Google DeepMind anunció Gemini 4 Hydrogen el 12 de noviembre de 2026, describiendo el modelo como un esfuerzo por llevar la "inteligencia de vanguardia a todos", con velocidad y eficiencia orientadas a la codificación diaria y los flujos de trabajo agénticos. El anuncio fue escrito por Koray Kavukcuoglu, vicepresidente sénior de Google DeepMind y arquitecto jefe de IA de Google.

DeepMind posicionó a Hydrogen como la contraparte de ejecución rápida de sus modelos frontera, Gemini 4 Carbon y Gemini 4 Argon, que según la empresa destacan en el razonamiento profundo de largo alcance sobre los problemas más difíciles. Con Hydrogen, la familia Gemini 4 llega ahora a todos los niveles de Google AI Studio, la API de Gemini, Gemini for business, la app de Gemini y Google Search, además de los suscriptores de pago de Google AI Pro y Ultra en Google Antigravity.

En el Artificial Analysis Intelligence Index, Hydrogen supera a Argon en su nivel de pensamiento high predeterminado, con 51 frente a 50, y alcanza 54 en su configuración de pensamiento "xhigh", mientras que a menudo completa tareas más rápido que los modelos de su clase. El modelo tiene precio fijo en toda su ventana de contexto de 1 millón de tokens: $1.50 por millón de tokens de entrada y $7.50 por millón de tokens de salida. El índice es publicado por la firma independiente de benchmarks de IA Artificial Analysis, lo que otorga a la comparación Hydrogen-Argon un punto de referencia de terceros, y como el precio es fijo, las mismas tarifas por token aplican sin importar cuánto de la ventana de 1 millón de tokens utilice una solicitud.

Eficiencias en cargas de trabajo multimodelo

En el desarrollo de software real, dijo DeepMind, los equipos dependen de modelos frontera como Carbon y Argon para el criterio arquitectónico profundo al diseñar sistemas o desentrañar errores sutiles, pero aún necesitan un modelo de ejecución rápido y disciplinado para escribir código, ejecutar pruebas y verificar cambios. Hydrogen está diseñado para funcionar por sí solo en tareas diarias, o para combinarse con Carbon y Argon como motor de ejecución de alta eficiencia en flujos multimodelo.

Para automatizar esa colaboración, Google presentó Orchestrator en Google Antigravity. En lugar de usar un solo modelo de principio a fin, Orchestrator cambia dinámicamente entre modelos como Carbon y Hydrogen dentro de la misma sesión. En Terminal-Bench 4.0, Orchestrator alcanzó tasas de éxito de tareas cercanas a las de Carbon mientras consumía, en promedio, 24% menos de cuota y completaba tareas 19% más rápido. Bajo precios por token, la cuota de tokens es la palanca directa de gasto en estos entornos multimodelo, lo que hace significativa una reducción del 24%.

Para flujos que requieren agentes en paralelo, Carbon puede actuar como coordinador mientras Hydrogen impulsa agentes de trabajo y verificación que construyen y prueban cambios simultáneamente en espacios de trabajo aislados, ayudando a los equipos a lanzar proyectos complejos más rápido sin elevar los costos de tokens.

Escalando flujos de trabajo de desarrolladores y empresas

Más allá de los entornos multimodelo, Hydrogen es una gran actualización independiente para los equipos que migran desde Gemini 3.8 Flash. DeepMind dijo que completa tareas 2.5 veces más rápido en su configuración high predeterminada, más que triplica las puntuaciones de Terminal-Bench 4.1 (57% frente a 18.2%), reduce las afirmaciones fabricadas en más de 5 veces y se adapta con fluidez cuando una llamada a una herramienta falla o una búsqueda no devuelve resultados.

La empresa afirmó que Hydrogen iguala o supera a los modelos competidores de su clase en los flujos de trabajo básicos de desarrolladores y empresas:

Codificación y depuración iterativa de repositorios. Hydrogen gestiona la resolución de incidencias, la depuración, la iteración rápida y el Q&A de bases de código con ediciones quirúrgicas y focalizadas, entregando código más limpio y listo para producción sin reescribir archivos no relacionados. Supera a modelos de nivel similar en SWE-sweep, donde debe descubrir y reparar errores sin romper el código existente. Para explorar grandes repositorios con eficiencia, el modelo agrupa nativamente llamadas de lectura de archivos y búsqueda en paralelo en lugar de inspeccionar archivos uno por uno. En pruebas tempranas con grafos complejos, SQL y flujos empresariales con grandes volúmenes de datos, los socios vieron a Hydrogen correr 2x a 2.8x más rápido mientras reducía el uso de tokens entre 12% y 23% en comparación con 3.8 Flash.

