Gemini 4 Hydrogen: el reemplazo de Flash de Google abandona el nombre Flash y debate sobre la finalización

La afirmación que Google DeepMind incluyó en el anuncio es acotada y específica: Gemini 4 Hydrogen termina las tareas 2,5 veces más rápido que Gemini 3.8 Flash y supera a Gemini 4 Argon en el Artificial Analysis Intelligence Index. Ambas partes son verificables, y la segunda es cierta: en el arnés independiente, Hydrogen obtiene 54 frente a los 50 de Argon. La primera mitad es donde el lanzamiento se vuelve interesante, porque el mismo arnés independiente sitúa a Hydrogen en 13,5 minutos por tarea del índice y a Gemini 3.8 Flash en 14,8, lo que supone una diferencia del 10 % y no del 150 %. Gemini 4 Hydrogen es real, se lanzó con disponibilidad general el 12 de noviembre de 2026 a 1,50 $ por millón de tokens de entrada y 7,50 $ por millón de tokens de salida, y es el primer modelo del segmento de rendimiento que se vende bajo un nombre en clave en lugar de una etiqueta Flash. Lo que no es, es una simple mejora de velocidad respecto al modelo al que reemplaza.

Qué se lanzó realmente el 12 de noviembre

La ficha técnica del modelo de Google está fechada el mismo día y es inusualmente explícita sobre su linaje: Hydrogen se adapta a partir de Gemini 4 Carbon, el modelo de frontera de la misma familia. No es un modelo más pequeño entrenado por separado. Es la misma base con un perfil de posentrenamiento y de servicio diferente, por lo que la brecha de capacidades entre él y sus hermanos es menor de lo que sugiere la brecha de precios.

• Contexto — una ventana de 1.048.576 tokens compartida entre entrada y salida, con 64K tokens de salida síncrona predeterminada y hasta el millón completo mediante decodificación larga en segundo plano.

• Entradas y salidas — texto, imágenes, audio, video y PDF de entrada; texto de salida. Sin generación de imágenes, sin generación de audio, sin Live API.

• Niveles de pensamiento: configurables, y Artificial Analysis publica su puntuación principal con el ajuste xhigh, que no es el predeterminado. Las propias cifras comparativas de Google se sitúan en el ajuste high predeterminado.

• Fecha límite de conocimiento — marzo de 2026, indicada claramente en la sección de limitaciones de la ficha del modelo, con la advertencia de que algunos ámbitos están menos actualizados. Esa única línea resuelve una pregunta que los modelos G​emini 4 anteriores dejaron abierta.

• Distribución — aplicación G​emini, API de G​emini, G​oogle AI Studio, G​oogle Sheets, G​emini for business, G​oogle Antigravity y G​oogle Search, con un nivel gratuito en la API. Sin fase de acceso restringido.

• Informes de seguridad: se promete un Informe de seguridad y protección separado «en los próximos días» y todavía no existe, por lo que todo lo que figura a continuación es autoinformado.

La afirmación de 2,5x, y lo que midió el harness externo

Dos números hacen el trabajo en el anuncio de G​oogle, y responden a preguntas distintas. El primero es el rendimiento: 190 tokens de salida por segundo medidos por Artificial Analysis, frente a 112 de G​emini 3.8 Flash, 65 de G​emini 4 Argon y 72 de G​emini 4 Carbon. Eso es un 1,7x real en velocidad de generación bruta y aproximadamente el triple que cualquiera de sus dos hermanos G​emini 4.

El segundo es el tiempo por tarea completada, y aquí la situación se invierte. Artificial Analysis completa una tarea del Intelligence Index con Hydrogen en 13,5 minutos, con Gemini 3.8 Flash en 14,8 minutos, con Carbon en 28,4 y con Argon en 30,0. Frente a Argon, eso representa una ventaja de 2,2x. Frente al modelo que G​oogle nombró en la publicación de lanzamiento, es de 1,1x. Si la cifra de 2,5x procede de un conjunto de tareas interno específico, es una afirmación sobre ese conjunto de tareas; el número externo de propósito general está lo bastante cerca de la paridad como para que nadie fuera de G​oogle haya reproducido la diferencia.

