Gemini 4 se bautiza con la tabla periódica: argón, neón, carbono e hidrógeno
Google ha sacado cuatro modelos Gemini 4 en siete semanas, cada uno con nombre de elemento químico. Dos sirven para programar y Google no aclara cuál elegir.

Llevar la cuenta de los modelos de inteligencia artificial que salen cada mes ya es casi un trabajo en sí mismo. Google acaba de complicarlo un poco más, aunque también lo ha hecho más fácil de recordar. Su generación Gemini 4 tiene ya cuatro modelos, publicados en apenas siete semanas, y todos llevan nombre de elemento químico: Argon, Neon, Carbon e Hydrogen. Así lo recoge un análisis de Iván Linares en Xataka, que señala un problema práctico: dos de esos modelos están pensados para programar y Google no explica en qué se diferencian.
Una familia con nombres de elementos
Cada empresa ha elegido su forma de bautizar modelos. Según Xataka, OpenAI usa nombres de astros (Sol, Terra, Luna y Astra) y Anthropic, formas literarias (Haiku, Sonnet, Fable). Otras, como xAI o DeepSeek, siguen con números de versión, que suelen liar más. Google ha tirado de la tabla periódica, con una lógica bastante fácil de seguir:

- Gemini 4 Argon: el primero de la tanda, orientado a programación y análisis. Xataka lo presentó como un modelo para trabajo pesado: código, ciencia, finanzas y ciberseguridad.
- Gemini 4 Carbon: deriva de Argon y es la gama más alta en capacidades. En la app de Gemini solo lo tienen los suscriptores de Google AI Ultra.
- Gemini 4 Neon: deriva de Carbon y se vende como el modelo «para casi todo». Es más rápido que Carbon y más barato por tarea.
- Gemini 4 Hydrogen: también deriva de Carbon y ocupa la parte baja del catálogo. Prima la rapidez y un coste contenido.
Los gases nobles (argón y neón) se quedan con la mitad del catálogo. Los otros dos son elementos muy comunes en la naturaleza: el carbono va arriba y el hidrógeno, el más ligero de todos, abajo. Como guiño químico, Xataka recuerda que el argón fue el primer gas noble que se aisló, en 1894, y que su nombre viene del griego argós, «inactivo».
Cómo encaja un catálogo así por dentro
Que un modelo «derive» de otro es algo habitual en el sector. A partir de un modelo grande y caro se sacan versiones ajustadas para tareas concretas, o más pequeñas y eficientes, que conservan buena parte de la capacidad y cuestan menos de ejecutar. Las cuentas son sencillas: cuanta más capacidad, más cálculo hace falta por respuesta, así que la respuesta tarda más y sale más cara. Por eso los catálogos suelen escalonarse, con un modelo tope de gama para problemas difíciles, uno intermedio para el día a día y uno ligero para tareas rápidas o masivas.

Según el artículo, el gran argumento de Google en esta generación es el coste por tarea, más que las cifras brutas de rendimiento. No es lo mismo pagar por cada palabra que pagar por resolver un encargo completo, como arreglar un fallo en un programa. Un modelo algo menos brillante, pero que lo resuelve con menos pasos, puede acabar saliendo más barato. Xataka no da precios ni resultados de pruebas concretos. Sí recuerda que Carbon fue el mejor modelo del mercado durante trece días, hasta que lo superó un modelo de la competencia.
La letra pequeña: dos modelos para programar
Aquí está el problema que apunta el análisis. Argon y Neon están pensados para programación y análisis, pero Google no dice para qué va mejor cada uno. Cuando llegó Carbon, la compañía todavía recomendaba Argon como la mejor opción para ingeniería de software. Ocho días después, Argon desapareció de la app de Gemini y Neon ocupó su sitio.

En Antigravity, el entorno de programación de Google, los dos siguen en el mismo selector. Neon es el modelo por defecto para las conversaciones nuevas, y el anuncio de su llegada ni siquiera menciona a Argon. En la app de Gemini también hay letra pequeña. Según Xataka, quien paga el plan Pro ya no ve ningún modelo etiquetado para programar, porque Carbon queda reservado al plan Ultra.
«Google no especifica para qué va mejor uno u otro», resume Iván Linares en Xataka.
Para quien programa, la consecuencia es clara: toca probar los dos con su propio código, comparar resultados y tiempos, y sacar sus conclusiones. El autor lo compara con Mendeléyev, que ordenó los elementos observando y deduciendo sus propiedades.
Por qué importa
Los nombres llamativos ayudan a recordar qué modelo es cuál, pero no sustituyen a una guía de uso. La tendencia de dar al usuario cada vez más modelos entre los que elegir va al revés de los selectores automáticos que algunas empresas probaron hace poco, y deja en manos de cada persona una decisión técnica que afecta a la calidad y al coste. Si usas estas herramientas para trabajar, conviene hacer pruebas propias antes de casarte con un modelo, mirar cuánto cuesta cada tarea completa y no solo cada mensaje, y tener en cuenta que el catálogo puede cambiar en cuestión de días.
Texto generado con inteligencia artificial a partir de las fuentes citadas, sin revisión humana individual (Reglamento UE 2024/1689, art. 50). Las fotos llevan su crédito y licencia; las marcadas como realzadas se han retocado con IA sin alterar su contenido.
Relacionado
- Gemini 4 Argon: el nuevo modelo de Google puede escribir hasta un millón de tokens
- Un nuevo examen mide si los agentes de IA saben trabajar en equipo de verdad
- Un modelo de IA que perdía al StarCraft copió el bot de un humano para ganar
- Un modelo de lenguaje aprende a retocar sus propios pesos sin reentrenarse
- Anterior en Tecnología: ¿Ciberataque o simple avería? Cómo distinguirlos cuando todo deja de funcionar
Temas: Inteligencia artificial (89) · Programación (4) · Modelos de lenguaje (18)





Comentarios
Para comentar hay que iniciar sesión (Google, X, Facebook, Apple, Microsoft o cuenta de Disqus). Se moderan insultos, spam y datos personales: normas.
Los comentarios los sirve Disqus, un servicio externo que usa cookies propias y de publicidad. Solo se carga si pulsas el botón. Más información.