Gemini 4 Hydrogen vs Claude Haiku 5.5: una diferencia de precio de 15x que se reduce a 7x por tarea finalizada

En la lista de precios, la diferencia es absurda. Claude Haiku 5.5 cuesta $0.10 por millón de tokens de entrada y $0.50 por millón de salida para prompts de hasta 100.000 tokens; G​emini 4 Hydrogen cuesta $1.50 y $7.50. Eso es quince veces más caro en ambas líneas, para un modelo que apenas entró en el catálogo de G​oogle el 12 de noviembre de 2026. Sin embargo, nadie que elija entre ellos esta semana está eligiendo entre dos precios. Está eligiendo entre un modelo que obtiene 54 en el Artificial Analysis Intelligence Index y otro que obtiene 36, y la cifra de quince veces se desvanece en el momento en que mides lo que le cuesta a cada uno terminar un trabajo en lugar de empezarlo.

El número por token y el número por tarea discrepan en la mitad

Artificial Analysis ejecuta ambos modelos con el mismo harness y publica el costo por tarea de índice completada junto con el precio por token. Los resultados no se acercan a lo que sugieren las tarifas.

• Por token, entrada y salida — Gemini 4 Hydrogen $1.50 / $7.50 frente a Claude Haiku 5.5 $0.10 / $0.50. Haiku es 15.0x más barato en entrada y 15.0x más barato en salida, sin variación.

• Por cada tarea de indexación completada — Gemini 4 Hydrogen $3.16 en su configuración de pensamiento más alta frente a Claude Haiku 5.5 $0.41. Haiku es 7,7 veces más barato, no 15 veces.

• Por qué la brecha se reduce a la mitad: verbosidad. Haiku 5.5 generó 298 millones de tokens de salida para procesar el índice, frente a 107 millones del modelo mediano de su propia clase de comparación; Carbon y Hydrogen se miden contra una mediana de 72,8 millones, así que las dos medianas no son la misma vara de medir. Es barato por token y caro por respuesta, porque requiere muchos más tokens para llegar a una.

• Tarifa combinada con la misma mezcla de caché/entrada/salida de 7:2:1 — G​emini 4 Hydrogen $1.10 por millón frente a Claude Haiku 5.5 $0.077 por millón.

Lee las dos últimas líneas juntas y el argumento de precios cambia de forma. Un equipo que presupuesta a partir de la tarifa esperará un ahorro de quince veces y obtendrá un poco menos de ocho. Un equipo que presupuesta a partir del coste por tarea obtiene el número real, y ese número sigue siendo abrumadoramente favorable a Haiku, pero es un número con el que se puede planificar, cosa que la tarifa no permite.

Hay un umbral enterrado en la ficha de Haiku que ninguna de las dos cifras recoge. Todo lo anterior es el precio para menos de 100.000 tokens. A partir de 100.000 tokens de prompt, Haiku 5.5 pasa a $0,50 de entrada y $2,50 de salida —un salto de cinco veces que lo sitúa exactamente en un tercio del precio de salida de Hydrogen en lugar de un quinceavo. Ambos modelos tienen una ventana de 1.048.576 tokens, así que el punto de cruce es alcanzable y no teórico: una carga de trabajo de contexto largo sitúa a Haiku en $0,50/$2,50 frente a los $1,50/$7,50 de Hydrogen, y la diferencia por token se reduce a 3x mientras la brecha de capacidades permanece exactamente donde estaba.

Qué se consigue con dieciocho puntos de índice en las tareas que la gente realmente ejecuta

Dieciocho puntos de índice son una gran diferencia sobre el papel. Si esa diferencia es grande en la práctica depende enteramente de la forma del trabajo, y los benchmarks de los proveedores apuntan en direcciones distintas según cuál se lea.

