Gemini 4 Hydrogen vs Gemini 4 Argon: más económico, más rápido, un poco más inteligente — y el doble de propenso a inventarse un dato

En la puntuación compuesta que cita la mayoría, Gemini 4 Hydrogen supera a Gemini 4 Argon por un punto. En el banco de pruebas independiente que la produce, Hydrogen termina una tarea de índice en 13,5 minutos frente a los 30,0 de Argon, cuesta 3,16 $ frente a 4,97 $ y genera respuestas a 190 tokens por segundo frente a 65. Eso parece una paliza hasta que se lee la segunda tabla, donde Argon alucina en el 4,3 % de las preguntas de omnisciencia de Artificial Analysis y Hydrogen en el 8,5 %, y donde Argon gana tanto Terminal-Bench 4.0 como Terminal-Bench-Science. Gemini 4 Hydrogen y Gemini 4 Argon son el mismo modelo subyacente con distintos presupuestos de razonamiento añadidos, y la elección entre ellos no es «nuevo frente a viejo», sino «cuánto razonamiento quieres pagar y cuánto confías en la respuesta sin comprobarla».

La brecha es un presupuesto de pensamiento, no una arquitectura.

Google lanzó Argon primero. Se anunció el 30 de septiembre de 2026, alcanzó la disponibilidad general el 13 de octubre y se posicionó como el modelo de frontera eficiente: la misma ventana de contexto unificada de 1,048,576 tokens que Gemini 4 Carbon, las mismas herramientas integradas, el mismo precio por token, pero menos tokens de razonamiento consumidos por turno. Gemini 4 Hydrogen llegó el 12 de noviembre con la misma ventana, las mismas herramientas y una ficha que dice claramente que está adaptado de Carbon en lugar de haber sido entrenado por separado.

Lo que realmente separa a los dos es el dial en la parte superior de la solicitud. Argon acepta low, medium y high, y su valor predeterminado es medium. Hydrogen acepta esos tres, su valor predeterminado es high y añade un cuarto nivel llamado xhigh. Todo lo demás sobre la forma del modelo es compartido.

Eso importa porque la comparación principal que todos hacen no es equivalente. Artificial Analysis publica el 54 de Hydrogen en xhigh y el 50 de Argon en high. Con el valor predeterminado de Hydrogen —high, la configuración que recibe una solicitud si no envías nada—, el mismo harness le otorga 51. Así que la diferencia honesta de un punto es de 51 a 50, y la diferencia de cuatro puntos es lo que se obtiene al optar por el nivel más caro de un modelo y compararlo con el nivel intermedio del otro.

Gira el dial en la otra dirección y el orden se invierte. Hydrogen en el nivel medio obtiene una puntuación de 41. Si tu carga de trabajo se ejecuta con el valor predeterminado recomendado por Google para Argon, Hydrogen no es el mejor modelo: es uno más barato que piensa menos.

Seis líneas que conllevan la decisión

Todas las cifras a continuación provienen de las propias ejecuciones de Artificial Analysis contra la API de Google, salvo que se indique lo contrario. Los precios por token son la tarifa publicada por Google; ambos modelos comparten la misma estructura de tarifas.

• Índice de inteligencia — Gemini 4 Hydrogen: 54 en xhigh, 51 en high, 41 en medium; Gemini 4 Argon: 50 en high, su techo. El par comparable es 51 frente a 50.

• Coste por tarea de indexación completada: Hydrogen, $3.16 en xhigh y $1.87 en high; Argon, $4.97. La diferencia por tarea es mucho mayor que la diferencia de un punto en la puntuación, y aumenta aún más en la configuración predeterminada.

• Velocidad de salida: 190 tokens por segundo para Hydrogen en xhigh, 179 en high; 65 para Argon. Aproximadamente una ventaja de rendimiento de tres a uno que se mantiene en todos los niveles de pensamiento.

• Tiempo hasta el primer token de respuesta: Hydrogen 37,8 segundos en xhigh y 16,7 en high; Argon 40,7. Con la configuración predeterminada, Hydrogen empieza a responder 24 segundos antes, que es la diferencia que una interfaz de chat nota.

• Verbosidad — Hydrogen generó 304 millones de tokens de salida para completar el índice, frente a 113 millones de Argon y una mediana de 72,8 millones. El mismo harness ya describe a Argon como «algo verboso»; Hydrogen es «muy verboso», y eso es lo que se come la mayor parte de su ventaja de precio por token en xhigh.