La explicación probable es la verbosidad, y tiene dos caras. Hydrogen generó 304 millones de tokens de salida para completar el índice, frente a 72,8 millones del modelo mediano y 126 millones de Gemini 3.8 Flash. Está produciendo más del doble de texto por tarea y aun así termina algo antes, porque produce ese texto rápido. La velocidad y la verbosidad son el mismo hecho visto desde dos extremos.

Lo que dice la propia tabla de G​oogle, con las salvedades incluidas

Todas las cifras de esta sección son reportadas por el proveedor, proceden de la ficha del modelo del 12 de noviembre y ninguna se ha reproducido fuera de Google. El conjunto de comparación es Claude Sonnet 5.5 y GPT-6.1 Terra, no el modelo Flash que se sustituye.

• SWE-sweep — 13,5 % para Hydrogen frente a 3,1 % de Claude Sonnet 5.5 y 5,8 % de GPT-6.1 Terra, la mayor brecha relativa de la tabla.

• Terminal-Bench 4.1 — 57,0 % para Hydrogen frente a 63,9 % de Claude Sonnet 5.5, sin puntuación publicada para GPT-6.1 Terra. Este es el único benchmark de codificación agéntica en el que Hydrogen pierde, y Google lo etiqueta como ajustado por trampas.

• Trabajo del conocimiento — Agents' Last Exam v1.1 con un 71,6 % (60,4 %, 69,8 %), AutomationBench-AA con un 76,1 % (71,8 %, 60,2 %), y Vending-Bench 2 con un saldo bancario de $14.549 frente a $11.165 y $9.107.

• Uso del ordenador — OSWorld-2.1 con un 77,6% frente al 83,9% de Claude Sonnet 5.5 y el 74,2% de GPT-6.1 Terra. Una segunda derrota ante el mismo competidor.

• Multimodal y ciencia — MKA 53.4%, Chartography 66.6%, Terminal-Bench-Science 0.1 con 51.4%, y HLE-Diamond con 58.8% frente a 53.3% y 47.3%.

Al leer las pérdidas en conjunto, surge un patrón: Hydrogen es fuerte donde la tarea consiste en acumular trabajo a lo largo de muchos pasos y más débil donde la tarea consiste en mantener unida una sesión larga de uso de herramientas. Eso es coherente con un modelo ajustado para el rendimiento en lugar de la resistencia, y es la diferencia que importa si eliges entre él y un modelo de frontera para un bucle de agente que se ejecuta durante una hora.

Las cifras independientes son las que deben servir de base para elaborar el presupuesto.

Artificial Analysis es el único instrumento aquí que no proviene del proveedor, y su cifra de coste por tarea es el número individual más útil del lanzamiento. Hydrogen promedia $3.16 de inferencia para completar una tarea del índice en xhigh, y $1.87 en high, el valor predeterminado. Gemini 4 Argon cuesta $4.97, Gemini 4 Carbon $7.76, y Gemini 3.8 Flash —el modelo barato— cuesta $7.77, porque consume 126 millones de tokens a un precio bajo para lograrlo.

Esa inversión es el verdadero argumento a favor de Hydrogen y es más sólido que la afirmación sobre la velocidad. El modelo que cuesta una cuarta parte por token de lo que cuesta Carbon cuesta una quinta parte por tarea finalizada, y menos de una cuarta parte de lo que cuesta el modelo al que reemplaza. El precio por token te habría dicho lo contrario.

Esto conlleva dos salvedades. La primera es que el coste por tarea es una propiedad de la combinación de tareas del índice, no de tu carga de trabajo; un pipeline que emite respuestas de 200 tokens y se detiene verá el precio por token, pero nada del ahorro por tarea. La segunda es la latencia: Hydrogen necesita 37,8 segundos hasta su primer token de respuesta en xhigh —16,7 en el ajuste high predeterminado—, frente a los 17,3 de Gemini 3.8 Flash. En el ajuste citado por la cobertura del lanzamiento, es rápido generando y lento al arrancar, así que una interfaz interactiva se sentirá más lenta que el modelo al que reemplazó, aunque el bucle del agente termine antes.

