Plotly sigue recomendando Hydrogen, porque este cambio de puntuación solo hizo que Gemini 4 Neon igualara a Hydrogen, no que lo superara. En la misma ronda de evaluación, ambos obtuvieron la puntuación perfecta, pero el costo del conjunto completo de Hydrogen es aproximadamente un tercio del de Neon, y su tiempo mediano por pregunta también es menor. Una vez igualadas las puntuaciones, la comparación se centra en costo y velocidad, y Hydrogen aventaja en ambas.
También hay que aclarar algo: esta vez fue Plotly, el evaluador externo, quien revisó las reglas de puntuación; no fue Google quien actualizó el modelo.
¿Qué puede aprender al leer este artículo?
- Por qué Plotly cambió el 19 de noviembre la puntuación de Gemini 4 Neon de 42/43 a 43/43.
- Las puntuaciones, el costo del conjunto completo y el tiempo por pregunta de Neon, Hydrogen y Carbon en la misma ronda de evaluación.
- Qué conclusiones pueden aplicarse directamente a la selección de modelos para tareas de análisis de datos y cuáles no.
Índice: el artículo primero explica varios conceptos clave con una tabla y luego resume brevemente el impacto según el tipo de audiencia. La sección «Hechos objetivos» del cuerpo presenta, en orden, la evaluación original, la corrección y los resultados de la misma ronda; la sección «Análisis y valoración» explica por qué Hydrogen se impone y cuáles son los límites de aplicabilidad de este ranking en la selección de modelos.

Gemini 4 Neon: previa de la corrección de puntuación y explicación de conceptos To Know
| Concepto | Explicación breve |
|---|---|
| Plotly | Empresa de visualización y análisis de datos; en esta evaluación es la organización externa, no un proveedor de modelos |
| DataAnalyticsBench | Evaluación de análisis de datos lanzada por Plotly. Su conjunto de preguntas es privado y se basa en datos sintéticos de energía eólica |
| Plotly Studio Embedded | Entorno de pruebas con agente usado en esta evaluación; todos los modelos responden dentro de él |
| Reglas de puntuación (Rubric) | Criterios para determinar si una respuesta es correcta o incorrecta; la corrección de esta vez modificó la regla de una de las preguntas |
| Datos sintéticos | Datos simulados generados artificialmente para construir preguntas controlables |
| Muestra única | Cada modelo se ejecuta una sola ronda completa, sin repetir varias veces para calcular un promedio |
| Tiempo mediano por pregunta | Mediana del tiempo de todas las preguntas; en esta medición se incluye el tiempo de consulta |
| Precios de OpenRouter | Base para calcular el costo total de esta evaluación; se usan los precios de OpenRouter de cada modelo correspondientes al día en que se ejecutó |
Vistazo rápido al impacto de la puntuación perfecta de Gemini 4 Neon en distintos grupos
| Público | Impacto |
|---|---|
| Desarrolladores que eligen modelos de Google para tareas de análisis de datos | Neon y Hydrogen empatan en precisión; Hydrogen, más económico y rápido, sigue siendo la opción preferente |
| Equipos que ya usan Neon | La corrección muestra que las reglas originales subestimaban la capacidad analítica de Neon, pero sus costos y tiempos de ejecución no han cambiado |
| Investigadores interesados en métodos de evaluación | Es un caso en el que la regla de una pregunta juzgó mal un problema real y luego se corrigió; demuestra que los conjuntos privados de preguntas también necesitan revisión |
| Usuarios generales | El modelo no ha cambiado; el cambio proviene de las reglas de puntuación del evaluador |
Corrección de la puntuación de Gemini 4 Neon: hechos objetivos
Evaluación original de Plotly: Gemini 4 Neon reportado inicialmente como 42/43
El artículo original de la evaluación de Plotly está fechado el 2026-11-18, y la puntuación de Gemini 4 Neon publicada en ese momento fue 42/43. La información sobre el lanzamiento de Gemini 4 Neon proviene del blog oficial de Google, mientras que la evaluación fue realizada por Plotly como organización independiente de terceros.
