Gemini 4 Hydrogen: el modelo de Google para agentes

Qué es Gemini 4 Hydrogen y por qué Google lo lanza para todos

Google presentó Gemini 4 Hydrogen el 12 de noviembre de 2026, el tercer modelo de la familia Gemini 4, con un precio plano de US$1,50 por millón de tokens de entrada y US$7,50 por millón de salida a lo largo de toda su ventana de contexto de 1 millón de tokens. El anuncio llega semanas después de Gemini 4 Carbon y Gemini 4 Argon, los modelos frontier de la compañía.

La división de trabajo es explícita: Carbon y Argon se reservan para razonamiento profundo y de largo horizonte, mientras Hydrogen está diseñado para ejecución rápida en flujos de trabajo con agentes. Según 9to5Google, el modelo reemplaza la marca «Flash» que Google venía usando para su línea rápida.

El despliegue es global y simultáneo en la app de Gemini, Google Search, la API de Gemini, AI Studio, Android Studio (plan pago), Google Antigravity para suscriptores de AI Pro y Ultra, Gemini for business y Gemini en Google Sheets. Es una apertura más amplia que la de Argon, que en Antigravity arrancó limitado a los suscriptores Ultra.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

¿Cuánto mejora respecto a Gemini 3.8 Flash?

La comparación que Google pone sobre la mesa es contra su propio predecesor. Frente a Gemini 3.8 Flash, Hydrogen termina tareas 2,5 veces más rápido en su nivel de razonamiento alto por defecto, más que triplica el puntaje de Terminal-Bench 4.1 (57% contra 18,2%) y reduce las afirmaciones fabricadas más de 5 veces.

Los socios que probaron el modelo reportan ganancias parecidas en cargas empresariales con grafos complejos, SQL y datos: entre 2x y 2,8x más rápido con 12% a 23% menos tokens. Pixelcut reportó corridas 1,8x más rápidas y Box cerca del doble de velocidad con 12% menos tokens, según el relevamiento de OfficeChai.

Hydrogen ofrece cuatro niveles de razonamiento: bajo, medio, alto (por defecto) y un nuevo xhigh. En el Artificial Analysis Intelligence Index obtiene 51 en alto —un punto por encima de Argon, que saca 50— y llega a 54 en xhigh.

Orchestrator: cómo repartir el trabajo entre modelos

La novedad que más debería interesar a un equipo de producto es Orchestrator, la función que Google introduce en Google Antigravity. En lugar de elegir un modelo y usarlo de principio a fin, Orchestrator cambia dinámicamente entre Carbon y Hydrogen dentro de la misma sesión.

El flujo que describe Unite.AI es concreto: Carbon explora dependencias y arma un plan en una fase de solo lectura; Hydrogen edita el código, actualiza paquetes y corre los tests. Si la ejecución se traba, el control vuelve a Carbon para inspeccionar el estado y reparar el plan. No es un router estático que asigna toda la tarea según el prompt inicial.

En Terminal-Bench 4.0, Google reporta que Orchestrator alcanza tasas de éxito cercanas a Carbon consumiendo en promedio 24% menos cuota y terminando 19% más rápido. Para flujos con agentes en paralelo, Carbon puede coordinar mientras Hydrogen alimenta agentes trabajadores y verificadores en espacios de trabajo aislados.

¿Dónde queda Google frente a Anthropic y OpenAI?

Google eligió comparar contra Claude Sonnet 5.5 y GPT-6.1 Terra y, según el análisis de OfficeChai, Hydrogen queda adelante de Sonnet 5.5 en siete de las diez evaluaciones publicadas. En Vending-Bench 2, que mide cuánto dinero puede generar un modelo operando un negocio simulado, Hydrogen registra US$14.549, casi US$3.400 por encima de Sonnet 5.5.

También lidera en trabajo de conocimiento multimodal y en benchmarks de dominio: HLE-Diamond con 58,8%, primer puesto general en Vals Tax Agent Bench (52,3%) y empate en el primer lugar de Vals Legal Research Bench (55,8%).

El terreno donde Anthropic mantiene ventaja es el de terminal y uso de computadora: Sonnet 5.5 saca 63,9% contra 57,0% en Terminal-Bench 4.1, 83,9% contra 77,6% en el subconjunto offline de OSWorld-2.1 y 59,9% contra 51,4% en Terminal-Bench-Science 0.1.

En precio, el listado de Sonnet 5.5 es de US$2 y US$10 por millón de tokens, es decir 25% por encima de Hydrogen. Y hay un dato que conviene mirar con cuidado: la evaluación de seguridad del modelo registra un aumento de 5,57 puntos porcentuales en rechazos injustificados frente a 3.8 Flash, según la model card citada por Unite.AI.

¿Qué significa esto para tu startup?

Tres cosas, y las tres son de presupuesto.

Primero, el costo por tarea deja de ser una incógnita. Un precio plano de US$1,50 y US$7,50 sin escalones por longitud de contexto permite estimar el gasto mensual de un agente sin modelar el tamaño de cada prompt. Con una relación de 5 a 1 entre salida y entrada, la variable real pasa a ser cuán «conversador» es tu producto: si tu agente devuelve respuestas largas, ahí está tu factura.

Segundo, la arquitectura multi-modelo ya no requiere que la construyas desde cero. Si estás pagando un modelo frontier para tareas rutinarias de tu pipeline, Orchestrator es la señal de que el patrón correcto es separar planificación de ejecución. Puedes replicar esa lógica con la API: un modelo caro para decidir, uno barato para ejecutar y verificar. Google reporta 24% menos cuota con calidad cercana a Carbon, pero el ahorro depende de tu mezcla de tareas.

Tercero, los niveles de razonamiento son una palanca de costos. Google recomienda usar alto para la mayoría de tareas complejas y reservar xhigh para problemas multietapa donde alto no alcanza, porque xhigh puede «sobrepensar» prompts simples. Medir el nivel mínimo que resuelve tu caso de uso es, literalmente, bajar la factura.

Un punto de cautela antes de migrar: los benchmarks son los de Google, y la comparación es contra el modelo de gama media de Anthropic, no contra su tope. Según OfficeChai, Claude Fable 5.2 se quedó con el primer puesto del Artificial Analysis Intelligence Index. Para el segmento de trabajo diario, Google tiene un modelo más barato y más rápido que gana en la mayoría de las pruebas que eligió publicar; en tareas de terminal y uso de computadora, la carrera sigue abierta.