Google presentó Gemini 4 Hydrogen el 12 de noviembre como un modelo de ejecución más rápido que acompaña a los modelos de razonamiento Carbon y Argon. El anuncio abarca herramientas de desarrollo, flujos empresariales, la aplicación Gemini y Search.

La diferencia es cómo se reparte el trabajo. Según Google, Carbon y Argon resuelven decisiones de arquitectura difíciles o razonamientos largos, mientras Hydrogen escribe código, ejecuta pruebas y verifica cambios. También puede funcionar de forma independiente.

El lanzamiento incluye precios, benchmarks y afirmaciones de seguridad. Son resultados comunicados por Google, no pruebas realizadas para este artículo, y sus condiciones importan.

Cuatro niveles ajustan velocidad y calidad

Hydrogen ofrece low, medium, high y xhigh, con high por defecto. Google los presenta como opciones para ajustar profundidad de razonamiento, latencia y coste a la tarea.

Con high, Google comunica 51 en el Artificial Analysis Intelligence Index, frente a 50 de Argon. En xhigh indica 54. Los ajustes deben acompañar a las cifras: el máximo no describe la configuración predeterminada.

El contexto es de un millón de tokens, con tarifa uniforme en toda la ventana: 1,50 dólares por millón de tokens de entrada y 7,50 por millón de salida. El anuncio también describe hasta un millón de tokens de salida en trabajo multimodal de conocimiento. Contexto y salida son límites distintos, no garantías de respuesta correcta al máximo.

Para elegir configuración, una puntuación agregada es solo una señal. No demuestra superioridad frente a Argon en todas las tareas largas ni que xhigh mantenga la latencia de niveles inferiores.

Orchestrator reparte una sesión entre modelos

Google incorpora Orchestrator a Antigravity para alternar dinámicamente entre modelos como Carbon e Hydrogen dentro de una sesión. Difiere de elegir uno para todo el trabajo.

En Terminal-Bench 4.0, Google afirma que Orchestrator logró una tasa de éxito próxima a Carbon consumiendo un 24% menos de cuota y terminando un 19% más rápido de media. La comparación corresponde a esa orquestación y benchmark; no significa que Hydrogen solo supere a Carbon con esos ahorros.

En trabajo paralelo, Carbon puede coordinar agentes trabajadores y verificadores Hydrogen en espacios aislados. La propuesta es reservar el razonamiento profundo para donde aporta valor y usar ejecución rápida para implementación y comprobación.

El reparto puede cambiar el perfil de recursos. No elimina la necesidad de verificar cambios ni demuestra que todos los repositorios se beneficien de la misma asignación.

La migración se compara con Gemini 3.8 Flash

Google comunica que Hydrogen en high completa tareas 2,5 veces más rápido que Gemini 3.8 Flash. En Terminal-Bench 4.1 informa de un 57% frente al 18,2%, junto con una reducción de más de cinco veces en afirmaciones inventadas.

La versión importa. Estos resultados 4.1 son una comparación distinta de la evaluación 4.0 de Orchestrator. Unificarlos en una clasificación borraría diferencias de tareas y configuración.

Google describe ediciones focalizadas de repositorios, depuración y preguntas sobre código, y afirma superar a modelos de nivel similar en SWE-sweep. En trabajo empresarial complejo con grafos, SQL y muchos datos, los primeros socios habrían observado ejecuciones entre 2 y 2,8 veces más rápidas con un 12% a 23% menos de tokens que 3.8 Flash.

Son rangos de cargas iniciales, no garantías universales de latencia o consumo. El anuncio no ofrece en su texto suficiente detalle para reproducir independientemente cada comparación de socios.

Google también atribuye la eficiencia en repositorios a lecturas y búsquedas por lotes paralelos, en lugar de revisar archivo por archivo. Dice que Hydrogen se adapta a fallos de herramientas o búsquedas vacías y lidera su clase en AutomationBench-AA. Son afirmaciones adicionales del proveedor, no resultados reproducidos independientemente.

