Modelos · · 10 min de lectura
Gemini 4 Neon: Google pone precio premium a su cuarta IA frontier en 30 días y obliga a los CTOs a rehacer el ROI
Google lanza Gemini 4 Neon a 3 $/15 $ por millón de tokens, con ventana de 1M y multimodalidad completa. Analizamos por qué el cuarto modelo Gemini del mes es una señal de presión comercial más que técnica, y cómo afecta a las agencias y equipos de ingeniería en España.
Google ha lanzado Gemini 4 Neon, su cuarto modelo Gemini en menos de un mes. Un modelo frontier para desarrollo de software, trabajo de conocimiento y ciencia, con 1M de tokens de contexto, multimodalidad completa (texto, imagen, vídeo, audio y PDF) y un precio que rompe la inercia a la baja: 3 $ por millón de tokens de entrada y 15 $ por millón de salida, por encima de los Gemini 4 anteriores. La noticia original la recoge The Decoder, y merece más escepticismo del que verás en el comunicado oficial.
TL;DR: Gemini 4 Neon es el cuarto Gemini en 30 días y el primero que sube precio respecto a la generación anterior: 3 $/15 $ por millón de tokens con 1M de contexto multimodal. Para un CTO, la señal no es técnica sino comercial: Google está segmentando su catálogo por caso de uso y quien quiera frontier real pagará premium. La decisión práctica es medir el coste por tarea completada antes de mover producción.
Cuatro modelos Gemini en 30 días: esto ya no es un roadmap, es una estrategia de catálogo
Google ha pasado de anunciar un modelo frontier cada trimestre a sacar cuatro en un mes. El mensaje que la compañía quiere mandar es que ha recuperado el ritmo. El que debería leer un CTO es otro: Google está construyendo un catálogo segmentado, no una única super-I.A. Neon no es "el nuevo Gemini", es "el Gemini para el que está dispuesto a pagar por tareas densas".
Esa fragmentación es coherente con lo que ya vemos en el resto del mercado. Palo Alto Networks pagó 4.500 millones por Applied Compute para industrializar el fine-tuning de modelos abiertos, y OpenAI abre sus modelos a auditores externos. La carrera ya no va de quién tiene el modelo más listo, va de quién ofrece la combinación más defendible de coste, control y trazabilidad. En ese tablero, un modelo frontier más caro no es una victoria automática: es una apuesta por clientes con margen suficiente para absorberlo.
El precio como decisión estratégica: cuándo Neon deja de tener sentido
Los 15 $ por millón de tokens de salida son la cifra que cualquier product lead debería tener pegada al monitor. En tareas donde el modelo genera mucho texto, código extenso o razonamiento largo, el coste se dispara rápido. Un agente que devuelve 8.000 tokens de salida en cada iteración gasta 0,12 $ solo en salida, sin contar las llamadas de entrada ni el reintento por fallo.
La pregunta correcta no es "¿es caro?", es "¿es caro comparado con el coste de una alternativa humana o de un modelo inferior con más retries?". Ahí Neon gana en casos concretos: análisis de contratos largos, debugging sobre repositorios enteros o investigación científica con PDFs de 200 páginas. Donde pierde, casi siempre, es en agentes conversacionales de alto volumen, clasificación masiva o generación de borradores iterativos. Para esos casos, un Gemini más barato o un modelo abierto fine-tuneado sigue siendo la respuesta correcta.
| Criterio | Gemini 4 Neon | Modelos Gemini previos | Lectura para el CTO |
|---|---|---|---|
| Precio entrada | 3 $/M tokens | Inferior | Neon es la opción premium del catálogo |
| Precio salida | 15 $/M tokens | Inferior | Penaliza tareas generativas largas |
| Ventana de contexto | 1.000.000 tokens | Variable por modelo | Elimina parte del andamiaje RAG |
| Modalidades | Texto, imagen, vídeo, audio, PDF | Parcial en algunos modelos | Relevante en documentación técnica y ciencia |
| Caso de uso principal | Dev, conocimiento, ciencia | Mezcla generalista | No es el modelo por defecto universal |
La lectura estratégica es incómoda para Google: al poner Neon por encima de los Gemini 4 previos, admite tácitamente que el resto de su familia es "suficiente" para la mayoría de cargas. Y eso, para el comprador enterprise, es bueno: hay margen de negociación por volumen y una vía clara para reservar Neon a los workloads donde la calidad se mide en euros, no en tokens.
La ventana de 1M tokens y el elefante del RAG
La ventana de un millón de tokens es la feature que más titulares va a generar y la que más facturas va a romper. Meter un repositorio entero o un dataset de PDFs en el contexto es técnicamente posible, pero a 3 $ por millón de tokens de entrada, el coste marginal de cada llamada deja de ser trivial. Un pipeline de análisis documental que antes hacía tres llamadas de 20.000 tokens ahora puede hacer una de 600.000 y salir más caro.
La conclusión práctica es que ventana grande no equivale a arquitectura más simple. Sigue habiendo tres razones para mantener RAG: control de coste, trazabilidad de fuentes y reducción de latencia. Neon tiene sentido cuando el andamiaje RAG introduce demasiado ruido (casos legales, auditoría técnica, investigación) y el cliente puede permitirse el coste de meter el documento completo. Para el resto, la arquitectura híbrida —modelo pequeño para recuperación, Neon para síntesis final— sigue siendo la más defendible.