• Trabajo de terminal agéntico — Google informa que Gemini 4 Hydrogen alcanza el 57,0 % en Terminal-Bench 4.1, con la etiqueta de ajuste por trampas. Anthropic informa que Claude Haiku 5.5 alcanza el 39,2 % en Terminal-Bench 4.0. Son versiones distintas del benchmark, así que la comparación es orientativa más que exacta, pero la dirección es consistente y favorece a Hydrogen por un amplio margen.

• Uso de computadora — Hydrogen con 77.6% en OSWorld-2.1, según datos del proveedor; Haiku 5.5 con 72.4% en el subconjunto sin conexión de esa misma prueba de referencia, también según datos del proveedor. Una ventaja más estrecha de Hydrogen, y la precisión de "subconjunto" implica que ambas cifras no miden exactamente lo mismo.

• Razonamiento exigente sin herramientas — Hydrogen con 58,8 % en HLE-Diamond; Haiku 5.5 con 45,9 % en Humanity's Last Exam sin herramientas, y sube a 57,4 % con herramientas. Esta es la brecha honesta más amplia entre ambos, y es la que se corresponde con «¿puede este modelo sostener un problema difícil sin un andamiaje?».

• Revisión y reparación de código — Hydrogen con 66.6% en Chartography; Haiku 5.5 con 46.4% en Chartography sin herramientas. Veinte puntos, mismo nombre de benchmark, misma condición sin herramientas.

• Codificación de vanguardia — A​nthropic informa que Haiku 5.5 alcanza un 46,4 % en FrontierCode 1.1, e informa una puntuación de 66,2 en FrontierCode por parte de Cognition cuando Haiku 5.5 se ejecuta como modelo auxiliar dentro de Devin Fusion. Cabe señalar que la segunda cifra corresponde a una configuración diferente, no a una puntuación distinta para la misma tarea, y A​nthropic etiqueta ambas como reportadas por el cliente en lugar de propias.

Todas las cifras anteriores las reporta el propio proveedor, es decir, la empresa que vende el modelo. Ninguna cuenta con una reproducción independiente, y las versiones de los benchmarks difieren lo suficiente como para que sumarlas y presentarlas como una única afirmación de que «Hydrogen es un X % mejor» sería deshonesto. Lo que respaldan es algo más limitado y más útil: Hydrogen es sustancialmente mejor en las tareas que se prolongan durante mucho tiempo y usan herramientas; la diferencia es mínima cuando el trabajo consiste en una única pregunta acotada.

Ambos tardan en arrancar, algo que nadie pone en el titular

Esta es la parte de la comparación que sorprende a quienes eligieron por precio o por índice y luego vieron llegar el primer token.

• Tiempo hasta el primer token de respuesta: G​emini 4 Hydrogen, 40,55 segundos en su configuración de pensamiento más alta, frente a Claude Haiku 5.5, 175,95 segundos en su configuración más alta. Hydrogen comienza cuatro veces antes, y ambas cifras están muy por encima de lo que tolera una superficie interactiva.

• Velocidad de generación una vez iniciada — Claude Haiku 5.5 256 tokens por segundo vs Gemini 4 Hydrogen 188 tokens por segundo. Haiku escribe más rápido y comienza más tarde.

• Tiempo medio por tarea de indexación — Claude Haiku 5.5: 14,7 minutos. Los dos modelos acaban en un territorio similar por cada tarea completada; llegan allí por rutas opuestas.

• Con el nivel de pensamiento predeterminado de Hydrogen, la cifra del primer token baja a aproximadamente 16,7 segundos, que es el número que importa para una interfaz de chat y también la configuración que produce una puntuación de índice de 51 en lugar de 54.

Si estás creando algo por lo que una persona tiene que esperar, ninguna de las configuraciones principales de ninguno de los dos modelos es adecuada. Haiku 5.5, en particular, es un modelo de esfuerzo ajustable —de Low a Max—, y las cifras de 175,95 segundos e índice 36 corresponden a la configuración Max. Con un esfuerzo menor, empieza antes y obtiene puntuaciones más bajas, y A​nthropic no publica ninguna tabla que relacione una cosa con la otra. Esa es una prueba que tienes que ejecutar por tu cuenta.

