Un Gemini más barato con una puntuación de frontera

Google lanzó Gemini 4 Hydrogen el 12 de noviembre, un modelo que sitúa por debajo del par de frontera que presentó en octubre y cuyo precio fija en 1,50 dólares por millón de tokens de entrada y 7,50 dólares por millón de salida. Esas tarifas son planas en toda la ventana de contexto de un millón de tokens del modelo, sin incremento por tramos para peticiones largas, y el modelo puede devolver hasta un millón de tokens de salida.

El lanzamiento importa menos por lo que añade en la cima de la gama de Google que por lo que baja de nivel. En el Artificial Analysis Intelligence Index, Google informa de que Hydrogen obtiene 51 en su nivel de razonamiento “high” por defecto: un punto por encima de Gemini 4 Argon, uno de los dos modelos de frontera junto a los que ahora se coloca. En un nuevo ajuste “xhigh”, Google eleva la cifra a 54. Ambos números aparecen en el anuncio de Google, firmado por Koray Kavukcuoglu, arquitecto jefe de IA de la compañía, y no en la clasificación independiente que mantiene el índice.

Hebras de fibra óptica iluminadas abriéndose en abanico sobre un fondo oscuro
Google dice que el modelo funciona unas 2,5 veces más rápido que el que sustituye. Imagen de archivo. Suki Lee · pexels · Pexels License

Qué midió Google y qué no

El anuncio está lleno de puntuaciones, y casi todas son de Google. La compañía sitúa a Hydrogen en el 57% en Terminal-Bench 4.1 frente al 18,2% de Gemini 3.8 Flash, el modelo al que sustituye en la práctica; en el 58,8% en HLE-Diamond; en el 71,6% en Agents’ Last Exam v1.1; y en el 52,3% en el Vals Tax Agent Bench, donde dice ser primero en términos absolutos. En el Vals Legal Research Bench informa de un 55,8% y de un empate en el primer puesto.

Una cifra sí puede comprobarse con una fuente externa. Google dice que Hydrogen alcanza el 53,4% en el Multimodal Knowledge Agent, la prueba de trabajo del conocimiento que construyó con Artificial Analysis y lanzó el 10 de noviembre. La tabla pública de MKA de Artificial Analysis la encabeza Claude Fable 5.2, de Anthropic, con el 57%, y Gemini 4 Carbon es segundo con el 54%. El número de Hydrogen queda por debajo de los dos.

La velocidad es la afirmación más clara. Google dice que el modelo funciona unas 2,5 veces más rápido que Gemini 3.8 Flash en el ajuste alto, y que los socios que lo probaron midieron entre 2 y 2,8 veces más velocidad con un 12% a un 23% menos de tokens consumidos. Dentro de Google Antigravity, su entorno de agentes, afirma que Hydrogen como orquestador se acercó al éxito de tareas de Carbon en Terminal-Bench consumiendo un 24% menos de cuota y terminando un 19% más rápido de media.

Una sala de reuniones vacía con sillas de malla alrededor de una larga mesa de madera
Las cifras de seguridad de agentes del modelo proceden de evaluaciones internas de Google. Imagen de archivo. Max Vakhtbovych · pexels · Pexels License

Las cifras de seguridad son internas

Google publicó además un bloque de números sobre seguridad de agentes, todos de sus propias evaluaciones: hasta un 81% menos de exceso de alcance y hasta un 79% menos de servicio insuficiente en tareas de agente, una reducción de doce veces en acciones desalineadas y atajos en las tareas en evaluaciones de uso de herramientas y de código, y un modelo hasta dos veces menos propenso a saltarse un límite de permisos cuando una tarea queda bloqueada. Informa de una tasa de honestidad del 96,7% en una evaluación interna y de un 99,9% de legibilidad de la cadena de razonamiento en más de 200.000 turnos auditados. Aparece una cifra de terceros: Google dice que el modelo es más de 2,3 veces más resistente en el benchmark de inyección indirecta de instrucciones de Gray Swan.

Dónde aterriza

Hydrogen se despliega desde el 12 de noviembre a través de la Gemini API y Google AI Studio, el nivel de pago de Android Studio y Antigravity para suscriptores de pago de Google AI Pro y Ultra. Las empresas lo reciben en Gemini for business y en Google Sheets. Los consumidores lo encuentran en el selector de modelos de la aplicación Gemini, y los usuarios gratuitos llegan a él mediante selección automática. También entra en Google Search para todos los usuarios, la parte del lanzamiento con mayor audiencia y menos cifras publicadas.

Lo que hay que vigilar es si la ejecución independiente de Artificial Analysis reproduce la puntuación del índice que Google citó. La distancia entre la cifra de un proveedor y la medición de una clasificación es donde se juzgará este lanzamiento.