Informes de seguridad que incluyen una regresión

La ficha del modelo incluye una admisión inusual para un documento de lanzamiento. Frente a Gemini 3.8 Flash, las puntuaciones automatizadas de seguridad de contenido mejoraron en texto (+0,80 puntos porcentuales), multilingüe (+1,10) e imagen a texto (+7,00), y el tono empeoró 0,65. Los rechazos injustificados —el modelo declinando solicitudes benignas— empeoraron 5,57 puntos, concentrados en las indicaciones multimodales.

En materia de seguridad de frontera, Google realizó una evaluación de Cambio Material de Capacidades sobre Gemini 4 Argon y concluyó que Hydrogen no muestra un aumento material en la capacidad general, por lo que no se requirió el conjunto completo de capacidades críticas. Las pruebas específicas de CBRN y ciberseguridad encontraron que el modelo no alcanza ninguno de los dos niveles de capacidad crítica, aunque sí alcanza el umbral de alerta en ambos casos. Se trata de autoevaluaciones, con el informe subyacente aún catalogado como pendiente de publicación.

Dónde deja esto al nivel Flash

Google no ha retirado Gemini 3.8 Flash. Sigue en el catálogo, sigue costando $0.75 / $3.75 por millón de tokens y sigue siendo la respuesta correcta para llamadas cortas y sensibles a la latencia: con 17,3 segundos hasta el primer token de respuesta, arranca el doble de rápido que Hydrogen en xhigh y aproximadamente a la par que Hydrogen en su configuración predeterminada. Lo que cambió es la configuración predeterminada: el modelo que Google ahora ofrece a los usuarios de API del nivel gratuito y al agente Antigravity en Gemini Managed Agents es el que tiene el nombre en clave, y la etiqueta de nivel que solía describir esa posición ya no está.

Para los equipos que trabajan con un stack mixto, la consecuencia práctica es que los dos modelos requieren trabajos distintos. Hydrogen para la ejecución —llamadas a herramientas, ediciones de archivos, ejecuciones de pruebas, turnos paralelos de subagentes— y un modelo de frontera para el turno de planificación. Esa es exactamente la disposición que documenta G​oogle, en la que Carbon planifica interfaces y resuelve bloqueos difíciles, y Hydrogen se encarga de las ediciones de código, y es la disposición para la que está construido OrcaRouter: Gemini 4 Carbon, Gemini 4 Argon, Gemini 3.8 Flash y Gemini 3.1 Pro Preview son invocables con una sola clave al precio de lista del proveedor y sin recargo, por lo que la revisión de precios del 1 de diciembre de Carbon y Argon llega aquí el mismo día que llega a la tarjeta de precios de G​oogle, y un nivel gratuito con límite de velocidad puede recurrir a una ruta de pago sin un segundo contrato. G​emini 4 Hydrogen no está en nuestro catálogo —procede de la API de G​oogle y de AI Studio—, así que la configuración honesta es llamar a Hydrogen directamente para la ejecución, con los modelos enrutados detrás para la planificación y la conmutación por error.

Qué observar en lugar de otro benchmark

La fecha que te dirá más que cualquier puntaje es el 1 de diciembre de 2026. Gemini 4 Carbon y Gemini 4 Argon se duplican ambos en esa fecha, de $2.00 / $10.00 a $4.00 / $20.00 por millón de tokens. La tarjeta de Hydrogen no incluye ningún escalón con fecha. Si se mantiene esa asimetría, G​oogle ha creado una familia estable de dos niveles —un techo de $4/$20 y un caballo de batalla de $1.50/$7.50— y es poco probable que el nombre Flash vuelva. Si Hydrogen pasa al mismo calendario, entonces lo que se lanzó esta semana fue una tarifa introductoria con un nombre en clave adjunto.

Lo segundo que hay que observar es el informe de seguridad, que según la ficha del modelo está por llegar y que es el único documento que podría contradecir la evaluación de capacidades anterior. Lo tercero es si alguien fuera de Google reproduce una brecha de finalización de tareas de 2,5 veces. Hasta que alguien lo haga, la versión defendible de la afirmación es la que respalda el arnés independiente: Hydrogen es el Gemini 4 más barato por tarea completada, aproximadamente tres veces el rendimiento de sus hermanos, lento para arrancar y extremadamente verboso —y el modelo al que reemplazó es ahora la opción económica para llamadas cortas en lugar de la opción predeterminada para todo.