El almacenamiento en caché es donde realmente reside la relación de precios.

Para cualquier carga de trabajo con un prefijo estable —un mensaje de sistema, un mapa de repositorio, un conjunto de documentos—, la entrada en caché constituye la mayor parte de la factura, y las dos tarjetas se comportan de forma lo bastante distinta como para reordenar la comparación.

• Precio de lectura de caché: Claude Haiku 5.5, $0.01 por millón, un descuento del 90 % sobre su tarifa de entrada de $0.10. Gemini 4 Hydrogen, $0.075 por millón, un descuento del 95 % sobre su tarifa de $1.50.

• Mecanismo de caché — Claude Haiku 5.5 admite escrituras de caché explícitas a $0,125 por millón, por lo que usted controla qué se almacena en caché y durante cuánto tiempo. G​emini 4 Hydrogen solo admite caché implícita, sin identificadores de caché explícitos, por lo que el descuento es un comportamiento del servicio en lugar de una API que usted invoca.

• Qué significa: una carga de trabajo con un prefijo compartido de 60.000 tokens leído mil veces al día cuesta $0,60 al día en lecturas de caché en Haiku y $4,50 en Hydrogen, una diferencia de 7,5x en lugar de 15x, porque Hydrogen aplica un descuento del 95 % mientras que Haiku lo aplica del 90 %. Si se lleva ese mismo prefijo a 200.000 tokens, superando el umbral de Haiku, la situación se invierte: la lectura de caché del nivel largo de Haiku cuesta $0,05 por millón, así que la lectura cuesta $10,00 en Haiku frente a $15,00 en Hydrogen, mientras que cada token de entrada nuevo de esa solicitud ahora es tres veces más barato en Haiku. La brecha de caché se estrecha justo donde se amplía la brecha de entrada, lo que no es el equilibrio que espera una carga de trabajo de contexto largo.

La asimetría importa sobre todo para la carga de trabajo en la que Hydrogen es mejor. Las sesiones agénticas largas con un contexto amplio y estable son exactamente donde ayuda el almacenamiento en caché implícito y exactamente donde querrías tener un control explícito sobre qué permanece residente. Haiku te da el control y la caché más económica en cada longitud de prefijo; Hydrogen te da la capacidad y te pide que confíes en que el servicio detecte la repetición.

Tres cargas de trabajo, tres respuestas diferentes

Abstraer más sería un flaco favor, así que aquí es donde queda el límite en la práctica.

Un pipeline de clasificación o extracción sobre millones de documentos cortos es la carga de trabajo de Haiku 5.5, y no hay punto de comparación. Entrada acotada, salida acotada, sin herramientas, sin horizonte largo: la brecha de índice es irrelevante porque la tarea no la ejercita, y $0,10/$0,50 frente a $1,50/$7,50 supone un ahorro de quince veces en una factura que ya es el costo dominante. Migrar esto a Hydrogen no aporta nada y cuesta un orden de magnitud más.

Un agente de programación que edita archivos, ejecuta pruebas y se recupera de fallos es la carga de trabajo de Hydrogen. Las brechas de Terminal-Bench y Chartography son la evidencia directa, y la cifra de costo por tarea —$3.16 frente a $0.41— subestima la diferencia, porque una tarea que Haiku no puede terminar tiene un costo por finalización infinito en lugar de uno bajo. La comparación solo es válida para las tareas que ambos modelos pueden realizar.

Un lote nocturno que resume documentos largos se sitúa en el punto medio ambiguo y se decide por el umbral de 100K. Por debajo de 100.000 tokens por llamada, Haiku es quince veces más barato por token y aproximadamente ocho veces más barato por tarea completada. Por encima, el precio de Haiku se quintuplica y la respuesta honesta es probar ambos con tu propio corpus, porque el punto de cruce depende de cuánto de tu entrada es prompt y cuánto es documento.