Las pruebas se llevaron a cabo en el entorno de agente Plotly Studio Embedded, con un conjunto de preguntas privado construido a partir de datos sintéticos de energía eólica. Los tipos de pregunta cubren las siguientes categorías:
- Análisis de datos convencional
- Solicitudes ambiguas
- Solicitudes sin respuesta posible
- Calidad de datos
- Trampas estadísticas
- Patrones ocultos
Corrección del 19 de noviembre: Gemini 4 Neon pasa de 42 a la puntuación máxima
Plotly añadió una corrección al texto original, fechada el 19 de noviembre, sin indicar la hora exacta ni la zona horaria.
El problema estaba en una pregunta de calidad de datos. La regla de puntuación original trataba dos problemas reales presentes en los datos sintéticos como elementos irrelevantes; por eso, si el modelo señalaba esos dos problemas en su respuesta, acababa siendo penalizado. Es decir, el modelo daba la respuesta correcta, pero la regla lo marcaba como error.
Plotly lo gestionó así:
- Revisó la regla de puntuación de esta pregunta;
- Volvió a puntuar los modelos que antes no habían superado esa pregunta;
- Revisó manualmente todos los cambios de puntuación que se produjeron por ello;
- Verificó manualmente, una por una, las 43 respuestas de Neon.
Tras la corrección, Neon pasó a 43/43. Carbon sigue en 42/43, sin cambios.

| Elemento | Antes de la corrección | Después de la corrección |
|---|---|---|
| Puntuación de Gemini 4 Neon | 42/43 | 43/43 |
| Puntuación de Carbon | 42/43 | 42/43 (sin cambios) |
| Motivo del cambio | — | Se revisó la regla de puntuación de una pregunta de calidad de datos |
| El modelo en sí | Sin cambios | Sin cambios; no es una actualización del modelo por parte de Google |
| Fecha de la corrección | El texto original indica 2026-11-18 | El párrafo de corrección indica el 19 de noviembre, sin hora ni zona horaria |
Resultados de la misma ronda de evaluación: Neon, Hydrogen y Carbon
Todos los datos siguientes provienen de la misma ronda y del mismo entorno de pruebas de Plotly. GPT-6.1 Sol se incluye únicamente como referencia de otro fabricante y no entra en el ámbito de recomendación de Plotly para los modelos de Google.
| Modelo | Puntuación | Coste del conjunto | Tiempo medio por pregunta (mediana) |
|---|---|---|---|
| Gemini 4 Neon | 43/43 | $17.03 | 46 s |
| Hydrogen | 43/43 | $6.36 | 32 s |
| Carbon | 42/43 | $11.55 | 93 s |
| GPT-6.1 Sol (referencia) | 43/43 | $2.61 | 18 s |
Al interpretar esta tabla conviene tener en cuenta los siguientes criterios:
- Coste del conjunto: se calcula según el precio de OpenRouter del día en que se ejecutó cada modelo; no equivale al precio unitario oficial de Google ni al de otras plataformas.
- Tiempo medio por pregunta (mediana): incluye el tiempo de consulta, así que no es tiempo puro de generación del modelo.
- Muestra única: Plotly indica que cada modelo se ejecutó una sola ronda. En pruebas repetidas anteriores, las puntuaciones de otros modelos llegaron a variar hasta en tres preguntas.

Fuentes de información
- Evaluación original y corrección de Plotly: plotly.com/blog/gemini-4-neon-plotly-data-analytics-bench/
- Ranking completo y metodología de Plotly: plotly.com/blog/introducing-dataanalyticsbench/
- Anuncio de producto de Google: blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-neon/
Por qué Plotly sigue recomendando Hydrogen: análisis y criterio
Una puntuación perfecta solo empata; para elegir hay que mirar costo y velocidad
Tras la corrección de la puntuación, Neon y Hydrogen ya no se pueden distinguir en precisión. Si se calcula con los datos de la misma ronda, el costo total de Neon es aproximadamente 2,7 veces el de Hydrogen, y su mediana de tiempo por pregunta es aproximadamente 1,4 veces la de Hydrogen. Cuando la precisión es la misma, la opción más barata y rápida resulta más conveniente, así que la conclusión de Plotly no necesita ajustarse por esta corrección.
