitidos.
Donde realmente es más rápido —y este es el argumento más sólido a su favor— es en tiempo de reloj:
• Tiempo por tarea del Intelligence Index: Neon 21,5 minutos, Carbon 36,1, Hydrogen 15,3, Argon 29,6. La mediana para modelos comparables es de 12,4 minutos.
• Velocidad de salida — Neon 110 tokens por segundo, Carbon 57, Hydrogen 168, Argon 65.
• Tiempo hasta el primer token de respuesta — Neon 56,5 segundos, Carbon 75,0, Hydrogen 47,2, Argon 47,1.
Neon termina el mismo conjunto de evaluación en un 40 % menos de tiempo real que Carbon, a aproximadamente el doble de tasa de generación, mientras emite más tokens y obtiene 0,4 puntos menos con la misma configuración predeterminada. Ese es un producto coherente, y es un producto distinto del que implica la tabla de evaluación comparativa: es un modelo que eliges para terminar antes, no uno que eliges para acertar con más frecuencia.
Tres cifras en la publicación de lanzamiento que el rastreador no corrobora
El ranking. Google dice que es tercero en la clasificación general. La página en vivo del rastreador sitúa a la variante xhigh en sexto lugar de 96 en el índice v5.0.1. Ambas cifras pueden remontarse a Artificial Analysis y aun así ser diferentes, porque el conjunto de modelos cambia; lo que no puede ser cierto es que ambas estén vigentes. Cita la página en vivo e indica a qué variante pertenece, o el número no sobrevivirá al próximo lanzamiento.
La configuración detrás de la puntuación. Un 61 sin aclaración se interpreta como la puntuación del modelo. Es una de cuatro, es la más costosa de ejecutar y es de la que advierte la propia documentación de Google para tareas con forma de extracción. El valor predeterminado es 59.6.
La ventaja por tarea.Como se comentó anteriormente: en las configuraciones que el rastreador publica en su panel de resumen, Neon es un 31 % más caro por tarea, no un 32 % más barato. Es posible que la afirmación del proveedor siga siendo válida en alto en el propio banco de pruebas de Google. No se ha demostrado que se sostenga en ningún sitio que un lector pueda comprobar.
Todo lo demás en el anuncio sigue igual que antes —las tablas de clasificación de terceros que Google cita y las evaluaciones no reproducidas del propio Google, desde Chartography con un 73,5 % hasta FrontierCode 2.0 con un 46,2 %, además de las cifras de ciberseguridad que solo se publican a través del programa de defensores Fairwind—. Nada de eso queda contradicho por los números independientes. Simplemente no es la parte que cualquiera pueda verificar, y la parte que sí se puede verificar ahora se lee de otra manera.
Qué cambia esto si estuvieras a punto de adoptar Neon como estándar
Si tu razón para elegir Neon era el 61, el número que deberías llevar a un plan de capacidad es 59,6, y el modelo al que supera con esa configuración no es ninguno de la familia actual: el 60,0 de Carbon está por delante, y el precio de Carbon es de $2,00 y $10,00 por millón de tokens frente a los $3,00 y $15,00 de Neon hasta que la tarifa introductoria de Carbon y Argon suba a $4,00 y $20,00 el 1 de diciembre de 2026.
Si tu razón era la velocidad, el caso es real y las cifras anteriores lo respaldan. Veintiún minutos frente a treinta y seis sobre el mismo conjunto de evaluación es el tipo de diferencia que cambia cuánto puedes ejecutar en una jornada laboral, y la tasa de generación de 1,9x se nota en el trabajo interactivo mucho antes de que se note en un trabajo por lotes.
Si tu razón era la economía por tarea de Google, haz la prueba tú mismo antes de comprometer una ruta de producción con ella. El perfil de tokens es lo único que decide si la afirmación por tarea se sostiene en tu tráfico, y la medición independiente dice que Neon emite más tokens que el modelo al que se supone que debe dejar por debajo en precio. En el trabajo con mucha entrada, el panorama se invierte, porque el precio de entrada de Neon está hoy un 50% por encima del de Carbon y el ajuste de Carbon en diciembre cierra incluso esa brecha a favor de Neon —lo cual es una ventana de catorce días, no una estrategia.
Ejecutando la comparación sobre tu propio tráfico
La razón para preocuparse por una escalera de cuatro peldaños en lugar de una puntuación única es que el peldaño es una decisión de coste, y las decisiones de coste son más baratas de tomar cuando ambos modelos están a una sola llamada de distancia. Nuestro catálogo incluye google/gemini-4-carbon y google/gemini-4-argon a precio de lista del proveedor sin margen, lo que significa que el escalón del 1 de diciembre en esos dos modelos aparece en tu factura el día que aparece en la de Google, y la posición de Neon en diciembre respecto a ellos cambia sin que nadie renegocie nada. Gemini 4 Neon aún no está en el catálogo, así que esto no es una recomendación de ejecutarlo a través de nosotros hoy — es la forma de la prueba que hay que ejecutar cuando llegue.

La evaluación por la que abogan las cifras anteriores no es una ejecución de benchmark. Es el mismo prompt en high en ambos modelos, medido en tokens para terminar en lugar de en segundos, sobre una muestra de tus propias tareas. Esa prueba requiere que ambos modelos sean accesibles desde una sola clave con un respaldo detrás, porque el objetivo de ejecutar Neon es averiguar si la afirmación por tarea sobrevive al contacto con tu tráfico, y el objetivo del respaldo es que un modelo que aún estás evaluando nunca llegue a ser la única vía a producción. Carbon detrás, Argon detrás de eso, y la comparación de la escalera se convierte en un cambio de enrutamiento en lugar de una migración.
Lo único que no hay que hacer es dimensionar la decisión en función de la tabla de lanzamiento. El tracker ha publicado ya cuatro puntuaciones para un mismo modelo, la diferencia entre el primero y el predeterminado es mayor que la que hay entre el predeterminado y el modelo al que sustituye, y la afirmación sobre el coste que hace que toda la propuesta funcione es el único número de la diapositiva que nadie fuera de Google ha logrado reproducir.
Qué ver a continuación
Tres cosas, todas verificables. Si el coste por tarea del rastreador para Neon en alto se acerca a la cifra del 32 % de Google — esa única fila zanjaría la discusión, y es una variante que ya cuenta con una puntuación de índice publicada. Si se abre la puerta de Fairwind en la variante de ciberseguridad, ya que las cifras de seguridad siguen siendo afirmaciones sobre un modelo al que casi nadie fuera de Google puede acceder. Y si el paso del 1 de diciembre en Carbon y Argon sobrevive al contacto con la demanda, porque esa es la fecha en la que los precios fijos de 3,00 y 15,00 dólares de Neon dejan de parecer caros y empiezan a parecer el nivel de razonamiento de Gemini 4 más barato por token.
Hasta entonces, el resumen útil cabe en una frase: Gemini 4 Neon es la forma más rápida de obtener una respuesta de Gemini 4, no es la más precisa con la configuración con la que se entrega, y la afirmación de eficiencia que justifica su precio sigue siendo la de un proveedor.