Un asistente interactivo no es ninguno de los dos. Ambos modelos son demasiado lentos para arrancar con sus ajustes máximos, y la configuración correcta para una superficie de chat es Hydrogen en su nivel predeterminado o Haiku con un ajuste de esfuerzo más bajo — una comparación entre dos degradaciones, que casi nadie evalúa y que es la única versión de esta pregunta que llega a un usuario.

Ejecutar ambos sin elegir un ganador de antemano

La postura sensata para la mayoría de los equipos es que esto no es una migración sino una decisión de enrutamiento, y las decisiones de enrutamiento son más baratas de revertir que las migraciones.

OrcaRouter no incluye ninguno de estos dos modelos en la parte alta de su gama: Claude Haiku 4.5 está en el catálogo a $1.00 y $5.00 por millón con una ventana de 200.000 tokens, y Gemini 3.8 Flash a $0.75 y $3.75 con la ventana completa de 1.048.576 tokens — ambos a precio de lista del proveedor con un 0% de margen, con una sola clave y con conmutación automática entre proveedores. Tanto Haiku 5.5 como Hydrogen provienen de las API propias de sus fabricantes. Así que la solución viable es una política de enrutamiento: llamar a Hydrogen directamente para los turnos de ejecución de horizonte largo en los que su ventaja en los benchmarks es real, llamar a Haiku 5.5 directamente para las llamadas acotadas de gran volumen en las que su precio es real, y un modelo enrutado detrás de ambos como la ruta a la que recurre una solicitud cuando cualquiera de los proveedores limita el tráfico, sube un límite de velocidad o aplica un cambio de precio.

Esa última cláusula no es hipotética. La ficha de precios de Google ya tiene programado que Gemini 4 Carbon y Gemini 4 Argon se dupliquen el 1 de diciembre de 2026, de $2.00/$10.00 a $4.00/$20.00, mientras que Hydrogen no tiene ningún aumento con fecha. Anthropic ya ha movido el precio de Haiku una vez en este ciclo, recortándolo aproximadamente un 90 % en el tramo de menos de 100 K cuando 5.5 sustituyó a 4.5. Una capa de enrutamiento que traslada el precio de lista del proveedor sin margen hace que esos cambios te lleguen el mismo día en que se producen, en lugar de en la próxima renovación del contrato, lo cual, para una comparación cuyo argumento entero es el precio, es la característica que importa.

¿Qué cambiaría esta respuesta?

Tres cosas, en orden de cuánto lo moverían.

Una reproducción independiente de la brecha de Terminal-Bench. Cada cifra agéntica anterior está reportada por el proveedor en ambos lados, en versiones distintas del benchmark, y la única y mayor justificación del sobreprecio de Hydrogen se basa en cifras que ninguna de las dos empresas ha auditado. Artificial Analysis publica un índice para ambos modelos, pero no las subpuntuaciones por benchmark que lo resolverían.

Se ha publicado una curva de esfuerzo frente a calidad para Haiku 5.5. Si el esfuerzo Bajo conserva la mayor parte de la puntuación del ajuste Máximo con una fracción de la latencia, el caso de interacción se reduce y la ventaja de precio se extiende hacia arriba hasta cargas de trabajo que actualmente se asignan a Hydrogen. A​nthropic distribuye el ajuste y no la tabla.

Un movimiento en la tarjeta de Hydrogen. Actualmente no tiene ninguno, lo cual es inusual en una familia donde dos de cada tres miembros se duplican en tres semanas. Si eso cambia, la cifra de costo por tarea —el único número que hace interesante esta comparación— se mueve con ello, y el 7,7x se convierte en algo completamente distinto.

Hasta que alguno de esos se materialice, el resumen defendible es el que respalda el arnés independiente, no el que sugiere la lista de precios: Haiku 5.5 es entre siete y quince veces más barato según si cuentas tokens o tareas terminadas, Hydrogen es decididamente mejor en cualquier cosa que se ejecute durante mucho tiempo y use herramientas, y el único número que debería decidir el reparto es lo que cada uno te cuesta por tarea que realmente puedas completar.