Modelos y lanzamientosGoogle / Introducing Gemini 4 Neon

Gemini 4 Neon: revisa contexto, razonamiento y coste según el canal

Google lanzó Gemini 4 Neon el 18 de noviembre para programación compleja y flujos de agentes. Su disponibilidad varía entre la API, Antigravity y Copilot, y la migración exige revisar los valores predeterminados de razonamiento, el contexto compartido, la caché y el coste del trabajo completado.

Un orco programador verde musgo examina una escultura luminosa de vidrio de neón con tres ramas, junto a un indicador de cobre, una lista de comprobación vacía y bloques de prueba lavanda.
Ilustración conceptual.

Una nueva opción para el trabajo de desarrollo exigente y frecuente

Google presentó Gemini 4 Neon el 18 de noviembre y lo situó entre Hydrogen y Carbon para programación compleja, análisis y flujos de agentes. Google afirma que completa las tareas más rápido y con menor coste que alternativas de mayor tamaño, y que hace menos afirmaciones sin respaldo en sus evaluaciones internas de programación. Son resultados del proveedor, no mediciones de la aplicación de cada lector.

La pregunta útil para adoptarlo es concreta: ¿puede Neon terminar una tarea de un repositorio existente con un parche aceptable, un informe de finalización fiable y un coste total razonable? Evalúa estos resultados por separado al compararlo con un modelo que ya utilices.

Elige el canal antes de dar por sentados sus límites

El modelo de la API es gemini-4-neon. Su ventana unificada documentada es de 1.048.576 tokens, compartidos entre entrada, razonamiento y salida; la salida síncrona tiene un máximo predeterminado de 65.536 tokens. Antigravity documenta por separado hasta 512K de contexto. Allí, Neon está disponible en Pro de pago, pruebas con dispositivos premium que cumplan los requisitos, Ultra y el servicio empresarial; Free y Plus quedan excluidos.

GitHub ofrece Neon en Copilot Pro+, Max, Business y Enterprise, con un despliegue gradual y políticas de administrador que controlan el acceso. Que el modelo aparezca en una interfaz no demuestra que esté disponible en otra. Registra el cliente, el plan y el modelo seleccionado que realmente ves antes de comparar resultados, y comprueba que estén disponibles las herramientas necesarias del entorno de trabajo.

Revisa los parámetros heredados de la API y el estado de la conversación

La guía de migración de Google indica que pasar de otro modelo Gemini 4 a Neon no requiere cambiar el esquema de las solicitudes, pero Neon utiliza high como nivel de razonamiento predeterminado y también admite low, medium y xhigh. Al migrar desde Gemini 3, minimal se rechaza, la caché explícita no es compatible y la guía pide eliminar los parámetros de muestreo. Los valores de muestreo dentro del rango se ignoran; los que quedan fuera provocan un error de validación.

Inspecciona lo que envía realmente la capa cliente. Conserva sin cambios los turnos anteriores del modelo y las firmas de razonamiento al gestionar el historial de generateContent, o utiliza previous_interaction_id con la API Interactions. La guía también indica que max_output_tokens abarca tanto el razonamiento como la salida. Por eso, un límite pequeño heredado puede truncar la respuesta. Utiliza un límite acotado adecuado para la tarea e inspecciona el estado de finalización.

Compara niveles de razonamiento sin cambiar la tarea

Antigravity denomina Low, Medium, High y Extra a los cuatro niveles de Neon; High es el predeterminado y Extra corresponde a xhigh en su CLI. La opción Orchestrator planifica y revisa con Neon, mientras que Hydrogen realiza la implementación. Comparar esa combinación con Neon por sí solo también cambia la forma de ejecutar el trabajo.

