Gemini 4 Neon, el modelo de Google que programa código seguro desde el primer día
Google DeepMind ha presentado Gemini 4 Neon, un modelo de frontera orientado a completar tareas de extremo a extremo de forma rápida en ingeniería de software, trabajo de conocimiento y flujos científicos. Es la tercera versión de la familia Gemini 4 y llega con una ventana de contexto de un millón de tokens y cuatro niveles de razonamiento para ajustar el gasto de tokens a cada carga de trabajo.
Neon se sitúa en el puesto número 3 del Artificial Analysis Intelligence Index con una puntuación de 61 en el nivel de razonamiento xhigh, justo por detrás de modelos más grandes y más lentos. En el Vals Index queda segundo con un 70,9 % y se sitúa en la frontera de Pareto. En el Agent Arena Index, recién creado, debuta segundo del mundo con 1336 puntos sobre más de 4200 sesiones reales de agentes, y además queda segundo en la categoría de dirigibilidad, es decir, lo bien que el modelo acepta correcciones del usuario a mitad de tarea. Google afirma que registra su tasa de fabricación más baja hasta ahora en sus pruebas internas de Google Antigravity.
El precio es de 3 USD por millón de tokens de entrada, 0,15 USD por millón de tokens de entrada en caché (un descuento del 95 %) y 15 USD por millón de tokens de salida. En el nivel alto de razonamiento, Google afirma un 32 % menos de coste por tarea que Gemini 4 Carbon, y entre un 50 % y un 80 % menos que los modelos de frontera competidores.
En la parte más interesante para un perfil de redes y telecomunicaciones está el bloque de ciberseguridad. Neon incluye una variante orientada a defensa ciber que genera código más seguro que Carbon en todos los niveles de dificultad de AutoBaxBench y alcanza el estado del arte en el nivel difícil con un 76 %. En WebExploitBench v1.2 se sitúa en el estado del arte con un 51,26 % y la mitad de coste que los modelos grandes competidores. En SEC-bench Pro, dedicado a encontrar vulnerabilidades en código existente, consigue un 90,5 % pagando aproximadamente la mitad por reto. El modelo no solo detecta fallos: valida los riesgos mediante explotación real y parchea, es decir, cubre el ciclo completo de endurecimiento de código. En referencia a esto, el responsable de DeepMind, Koray Kavukcuoglu, señala que a medida que escala el código generado por agentes, generar código seguro desde el principio se vuelve crítico.
En el ámbito del desarrollo, Neon lidera el Artificial Analysis Coding Agent Index con un 58,6 %, alcanza un 65,2 % en Terminal-Bench 4.1 y un 46,2 % en FrontierCode 2.0 con la configuración alta por defecto. En Terminal-Bench Science consigue un 70,5 %, en RiemannBench un 84,0 % y en HLE-Diamond un 71,3 %. Funciona también como orquestador rápido de subagentes Hydrogen en paralelo dentro de Google Antigravity, y sostiene el rendimiento en sesiones largas con herramientas, reduciendo lecturas redundantes de ficheros y compactando el contexto de forma fiable.
El despliegue comienza hoy en la Gemini API de Google AI Studio, en Gemini para empresas mediante API y selector de modelo, en Google Antigravity para suscriptores de Google AI Pro y Ultra, y en la aplicación Gemini para Pro y Ultra.
- Google DeepMind presenta Gemini 4 Neon, un modelo de frontera con un millón de tokens de contexto y cuatro niveles de razonamiento ajustables.
- Cuesta 3 USD por millón de tokens de entrada, 0,15 USD en caché y 15 USD por millón de tokens de salida; Google calcula un 32 % menos de coste por tarea que Carbon.
- Queda segundo en el Vals Index (70,9 %), tercero en el Artificial Analysis Intelligence Index (61) y segundo del mundo en el Agent Arena Index con 1336 puntos.
- Su variante para ciberseguridad lidera AutoBaxBench en el nivel difícil (76 %), WebExploitBench v1.2 (51,26 %) y SEC-bench Pro (90,5 %), con la mitad de coste que los modelos grandes.
- Ya está disponible en la Gemini API, en Google AI Studio, en Gemini para empresas, en Google Antigravity y en la aplicación Gemini.
Para un técnico de redes y telecomunicaciones, lo interesante de Neon no es el ranking en el índice de inteligencia artificial, sino el bloque de ciberseguridad. Un modelo capaz de encontrar la vulnerabilidad, validarla explotándola y parchearla en el mismo flujo, con la mitad de coste que los modelos grandes, es una pieza muy concreta para montar análisis de exposición o revisiones de código de forma continua en lugar de puntuales. El 90,5 % en SEC-bench Pro es un número con margen de error real, así que no lo tomaría como garantía, sí como señal de que la capacidad ya es utilizable en flujos de trabajo reales.
El dato de contexto me parece el más práctico: un millón de tokens con un descuento del 95 % en la entrada cacheada permite pasar logs de red, volcados de configuración y trazas largas en la misma llamada sin reenviar todo el contexto cada vez. Para quien depura problemas de enrutamiento o segmentación, poder dejar el histórico completo de un equipo dentro de la ventana es la diferencia entre una hipótesis fundamentada y una suposición.
Y ojo con el precio de salida a 15 USD por millón de tokens: con un agente que itere sobre logs durante horas, el gasto se dispara si no se controla el nivel de razonamiento. La existencia de los niveles bajo, medio, alto y xhigh es precisamente la palanca para no disparar la factura. Esperaré a verlo en producción con carga sostenida antes de sacar conclusiones sobre estabilidad y latencia, que es donde las decisiones de arquitectura suelen romperse.