• Precio y niveles, por millón de tokens: Hydrogen $1.50 / $7.50 en tarifa plana, lecturas de caché $0.075, Batch y Flex a $0.75 / $3.75, Priority a $2.70 / $13.50, y un nivel gratuito con límite de velocidad. Argon $2.00 / $10.00 hasta el 30 de noviembre de 2026, lecturas de caché $0.10, Batch y Flex a $1.00 / $5.00, Priority a $3.60 / $18.00, sin nivel gratuito. Ambos ofrecen un nivel Contributor solo por invitación; el de Hydrogen es $0.75 / $3.75 y el de Argon, $1.00 / $5.00.

Donde Argon sigue siendo el mejor modelo

Tres resultados independientes y una tasa de alucinación indican que el modelo más nuevo y económico no es una mejora en sentido estricto. Son la razón por la que esta página no es una recomendación para migrar.

• Terminal-Bench 4.0 — Argon 57,1 %, Hydrogen 53,5 %. El benchmark de programación agéntica en el que el modelo más antiguo sigue liderando, y el que más se aproxima a lo que realmente hace una sesión larga con uso de herramientas.

• Terminal-Bench-Science — Argon 52,9 %, Hydrogen 49,5 %. El mismo patrón en la variante científica.

• AutomationBench-AA — Argon 77,5 %, Hydrogen 76,1 %. Una derrota ajustada, pero una derrota, y es el benchmark de trabajo intelectual que la propia ficha de Google cita con más insistencia.

• Tasa de alucinación de omnisciencia — Argon 4,3 %, Hydrogen 8,5 % en xhigh. Hydrogen responde correctamente una proporción similar de estas preguntas e inventa una respuesta aproximadamente el doble de las veces cuando no sabe. En el mismo conjunto en high, la tasa es del 8,7 %, por lo que esto no es un artefacto del nivel de pensamiento superior.

La lista de contrapuntos también es real, y es la razón por la que Hydrogen sigue ganando en el compuesto: FrontierCode 2.0 con 39,0% frente al 25,7% de Argon, CritPT agéntico difícil con 66,0% frente al 52,5%, HLE-Diamond con 58,8% frente al 56,7%, y una ligera ventaja en los segmentos de capacidades de ingeniería, legal y finanzas. Hydrogen es el mejor modelo en reparación de código y en razonamiento difícil al estilo de competición, y el peor en trabajo sostenido en terminal y en saber cuándo decir que no sabe.

Esa división tiene una forma práctica. Si un verificador, una suite de pruebas o una persona lee la salida antes de que importe, la tasa de alucinación de Hydrogen es un costo que ya estás pagando para detectarla. Si nada aguas abajo comprueba la respuesta —una respuesta de soporte, una extracción que alimenta una base de datos, un resumen que lee un cliente—, el 4,3 % de Argon vale más que los 40 tokens por segundo adicionales de Hydrogen.

El paso del 1 de diciembre amplía la brecha sin revertirla.

Ambos modelos están en tarjetas promocionales con un vencimiento estricto. Argon pasa de $2.00 / $10.00 a $4.00 / $20.00 el 1 de diciembre de 2026, con las lecturas de caché duplicándose a $0.20, Batch y Flex a $2.00 / $10.00 y Priority a $7.20 / $36.00. La tarjeta publicada de Hydrogen no incluye ningún escalón con fecha en ningún nivel, incluido el gratuito.

Haz la aritmética después del paso y la proporción por token pasa de 1,33x a 2,67x a favor de Hydrogen. Por tarea, Artificial Analysis recalcula su cifra a partir de la tarifa vigente, y ya ha publicado ambas versiones: 4,97 $ cuando la tarifa de Argon indicaba 2,00 $ / 10,00 $, y 9,95 $ en la ejecución que indicaba 4,00 $ / 20,00 $. El mismo harness sitúa a Hydrogen en 3,16 $ en ambos casos. Eso no convierte a Argon en el modelo equivocado; convierte a Argon en un modelo que deberías poder justificar por su precisión y no por costumbre.

