Gemini 4 Neon : análisis de pruebas, precio y rendimiento del nuevo modelo

Gemini 4 Neon : análisis de pruebas, precio y rendimiento del nuevo modelo
3 min de lectura

Google presenta Gemini 4 Neon, un modelo de razonamiento diseñado para tareas exigentes, desde programación hasta búsqueda de información en múltiples archivos. En cuatro pruebas realizadas en la aplicación Gemini, superó varios ejercicios complejos, pero cometió errores en tareas más simples, como contar pulsos sonoros.

Neon es una adaptación de Gemini 4 Carbon. Google lo sitúa entre Hydrogen, la opción rápida para uso diario, y Carbon, reservado para los proyectos más difíciles y largos. Su objetivo son las cargas de trabajo intermedias, como el análisis de documentos técnicos o la escritura de una utilidad comprobable.

Resultados anunciados en varias clasificaciones

En su lanzamiento, Neon obtuvo 61 puntos en el Artificial Analysis Intelligence Index en modo de razonamiento Xhigh, lo que lo sitúa tercero en la clasificación general. En modo High, alcanza 60 puntos, igual que Carbon en el mismo modo. También se posiciona segundo en el Vals Index con un 70,9 % y segundo en la capacidad de ser guiado en Agent Arena, una prueba que mide la adaptación de los agentes a cambios durante la tarea.

Las cifras varían según la clasificación y el marco de evaluación. En el benchmark SWE-sweep, Neon alcanza un 39,0 % con el arnés del proveedor, frente al 12,8 % en el entorno común Mini-SWE. Claude Opus 5.5 está ligeramente por delante en Terminal-Bench 4.1, con un 65,8 % frente al 65,2 % de Neon. Estas puntuaciones son las publicadas en el lanzamiento, con ajustes diferentes a los utilizados en las pruebas prácticas.

Pruebas prácticas: aciertos y errores

En una grabación de audio de trece segundos con tres tipos de alertas, Neon identificó correctamente el orden de los patrones y el descenso final. Sin embargo, sus marcas de tiempo estaban ligeramente adelantadas y contó demasiados pulsos en los dos primeros patrones.

En la lectura de un calibre, obtuvo la medida de 4,6 mm explicando el origen de cada valor. No obstante, la formulación de su respuesta podría haber sido más clara sobre el espacio entre las graduaciones.

La prueba más destacada fue la de un códec de compresión por series en Python. El código producido, sin modificación, pasó 781 controles de ida y vuelta, dividió una serie de 205 caracteres en 99, 99 y 7, y rechazó las nueve entradas mal formadas probadas. Por otro lado, la clasificación de un torneo tras modificar un solo criterio de desempate no se actualizó correctamente en las dos respuestas de la aplicación.

Acceso y tarifas

En la aplicación Gemini, los suscriptores de Google AI Pro y Ultra pueden seleccionar 4 Neon en el selector de modelos y luego elegir el nivel de razonamiento. A través de la API Gemini, el identificador es gemini-4-neon, en un proyecto de pago. La ventana de contexto es de 1.048.576 tokens, compartidos entre la entrada, el razonamiento del modelo y la respuesta, y la salida síncrona estándar está limitada a 65.536 tokens.

La tarifa estándar de la API es de 3 dólares por millón de tokens de entrada y 15 dólares por millón de tokens de salida, incluyendo el razonamiento. Según Artificial Analysis, una tarea de prueba cuesta en promedio 3,74 dólares con Neon en modo High, frente a 7,76 dólares con Carbon en modo High, a los precios no reducidos de Carbon. Este último se beneficia hasta el 30 de noviembre de una tarifa temporal de 2 dólares en entrada y 10 dólares en salida por millón de tokens.

S’abonner
Notification pour
guest

0 Commentaires
Le plus ancien
Le plus récent Le plus populaire
0
Nous aimerions avoir votre avis, veuillez laisser un commentaire.x