back to blog

Gemini 4 Neon, agentes 5 veces más caros con el mismo modelo y una semana de caídas globales: el problema ya no es la IA, es lo que le dejas tocar

Google lanza Gemini 4 Neon a 3 dólares por millón de tokens de entrada, un estudio de Runta demuestra que el mismo modelo puede costar hasta 5 veces más según el agente que lo use, y mientras tanto Microsoft, Apple, la NSA y los vuelos de EE. UU. se caen por actualizaciones mal hechas. El arnés y la deuda técnica deciden quién gana dinero.

Escucha el artículo

Gemini 4 Neon, agentes 5 veces más caros con el mismo modelo y una semana de caídas globales: el problema ya no es la IA, es lo que le dejas tocar

Todo el mundo discute qué modelo de IA es más listo. Casi nadie mira cuánto le cuesta cada tarea, y menos aún qué pasa cuando esa IA toca un sistema que ya estaba medio roto.

Esta semana nos han dado tres pistas de golpe. Y juntas cuentan una historia bastante incómoda para quien vende “IA mágica”.

Gemini 4 Neon: Google quiere ser tu modelo para programar por 3 dólares

Google lanzó el 18 de noviembre Gemini 4 Neon, un modelo pensado para programación agéntica y trabajo de conocimiento. Precio en la API: 3 dólares por millón de tokens de entrada y 15 por millón de salida, sin recargo por usar toda la ventana de 1M de contexto.

Según los primeros análisis, queda un punto por encima de Gemini 4 Carbon en el índice de inteligencia de Artificial Analysis y muy cerca en las pruebas de desarrollo web de Arena. Traducido: rinde casi como el hermano grande, pero más rápido y más barato.

Es la jugada de siempre y funciona: ofrecer el 95 % de la potencia por una fracción del precio. Y a los desarrolladores nos parece genial. Hasta que miras la factura de verdad.

La trampa del precio por token: el mismo modelo, hasta 5 veces más caro

Aquí viene lo que casi nadie cuenta. La firma Runta, con Baseten, acaba de publicar una prueba de 22 configuraciones de agentes con cinco modelos abiertos y 27.280 ejecuciones, unos 83.000 millones de tokens quemados.

El resultado es un guantazo al marketing: con el mismo modelo, Cline CLI costó por tarea cinco veces lo que OpenCode v1, y aprobó apenas dos puntos porcentuales más. Con un margen de error de unos ±10 puntos, esa ventaja no demuestra nada.

Y hay un dato peor: el 64,5 % del coste estimado se fue en ejecuciones que fallaron o agotaron el tiempo. Pagas por intentos que no sirven para nada.

El precio por millón de tokens es el número del escaparate. El coste por tarea aprobada es el que paga tu cuenta bancaria.

Además, el ranking cambia según el modelo: Codex CLI fue el más barato con GLM-5.3 y cayó al puesto 16 con Kimi-K3. No hay agente “mejor”, hay combinaciones que te convienen o no con tu código.

La grieta que nadie quiere ver: se cae el mundo y la culpa es de las actualizaciones

Mientras discutimos de tokens, la semana ha sido un desfile de apagones. Una actualización de red hizo que los servidores de Microsoft se sobrecargaran y Outlook y otras apps cayeran. Una red obsoleta dejó en tierra los vuelos de todo Estados Unidos durante horas. iCloud y Apple Pay sufrieron una interrupción total por una actualización interna. La NSA perdió sus comunicaciones internas por “mantenimiento rutinario”. Y JP Morgan Chase tuvo un “fallo de software” que afectó a pagos.

La BBC lo resume bien: no hay pruebas de que estén relacionados. Pero sí nos dicen dónde está la debilidad: deuda técnica, sistemas antiguos y despliegues que nadie prueba lo suficiente.

Y encima, la IA se ha vuelto una máquina de encontrar agujeros. Calif usó GPT-6 Cyber para destapar el fallo crítico de Java, y Oracle ya sacó una actualización crítica. La IA encuentra la vulnerabilidad en horas; parchear sin romper producción sigue siendo cosa de personas.

El giro que nadie esperaba: lo que decide el resultado no es el modelo, es el arnés

Júntalo todo y sale una idea contraintuitiva. Si el mismo modelo puede costar 5 veces más según el agente que lo envuelva, y si los fallos más graves de la semana vienen de actualizaciones mal gestionadas, entonces la ventaja competitiva ya no está en tener el modelo más nuevo.

Está en el arnés: los tests que detectan errores antes, los límites que impiden que un agente se pase tres horas dando vueltas, la revisión humana antes de desplegar, el rollback preparado.

Un agente con buenos tests corrige antes y gasta menos. Un agente sin red de seguridad es una forma muy cara de producir deuda técnica a velocidad industrial.

Qué significa esto para desarrolladores y freelancers: cómo no quemar dinero con agentes de IA

La conclusión práctica, sin rodeos:

  • Mide coste por tarea aprobada, no por token. Prueba tu flujo real con dos o tres combinaciones modelo-agente antes de casarte con ninguna.
  • Pon límites de tiempo y de presupuesto a tus agentes. Si más de la mitad del gasto se va en intentos fallidos, el problema es de tu configuración, no del modelo.
  • Invierte en tests antes que en modelos nuevos. Es lo que más reduce el coste y el riesgo a la vez.
  • Nunca despliegues sin rollback. Si Microsoft y Apple se cayen por una actualización, a ti también te puede pasar.
  • Cobra por el criterio, no por teclear. Escribir código se abarata cada mes; responder por que funcione en producción no.

La IA no rompe tus sistemas: los rompe tu falta de pruebas, límites y revisión. La IA solo lo hace más rápido.


¿Estás gastando más de la cuenta en IA para programar, o necesitas ordenar tu flujo de desarrollo para que los agentes trabajen con tests, límites y sentido común? Escríbeme desde la página de contacto y lo vemos de desarrollador a desarrollador, sin traje ni presentaciones corporativas.

back to blog