Ejecución agéntica abierta. En tareas de varios pasos como investigación profunda, análisis de datos y navegación amplia de bases de código, Hydrogen se ubica en el puesto #5 en Agent Arena, el benchmark en vivo de arena.ai. Para razonamiento y análisis de dominio profundo, lidera su clase en HLE-Diamond (58.8%), ocupa el puesto #1 general en Vals Tax Agent Bench (52.3%), empata en el #1 del Vals Legal Research Bench (55.8%) y lidera su clase en AutomationBench-AA.

Trabajo de conocimiento multimodal. Hydrogen combina una entrada nativa de 1 millón de tokens con hasta 1 millón de tokens de salida, lo que le permite sintetizar PDFs densos, hojas de cálculo, gráficos, audio y video grabado en reportes pulidos con citas y entregables estructurados. Supera a otros modelos en el nuevo benchmark Multimodal Knowledge Agent (MKA) (53.4%) para trabajo de conocimiento agéntico de extremo a extremo sobre archivos visuales complejos, y en Agents' Last Exam v1.1 (71.6%) para flujos profesionales de extremo a extremo.

Desarrollo web. En tareas donde la velocidad importa a los desarrolladores, como la creación rápida de prototipos de UI, la iteración de diseño a código y la construcción de apps interactivas, Hydrogen genera diseños más funcionales y completos con menos prompts.

DeepMind destacó varias demostraciones construidas con el modelo. Geminisland usa Hydrogen para codificación 3D al vuelo, permitiendo que cualquiera agregue a una isla de voxels compartida desde un solo prompt, generando estructuras personalizadas en vivo sobre el mapa que los jugadores pueden recorrer y explorar en primera persona. Combinado con una nueva habilidad de diseño front end Gemini en Google Antigravity, Hydrogen construyó una tienda de comercio electrónico de una sola vez, completa con un shader topográfico WebGL2, scrollytelling fijo de cuatro etapas, un divisor térmico, una tarjeta de especificaciones 3D en wireframe y un configurador de acabados en vivo.

En Google Antigravity, Hydrogen convirtió Google Sheets en un lienzo de píxeles animado, reduciendo miles de celdas mediante Python, fórmulas nativas =LET(...) y formato condicional para pintar y animar escenas de movimiento completo dentro de una hoja de cálculo activa. Partiendo de un video de keynote de YouTube y una plantilla de diseño, el modelo generó una presentación de varias diapositivas directamente en Google Slides y luego ejecutó un ciclo autónomo de auditoría y corrección para detectar textos superpuestos y limpiar cada diseño de diapositiva.

Con Gemini en Google Sheets, Hydrogen puede ayudar a los equipos a convertir rápidamente datos financieros en modelos interactivos que se ajustan dinámicamente según diversos escenarios de pronóstico, generando resultados más de 30% más rápido que los modelos anteriores en el lienzo de Sheets.

Velocidad e inteligencia adaptables en cuatro niveles de pensamiento

Hydrogen ofrece cuatro niveles de pensamiento — low, medium, high (el predeterminado) y un nuevo nivel xhigh — que abarcan una amplia gama de opciones en calidad, latencia y costo. DeepMind dijo que los niveles escalan en una progresión fluida y predecible, de modo que los usuarios solo esperan y pagan por la profundidad de razonamiento que una tarea requiere. En todos los niveles, el modelo iguala o supera a algunos modelos competidores de su clase mientras suele terminar tareas más rápido y usar menos tokens de salida.

Asistencia diaria en la app de Gemini y Search

Para los consumidores, Gemini 4 Hydrogen está diseñado para facilitar el trabajo, manteniéndose enfocado y siguiendo las instrucciones con mayor precisión en conversaciones de varios turnos. En la app de Gemini, DeepMind dijo que el modelo es mejor siguiendo la guía del usuario, llamando a las herramientas correctas y produciendo un resultado confiable con menos idas y vueltas.

En escritura, investigación y trabajo diario, Hydrogen se apega estrechamente al tono, formato y reglas específicas del usuario, por lo que los borradores de correos, guías de estudio, reescrituras y documentos vuelven listos para usar al primer intento. Al comparar productos o sintetizar material denso, reúne tablas claras y desgloses visuales sin omitir detalles clave.

El modelo desglosa los objetivos paso a paso, extrayendo contexto relevante de las cargas del usuario, apps de Google como Gmail y Google Drive, y apps conectadas como Airtable y Dropbox. Google dijo que cuando una tarea inicia en Gemini, el modelo llama con más frecuencia a las herramientas y habilidades adecuadas para el trabajo.