También hace que los dos modelos quieran un enrutamiento diferente. OrcaRouter ofrece Gemini 4 Argon y Gemini 4 Carbon al precio de lista del proveedor con un 0 % de recargo, por lo que la duplicación del 1 de diciembre aparece de nuestro lado el mismo día que aparece en la tarjeta de precios de Google, en lugar de en la siguiente conciliación de facturas, y un stack que conserva Argon para sus comprobaciones de precisión paga la nueva tarifa de forma transparente. Gemini 4 Hydrogen no está en nuestro catálogo —viene de la propia API de Google y de AI Studio—, así que la configuración que coincide con este artículo es Hydrogen invocado directamente para los turnos de ejecución y Argon detrás del enrutador como verificador, con conmutación por error automática entre proveedores que cubre el caso en que una ruta alcanza su límite de tasa a mitad de sesión.

¿Qué cambia en tu código si cambias?

Google documenta la migración como un cambio de cadena de modelo con cuatro diferencias de comportamiento, y solo la primera es obvia.

• Tamaño de salto — Hydrogen permite 65.536 tokens por salto no streaming en llamadas REST y SDK; Argon permite 32.768 por salto REST no streaming. La generación larga de una sola vez se simplifica, y cualquier código que fragmentara por el límite de 32K puede dejar de fragmentar.

• Valores predeterminados de razonamiento — Argon usa medium de forma predeterminada y su máximo es high; Hydrogen usa high de forma predeterminada y añade xhigh. Por lo tanto, un simple cambio de la cadena de modelo eleva silenciosamente tanto la latencia como el gasto en tokens de razonamiento. Establece thinking_level explícitamente en la primera solicitud o tu factura te lo hará saber más adelante.

• Almacenamiento en caché: ninguno de los dos admite el almacenamiento en caché explícito; ambos aplican un descuento del 95 % a los aciertos de caché implícitos en prompts de 4096 tokens o más. La lectura de caché de Argon cuesta 0,10 USD y la de Hydrogen 0,075 USD, por lo que una carga de trabajo con uso intensivo de caché ahorra un 25 % en la parte almacenada en caché antes del ajuste de diciembre y un 62,5 % después de este.

• El muestreo y las llamadas a herramientas: ambos ignoran temperature, top_p y top_k en lugar de rechazarlos, y ambos devolverán MALFORMED_FUNCTION_CALL si solicitas llamadas a herramientas con JSON en texto sin formato en lugar de declarar las herramientas de forma nativa. Ninguno de los dos es un problema específico del switch, pero ambos se manifiestan durante uno de ellos.

Una diferencia adicional no figura en la lista de migración y es importante para los agentes: la ficha de Argon no publica ninguna fecha de corte de conocimiento, mientras que la ficha del modelo de Hydrogen indica marzo de 2026 con la salvedad de que algunos dominios están menos actualizados. Si un pipeline sensible a la actualidad es la razón por la que compara estos dos, Hydrogen es el único del par en el que puede leer la fecha en lugar de tener que comprobarla.

La regla que se debe aplicar

Cambie de Argon a Hydrogen cuando el trabajo se ejecuta y luego se revisa: codificación guiada por pruebas, edición de archivos, subagentes en paralelo, canalizaciones de recuperación y luego respuesta con un paso de citación, y cualquier caso en el que el costo por tarea terminada sea el número que aparece en el panel. Ejecute Hydrogen en high, no en el valor predeterminado que imagine: el 54 publicado requiere xhigh, y el valor predeterminado práctico es 51, que cuesta $1.87 por tarea.

Mantente en Argon cuando la respuesta se entregue sin revisar, cuando la tarea sea una sesión de terminal prolongada en lugar de una ráfaga, o cuando estés a menos de tres semanas de un lanzamiento y prefieras no tocar una ruta de producción por un cambio de un punto en la puntuación. Con una tasa de alucinación del 4,3 % frente al 8,5 %, Argon te está ahorrando un paso de verificación que, de otro modo, tendrías que construir.

Lo que cambiaría la respuesta es un tercer dato que ninguno de los dos modelos tiene todavía: una medición reproducible de aquello que Google realmente anunció para Hydrogen —código más limpio y menos afirmaciones fabricadas, que según la documentación son más de cinco veces menos que en Gemini 3.8 Flash—. El conjunto de omnisciencia de Artificial Analysis mide la dirección opuesta para Hydrogen frente a Argon. Hasta que alguien ejecute ambos con la misma distribución de tareas, la posición honesta es que Hydrogen ofrece mejor economía y Argon da mejor respuesta, y el ajuste de precios del 1 de diciembre hace que aplazar esa disyuntiva resulte más caro, no menos.