Google DeepMind presentó Gemini 4 Hydrogen el 12 de noviembre de 2026 con una factura fácil de recordar: 1,50 dólares por millón de tokens de entrada y 7,50 por millón de salida, el mismo precio en cualquiera de los puntos de una ventana de contexto de un millón de tokens. El anuncio de Gemini 4 Hydrogen lo firma Koray Kavukcuoglu, vicepresidente sénior de Google DeepMind, y lo coloca por debajo de Gemini 4 Carbon y Gemini 4 Argon, los dos modelos frontera del fabricante para razonamiento largo, con la promesa de ejecutar rápido, tareas de programación y de agentes.
La novedad no es solo técnica. Hydrogen abandona el apellido Flash que la compañía usó en la generación anterior, y ese cambio de nombre resume la estrategia: en lugar de vender un modelo barato y otro caro, Google coloca un modelo intermedio con precio fijo sobre toda la ventana y deja que el usuario decida cuánto quiere pensar. Los cuatro niveles de pensamiento configurables son la palanca, y el precio deja de moverse con ellos.
Para quien paga la factura de la API, la pregunta relevante no es si Hydrogen es mejor que Argon en un índice, sino si sale más barato terminar una tarea. Ahí el precio plano cambia las cuentas.
Un modelo intermedio con nombre nuevo
La jerarquía que describe el anuncio tiene tres peldaños. Carbon y Argon quedan arriba, reservados a problemas difíciles y a razonamiento de horizonte largo, mientras Hydrogen se presenta como el motor de ejecución para el trabajo diario: escribir código, lanzar pruebas, verificar cambios y resolver incidencias en repositorios. La accesibilidad de Gemini 4 Carbon ya había mostrado la intención de Google de repartir su familia por casos de uso, y Hydrogen completa el tramo bajo de esa escalera.
Cuatro niveles de pensamiento, etiquetados como low, medium, high y xhigh, permiten ajustar la profundidad sin cambiar de modelo ni de tarifa. El nivel high es el que viene por defecto y el xhigh es nuevo, pensado para cuando el problema exige más pasos de razonamiento antes de responder. La compañía sostiene que la progresión es predecible, de modo que el usuario paga en latencia y en tokens de razonamiento lo que necesita y no una media.
Ese diseño tiene una consecuencia para los equipos que construyen agentes. Si el modelo caro y el barato comparten interfaces y precios planos, lo natural es dejar que un orquestador decida cuál usar en cada paso, en vez de elegir uno para todo el flujo. Google ya lo hace en Antigravity con Orchestrator, y esa pieza explica por qué Hydrogen existe: no para sustituir a Carbon, sino para ahorrar tokens en los pasos rutinarios.
La nota para desarrolladores de la API añade el detalle práctico de la disponibilidad inmediata el mismo 12 de noviembre, con instrucciones para AI Studio y Android Studio y la referencia a los cuatro niveles de pensamiento como único mando que el desarrollador necesita tocar.
Precio plano en un millón de tokens
La tarifa plana es el argumento comercial más fuerte del lanzamiento. En los modelos con precio por tramos, una conversación larga encarece cada token nuevo porque el contexto crece y se vuelve a enviar en cada llamada. Hydrogen cobra lo mismo en el token número mil y en el número novecientos noventa y nueve mil, y esa linealidad permite presupuestar un flujo agéntico sin calcular cuántas veces va a releer el modelo su propio historial. La referencia de comparación es Gemini 3.8 Flash, lanzado en septiembre.
Casi todas las cifras del anuncio se comparan con esa generación anterior, que es el modelo al que Hydrogen sustituye en el catálogo de la compañía. Las cifras de la tabla siguiente son las que Google eligió destacar.
| Métrica |
Gemini 4 Hydrogen |
Referencia |
| Precio de entrada |
1,50 dólares por millón |
Igual en toda la ventana |
| Precio de salida |
7,50 dólares por millón |
Igual en toda la ventana |
| Contexto y salida |
1 millón de entrada, hasta 1 millón de salida |
Salto de generación |
| Terminal-Bench 4.1 |
57% |
18,2% en Gemini 3.8 Flash |
| Índice de Artificial Analysis |
51 por defecto, 54 en xhigh |
50 en Gemini 4 Argon |
| Velocidad de tarea |
2,5 veces más rápido |
Frente a Gemini 3.8 Flash |
Un millón de tokens de salida es una cifra poco habitual y conviene leerla con cuidado: no describe una conversación normal, sino encargos que producen documentos, informes o código extenso de una sola vez. Ahí el coste se dispara con cualquier tarifa, porque la salida se paga a 7,50 dólares por millón, y el ahorro de la ventana plana solo compensa si el trabajo aprovecha de verdad el contexto largo.