El lanzamiento va más allá del código

Para tareas generales de agentes, Google comunica el quinto puesto en Agent Arena, un 58,8% en HLE-Diamond y un 52,3% en Vals Tax Agent Bench. Indica un 55,8% en Vals Legal Research Bench, empatado en primer puesto en el lanzamiento.

También anuncia un 53,4% en el nuevo Multimodal Knowledge Agent y un 71,6% en Agents’ Last Exam v1.1. Evalúan tareas diferentes y no deben promediarse como probabilidad general de éxito.

Los ejemplos muestran el alcance previsto. Geminisland convierte prompts en construcciones en una isla compartida de vóxeles. Una tienda de demostración combina un shader WebGL2, interacciones de desplazamiento y controles de configuración. Otra usa Python, fórmulas LET y formato condicional para animar un lienzo de Google Sheets.

Un ejemplo de presentación parte de una conferencia de YouTube y una plantilla de diseño, genera una presentación Slides y revisa textos superpuestos. En Sheets Canvas, Google comunica resultados de modelización financiera más de un 30% más rápidos que con modelos previos. Son demostraciones de flujos previstos, no prueba de que todo trabajo similar termine sin correcciones.

Gemini y Search se centran en tareas cotidianas

En la aplicación Gemini, Google destaca seguir requisitos de tono y formato, sintetizar documentos y elegir herramientas con menos intercambios. Describe contexto de archivos subidos, Gmail, Drive y servicios conectados como Airtable y Dropbox.

Otras demostraciones incluyen un globo y un motor musical guiados por datos de rayos, un visualizador de agua y vidrio y un vídeo creado con material de dominio público. Son ejemplos del proveedor, no un catálogo de resultados esperables con cualquier prompt.

Para Search, Google afirma mejorar la comprensión de consultas múltiples o imperfectas, ofrecer respuestas visuales adaptables y ampliar enlaces con query fan-out. Consiste en generar búsquedas relacionadas para recuperar más material. Una recuperación más amplia no demuestra por sí sola la exactitud de la respuesta generada.

Las cifras de seguridad describen evaluaciones concretas

Google afirma reducir la extralimitación de agentes hasta un 81% y la asistencia insuficiente hasta un 79% frente a 3.8 Flash. También comunica doce veces menos acciones desalineadas y atajos en evaluaciones de herramientas y código.

En tareas imposibles o bloqueadas, afirma que es hasta dos veces menos probable eludir límites de permisos. Informa de un 96,7% de honestidad en una evaluación interna. Son resultados de Google, no una garantía de que el agente respete siempre los permisos de la aplicación.

Además comunica un 99,9% de legibilidad de las cadenas de pensamiento y ninguna edición engañosa del razonamiento en más de 200.000 turnos auditados. Afirma una resistencia más de 2,3 veces mayor en el benchmark de inyección indirecta de Gray Swan. La legibilidad y la resistencia medida no prueban inmunidad.

En interacciones diarias, Google indica menos de un 0,4% de falsos rechazos en HealthBench Pro, con distinciones más precisas entre riesgos de bioseguridad y preguntas legítimas. La tasa de rechazo no mide la exactitud médica de las respuestas.

El acceso cambia por producto y suscripción

Google anuncia despliegue mundial mediante Gemini API, AI Studio, Android Studio y Gemini for business. Describe Antigravity para suscriptores de pago Google AI Pro y Ultra. Sheets depende de suscripciones elegibles, empezando en consumidores por Pro y Ultra.

La aplicación gratuita tiene una condición importante: Hydrogen llega mediante selección automática del modelo cuando el prompt lo justifica. No promete selección manual ilimitada para todos los usuarios gratuitos. Search se anuncia para todos los usuarios del mundo.

El cambio práctico es un modelo de ejecución ampliamente distribuido, con razonamiento ajustable y coordinación opcional de modelos. Su valor depende de tareas, ajustes y producto utilizado. Las cifras orientan la evaluación siempre que se conserven las versiones de benchmarks y las condiciones de acceso.

Lecturas relacionadas
Fuentes

Explorar el directorio de herramientas →