El caso de Carbon es más evidente. Obtuvo una respuesta correcta menos, cuesta más que Hydrogen y su tiempo por pregunta casi triplica el de Hydrogen; en esta comparación no muestra una ventaja clara.
Qué revela la corrección: la evaluación de calidad de datos de Neon estaba subestimada
Esta corrección es una señal positiva para Neon. La regla original juzgó mal precisamente las preguntas sobre calidad de datos, y a Neon se le marcó como incorrecto porque señaló problemas que realmente existían en los datos. En tareas de análisis que requieren detectar datos sucios y valores atípicos, esto indica que Neon tiene la capacidad de identificarlos.
Sin embargo, la corrección solo afecta a la precisión; el costo y la velocidad de Neon no cambian por ello. Plotly revisó manualmente, una por una, las 43 respuestas de Neon, lo que hace que esta puntuación perfecta sea más fiable que la automática, pero no altera su posición en costos.
Qué conclusiones sirven para elegir y cuáles no
| Conclusión | ¿Se puede usar directamente para elegir el modelo? | Razón |
|---|---|---|
| En modelos de Google, priorizar Hydrogen para tareas de análisis de datos | Sí, pero con condiciones | La recomendación de Plotly se limita a su prueba y al alcance de modelos de Google que eligió |
| Neon y Hydrogen tienen una precisión comparable | Usar con cautela | Prueba con una sola muestra; al repetir las pruebas con otros modelos, las puntuaciones llegaron a variar hasta en tres preguntas |
| El costo de Neon es aproximadamente 2,7 veces el de Hydrogen | Como referencia relativa | Calculado según los precios de OpenRouter del día de la ejecución; el precio unitario real puede variar |
| Hydrogen es más rápido que Neon | Como referencia relativa | El tiempo incluye el de la consulta y depende del entorno de prueba |
| Hydrogen es el mejor modelo para análisis de datos entre todos los modelos | No | En la misma ronda, GPT-6.1 Sol, de otro fabricante y usado como referencia, era más barato y rápido |
| Neon es una actualización del modelo | No | Se trata de una revisión de la puntuación; el modelo en sí no cambió |
Algunos puntos que conviene seguir
Cabe aclarar que lo siguiente son predicciones y líneas de observación, no hechos ya ocurridos:
- Si Plotly publica más adelante resultados de pruebas repetidas en varias rondas, la diferencia de una pregunta entre Neon y Hydrogen podría volver a ordenarse; solo entonces se podrá comparar la precisión con más seguridad.
- El orden de costos depende de los precios. Si los precios de los modelos cambian, el orden calculado con el mismo número de preguntas también podría cambiar.
- En conjuntos de preguntas privados también pueden producirse errores de reglas. Esta corrección recuerda al lector que, al leer una evaluación, además de la puntuación total, conviene fijarse en si el evaluador ha publicado el proceso de corrección y la revisión manual.
Para quien está eligiendo un modelo para tareas de análisis de datos, el significado práctico de esta noticia es este: Neon ya no está subestimado por las reglas de puntuación, pero en esta prueba de Plotly, Hydrogen sigue siendo más económico y rápido entre los modelos de Google.
La puntuación perfecta de Gemini 4 Neon corrigió un error de puntuación, mientras que la recomendación de Hydrogen responde a una consideración de relación calidad-precio; ambas cosas no se contradicen. Como dice el proverbio inglés: «Price is what you pay; value is what you get» (El precio es lo que pagas; el valor es lo que obtienes).