La otra cara del precio plano es que reduce la tentación de trocear tareas para ahorrar. Un equipo que antes partía un análisis en cinco llamadas cortas puede mandarlo entero y pagar lo mismo por token, lo que simplifica el código y empeora la disciplina.
¿Dónde se nota en tareas de agente?
Las mejoras que el anuncio destaca para agentes tienen que ver con el comportamiento cuando algo falla. Hydrogen se adapta mejor cuando una llamada a herramienta devuelve un error o cuando una búsqueda vuelve vacía, y el fabricante cifra en más de cinco veces la caída de afirmaciones fabricadas respecto a 3.8 Flash. En un flujo con varias herramientas encadenadas, ese detalle vale más que unos puntos de benchmark, porque un solo paso inventado arruina el resultado completo.
Orchestrator, la pieza que Google estrena en Antigravity, cambia de modelo dentro de la misma sesión: Carbon asume los pasos que requieren criterio y Hydrogen ejecuta el resto. En Terminal-Bench 4.0, la compañía cifra el resultado en una tasa de éxito cercana a la de Carbon con un 24% menos de cuota consumida y un 19% menos de tiempo. Son cifras del fabricante sobre su propio orquestador, y sirven más como descripción del diseño que como prueba de rendimiento.
La disponibilidad es amplia para un modelo que acaba de salir. Hydrogen llega a AI Studio, a la API de Gemini, a Android Studio, a Gemini for business, a la aplicación de Gemini, a la Búsqueda de Google y a Hojas de cálculo para suscriptores de AI Pro y Ultra, y el detalle de la disponibilidad por plan aclara que los usuarios gratuitos acceden a él cuando el selector automático lo considera el modelo adecuado. En la Búsqueda, es el modelo por defecto del modo de IA.
Para un equipo que ya paga por agentes, el cálculo es directo: si el modelo pequeño resuelve la mayor parte del trabajo, el coste por tarea cae. El caso de Muse Ember y los modelos baratos para agentes muestra la misma lógica en otro fabricante.
Los benchmarks los pone quien vende el modelo
El dato que más se va a citar es el del índice de Artificial Analysis, donde Hydrogen supera a Argon por un punto en su nivel por defecto y llega a 54 en el nivel xhigh. Un punto en un índice agregado no es una diferencia significativa en el uso real, y el propio anuncio lo presenta junto a la velocidad, que es donde la ventaja parece más clara.
El resto de las cifras viene del mismo sitio. Terminal-Bench 4.1 al 57% frente al 18,2% anterior y el 58,8% en HLE-Diamond son mediciones del fabricante. A ellas se suman el 71,6% en Agents’ Last Exam y el quinto puesto en Agent Arena, pruebas en las que el fabricante participa. Los números de los socios, con ejecuciones entre dos y 2,8 veces más rápidas y entre un 12% y un 23% menos de tokens, tampoco llevan nombre ni metodología publicada en la nota.
Esa opacidad no es exclusiva de Google y no invalida el lanzamiento. Significa que la comparación honesta llegará en unas semanas, cuando aparezcan evaluaciones independientes y los equipos cuenten qué les costó cada tarea con el modelo anterior. Hasta entonces, la única cifra que se puede comprobar sin intermediarios es la del precio, y esa está publicada.
La competencia tampoco se queda quieta. El lanzamiento de la familia Mythos y la ronda de Anthropic muestra que los rivales también colocan modelos intermedios con precios agresivos, y esa presión es la que explica la tarifa plana.
El precio plano como argumento comercial
La lectura de fondo es que Google ha dejado de vender tokens y ha empezado a vender tareas terminadas. Con la ventana plana, el cliente puede pensar en cuántos encargos completa al mes y no en cuántas llamadas hace, y el proveedor se compromete a que el contexto largo no sea una trampa de facturación. Es un cambio de conversación que favorece a quien tiene flujos agénticos largos, justo el cliente que interesa a DeepMind.
Queda por ver si el precio aguanta cuando los flujos de trabajo reales usen de verdad el millón de tokens de entrada en cada llamada. La tarifa plana es una promesa de previsibilidad, y las promesas de ese tipo se miden en la primera factura completa de un cliente con carga seria. Mientras tanto, Carbon y Argon siguen siendo los modelos para pensar, y Hydrogen es el que ejecuta.