Para la creación de prototipos e iteración, Hydrogen genera diseños limpios y funcionales con menos prompts, facilitando probar y refinar proyectos interactivos con rapidez. Los ejemplos citados por Google incluyen un globo 3D interactivo y un motor de música Web Audio impulsados por datos en tiempo real de rayos globales, que mapea cada rayo del mundo en ondas visuales y música ambiental en vivo; un visualizador de agua y vidrio en WebGL2 construido con matemática pura y texturas SDF, simulando en tiempo real la refracción, reflexión, dispersión y absorción de la luz; y un reel de archivo sobre el elemento hidrógeno, creado con una habilidad personalizada de ensamblaje de video que recopiló material de dominio público y lo editó en una sola secuencia continua con narración limpia.

En Google Search, Hydrogen está destinado a entregar respuestas más útiles e intuitivas para todos los usuarios a nivel global. Google dijo que el modelo comprende mejor la intención real del usuario, incluso en consultas de varias partes, errores tipográficos difíciles de entender o solicitudes muy específicas. Las respuestas serán más visuales, adaptables y fáciles de escanear a la velocidad que los usuarios esperan de Search. La empresa también está actualizando su técnica de query fan-out, usando el razonamiento avanzado de Hydrogen para conectar a los usuarios con una gama más amplia de enlaces útiles, incluyendo sitios que de otro modo no habrían descubierto.

Diseñado para una ejecución segura y confiable a escala

Hydrogen lleva las mejoras de la más reciente pila de seguridad de Gemini 4 a su audiencia más amplia hasta ahora, combinando entrenamiento integrado con salvaguardas en tiempo real para mitigar tanto la desalineación como el uso indebido. Google destacó dos áreas de enfoque:

Flujos agénticos seguros, alineados y protegidos. Si bien Gemini 3.8 Flash cuenta con una fuerte alineación y salvaguardas, DeepMind dijo que Hydrogen es un salto adelante. El modelo reduce el exceso de alcance en tareas agénticas hasta en 81% y la falta de servicio hasta en 79%, y recorta las acciones desalineadas y los atajos de tarea en las evaluaciones de uso de herramientas y codificación en 12 veces. Ante tareas imposibles o bloqueadas, es hasta 2 veces menos probable que borrye los límites de permisos y alcanza una tasa de honestidad de 96.7% en la evaluación interna de honestidad de agentes de Google. Basándose en el compromiso de la empresa con la transparencia del razonamiento, Hydrogen preserva el 99.9% de legibilidad de la cadena de pensamiento sin ediciones engañosas del razonamiento en más de 200,000 turnos auditados. Frente a ataques de inyección de prompts indirecta, el modelo es más de 2.3 veces más resistente en el benchmark Gray Swan IPI, al tiempo que mejora significativamente la robustez en el uso de herramientas, el uso de computadora y los agentes de codificación.

Interacciones diarias útiles y confiables. En las superficies de producto, Google ajustó Hydrogen para hacer las conversaciones diarias más confiables y seguras. Sus salvaguardas actualizadas también son más precisas para distinguir riesgos reales de biosseguridad de preguntas médicas o científicas legítimas, manteniendo los rechazos falsos en HealthBench Pro por debajo del 0.4%.

Más detalles están disponibles en la ficha de modelo de Gemini 4 Hydrogen.

Gemini 4 Hydrogen, disponible hoy para todos

A partir del 12 de noviembre, Hydrogen se despliega globalmente en las superficies de desarrolladores, empresas y consumidores:

• Para desarrolladores: se puede construir con él mediante la API de Gemini en AI Studio y el nivel de pago en Android Studio, probarlo en AI Studio y, si se es suscriptor de pago de Google AI Pro o Ultra, probarlo en Google Antigravity.
• Para empresas: se puede desplegar en Gemini for business mediante la API o el menú desplegable de modelos, en Google Antigravity y en Gemini en Google Sheets para suscripciones empresariales elegibles.
• Para todos: está disponible en el menú desplegable de modelos de la app de Gemini y en Google Search para todos los usuarios, y en Gemini en Google Sheets empezando por los suscriptores de Google AI Pro y Ultra.

En la app de Gemini, los usuarios gratuitos tendrán acceso a Gemini 4 Hydrogen mediante la selección automática de modelo cuando sea el modelo adecuado para un prompt determinado. Esto significa que el acceso del nivel gratuito depende de que la selección automática clasifique un prompt como tarea de Hydrogen, y no de una activación manual.

Sobre el autor

Koray Kavukcuoglu es descrito por Google como uno de los principales expertos del mundo en inteligencia artificial. Como vicepresidente sénior de Google DeepMind, lidera el desarrollo de los modelos de IA generativa más avanzados de la empresa y su integración a escala en los productos de Google. Previamente se desempeñó como VP de Investigación en Google DeepMind, donde fundó el equipo de deep learning; su equipo pioneering logró avances de investigación como DQN (Deep Q-Network) y WaveNet.