Para que la prueba sea útil, mantén fijos la revisión del repositorio, las instrucciones de la tarea, las herramientas y los criterios de aceptación. Incluye una reparación pequeña, un cambio que abarque varios archivos y un caso en el que falte un requisito previo. Revisa el diff y las pruebas que realmente se ejecutaron, incluido si el agente informa con precisión del trabajo que no pudo terminar. Repite los resultados dudosos antes de concluir que el sistema es fiable.

Calcula el coste por tarea aceptada y conserva visibles las limitaciones

A fecha del 19 de noviembre, la tabla Standard de la API de Google indica 3 USD por millón de tokens de entrada, 0,15 USD para entrada en caché y 15 USD para salida, incluido el razonamiento. Neon solo utiliza caché implícita, así que calcula el presupuesto a partir de los aciertos de caché observados, sin suponer que el contexto repetido siempre recibirá el descuento. La fundamentación con fuentes externas y otros niveles de servicio tienen precios separados.

Cuenta los intentos fallidos, los reintentos, los cargos de las herramientas y el tiempo de revisión, además de las ejecuciones satisfactorias. Utilizar menos tokens no demuestra por sí solo un menor coste por cambio aceptado. La ficha del modelo sigue identificando las alucinaciones como una limitación y sitúa su fecha de corte de conocimientos en marzo de 2026. Para dependencias actuales o el comportamiento de una API, contrasta las referencias generadas con la documentación correspondiente.

Conserva seis comprobaciones en el registro de evaluación

Codorc propone esta comparación a pequeña escala antes de ampliar el uso. Para este artículo no se ejecutaron solicitudes a modelos, pruebas de integración ni benchmarks:

  • Registra el canal, la versión del cliente, el plan, el identificador del modelo y los permisos. Confirma el acceso real en lugar de deducirlo del anuncio de lanzamiento.
  • Captura la solicitud enviada, el nivel de razonamiento, el límite de salida y el tamaño del contexto. Revisa los campos heredados de caché y muestreo.
  • Mantén fijas las tareas y las revisiones del repositorio. Compara por separado los flujos con un solo modelo y los que utilizan orquestación.
  • Inspecciona los parches aceptados y la salida de las pruebas. Incluye un caso con un archivo ausente o una herramienta no disponible y comprueba el informe de finalización.
  • Registra la entrada real, la entrada en caché, la salida, el tiempo transcurrido y los cargos totales de cada intento, incluidos los que no terminan con éxito.
  • Conserva las trazas de los fallos y la configuración anterior. Define criterios de aceptación y condiciones de parada antes de dirigir más trabajo a Neon.

La fecha del suceso corresponde al anuncio original. La fecha de publicación indica cuándo apareció el artículo en Codorc.

Continúa leyendo

Todas las historias
Un orco programador verde musgo sostiene una pieza de puente lavanda sobre dos carros de herramientas de cobre detenidos ante huecos en vías de cerámica, junto a una lista de comprobación en blanco y pesas de cobre.
Modelos y lanzamientosOpenAI / GPT-6.2 launch

GPT-6.2: revisa el historial antes de cambiar de modelo

OpenAI lanzó GPT-6.2 Astra y Sol el 17 de noviembre. Además de las mejoras de programación que afirma la empresa, quienes adopten la API deben revisar el razonamiento, los cambios en el prefijo de la conversación, la ubicación de las instrucciones y el coste de su carga de trabajo real.

Un orco programador de color verde musgo coloca un sobre de cobre en un casillero de reparto abierto, junto a una persiana lavanda cerrada y una bandeja de recibos en blanco sujetos con pisapapeles de cobre.
Modelos y lanzamientosHugging Face

Hugging Face pasa a OpenRouter: revisa el enrutamiento y la facturación

Hugging Face ya enruta a través de OpenRouter el tráfico de modelos de lenguaje de Inference Providers. El cambio del 16 de noviembre también elimina las claves propias de proveedor para esos modelos, por lo que conviene revisar la selección del proveedor, la cuenta facturada y el comportamiento ante fallos antes de desplegarlo en producción.