Qué cambia para las agencias de IA en España
El ecosistema de agencias de IA en Madrid y agencias de IA en Barcelona lleva meses vendiendo a sus clientes enterprise una promesa implícita: los precios de los modelos frontier bajan cada trimestre. Neon rompe esa promesa. Cualquier propuesta comercial que asuma deflación continua en coste por token va a quedar desactualizada en cuanto el cliente lea el pricing oficial.
Para las agencias de agentes autónomos el impacto es más concreto. Los agentes multi-paso multiplican llamadas al modelo, y un modelo premium cambia el TCO del piloto a producción. Recomiendo que cualquier despliegue que se vaya a vender con SLA incluya una cláusula explícita de "modelo base y modelo fallback": Neon como primario en tareas críticas, un Gemini 4 más barato o un modelo abierto como respaldo. Quien no lo haga, se comerá el margen en el primer trimestre.
También es un espaldarazo para las firmas de consultoría de IA que llevan meses defendiendo el model routing como disciplina de ingeniería, no como truco. Con cuatro Gemini distintos en el mercado, tener una capa de abstracción por encima del proveedor deja de ser un lujo arquitectónico y pasa a ser un requisito de continuidad.
Lo que Google no dice en el anuncio
El anuncio oficial presenta Neon como "frontier para desarrollo, conocimiento y ciencia". Lo que no dice es que el delta cualitativo frente a los Gemini 4 previos probablemente sea modesto fuera de las tareas específicas que la compañía ha priorizado. La historia reciente del sector invita al escepticismo: cada release trae benchmarks que se validan en un subset favorable, y la brecha real en producción suele ser menor de lo que sugiere el marketing.
Mi recomendación es la de siempre pero más urgente este mes: correr un eval propio sobre las tres o cuatro tareas que realmente usa el equipo antes de mover nada a Neon. Si el delta de calidad es superior al 15-20% en la tarea real, el premium de precio se justifica. Si está por debajo, el coste extra es puro hype. En un contexto donde el capital sigue caliente —Sierra negociando 1.500 millones a valoración de 30.000 millones con 400 millones de ingresos anualizados— la presión por "usar el modelo más nuevo" es real, y va a generar decisiones de compra mal calibradas en más de un comité técnico.
La predicción que importa
Neon no es un hito técnico: es un experimento de pricing. Google está probando cuánto está dispuesto a pagar el mercado enterprise por frontier de verdad después de un año de guerra de precios. Si funciona, veremos al resto de proveedores subir el precio de sus modelos tope y mantener el resto del catálogo como puerta de entrada. Si no, Neon será recordado como el modelo que Google colocó por encima de su propia curva y nadie compró.
Mi apuesta: funcionará en verticales con margen alto (legal, pharma, banca, ingeniería) y fracasará en SMB y en startups post-seed. Eso reabrirá la brecha entre quien puede permitirse frontier y quien no, y devolverá al centro del debate una pregunta incómoda para toda la industria: si los mejores modelos solo son rentables en nichos, el discurso de "IA para todos" era una moda pasajera, no una promesa tecnológica. Las agencias que sepan traducir ese matiz en arquitecturas con fallback real tienen un año por delante. Las que vendan "Gemini 4 Neon" como estándar se van a comer el coste en la primera renovación de contrato.
Preguntas frecuentes sobre Gemini 4 Neon
¿Qué es Gemini 4 Neon exactamente?
Es un modelo frontier de Google diseñado para desarrollo de software, trabajo de conocimiento y ciencia. Procesa texto, imagen, vídeo, audio y PDF con una ventana de contexto de un millón de tokens, y se posiciona por encima de los Gemini 4 anteriores en calidad y precio. No es un reemplazo del catálogo Gemini, es la capa premium.
¿Cuánto cuesta Gemini 4 Neon y para quién tiene sentido?
Cuesta 3 $ por millón de tokens de entrada y 15 $ por millón de salida. Tiene sentido para tareas densas donde el coste por error es alto: análisis documental extenso, auditoría técnica, debugging sobre repositorios grandes o investigación científica. Para alto volumen, agentes conversacionales y clasificación masiva, conviene usar un modelo más barato como primario.
¿Necesito RAG si tengo un millón de tokens de contexto?
Sí, en la mayoría de casos. La ventana grande simplifica la arquitectura, pero a 3 $ por millón de tokens de entrada, meter documentos completos en cada llamada encarece el pipeline. RAG sigue teniendo sentido por control de coste, trazabilidad de fuentes y latencia. Neon brilla cuando el andamiaje RAG introduce ruido (legal, auditoría, ciencia) y el cliente puede absorber el coste.
¿Puedo usar Gemini 4 Neon en producción mañana?
Técnicamente sí, estratégicamente no. Antes de mover producción hay que correr un eval propio sobre las tres o cuatro tareas reales del equipo, medir el delta de calidad y calcular el coste por tarea completada, no por token. Si el delta es inferior al 15-20%, el premium no se justifica y el modelo inferior con más retries sale más barato.
¿Qué implica el cuarto modelo Gemini en un mes para los CTOs?
Que Google está segmentando su catálogo y el comprador enterprise debe dejar de planificar con la asunción de que los precios frontier bajan cada trimestre. La respuesta operativa es una capa de abstracción sobre el proveedor, con modelo primario y fallback, y cláusulas técnicas claras en los contratos con agencias y proveedores.
Temas relacionados en agentes.ai
Si quieres aplicar lo que lees en tu empresa, estos son puntos de partida útiles dentro de agentes.ai:
- Directorio de agencias de agentes de voz
- Agencias de IA en Valencia y en Málaga
- Explora el directorio completo de agencias de IA
- Sigue las últimas noticias de IA en tiempo real