Gemini gratis y de pago: qué aporta Gemini 4 Hydrogen

Si buscas Gemini gratis o evalúas una opción para programar y trabajar con agentes a diario, conviene probar Gemini 4 Hydrogen y reservar Carbon o Argon para las tareas que exigen un razonamiento más profundo. Lanzado el 12 de noviembre de 2026, ofrece una alternativa de ejecución más rápida dentro de Gemini 4, sin tener que recurrir a un modelo de razonamiento de frontera para cada cambio rutinario.

Qué cambia con Gemini 4 Hydrogen

Con Hydrogen, la ejecución pasa a tener su propia elección de modelo. Un agente es un programa que permite a un modelo realizar acciones, como leer archivos de un repositorio, modificar código y ejecutar pruebas. La distinción de Google es que Hydrogen se centra en ejecutar esos flujos con rapidez, mientras que Gemini 4 Carbon y Gemini 4 Argon apuntan al razonamiento profundo en tareas largas y difíciles.

Para quien desarrolla por su cuenta, la prueba está en el ciclo de trabajo diario: localizar un error, hacer un cambio acotado, ejecutar las comprobaciones y explicar la corrección. Para quien dirige una startup, la pregunta es si las entregas rutinarias pueden completarse con menos espera y esfuerzo de revisión, reservando el razonamiento más profundo para las decisiones de diseño aún sin resolver.

El anuncio de lanzamiento de Google presenta la programación en repositorios, la depuración y la ejecución mediante agentes como usos principales. Su publicación para desarrolladores también menciona el desarrollo web interactivo y el trabajo con distintos tipos de medios. Son capacidades que afirma Google; para este artículo no se hicieron pruebas directas del modelo.

Verificado el 14 de noviembre de 2026: para esta guía se revisaron el anuncio, la publicación para desarrolladores, la ficha del modelo y la documentación de la API. Los criterios de adopción que siguen son recomendaciones editoriales basadas en esas fuentes.

¿Qué modelo Gemini 4 conviene para cada tarea?

Empieza con Hydrogen para trabajos definidos y recurre a otro modelo cuando el problema requiera investigar más a fondo. La guía actual de selección de modelos de Google presenta Carbon como su modelo de frontera más potente y describe Argon como una opción para la mayoría de las tareas avanzadas de largo recorrido, con un consumo de tokens menor que Carbon. Una tarea de largo recorrido debe mantener la coherencia a lo largo de sucesivos pasos de razonamiento, acciones y revisiones.

Son opciones para distintas cargas de trabajo, no una clasificación universal. Un error difícil puede parecer al principio un cambio corriente y terminar revelando un problema de arquitectura. La frontera útil es si el agente ya entiende qué cambio debe hacer o si todavía intenta determinar cuál sería el cambio correcto.

Para un director de tecnología de una empresa mediana, lo adecuado es conservar la referencia actual de trabajo aceptado. Hydrogen se gana un papel más amplio si sus cambios superan las mismas pruebas y criterios de revisión con menos esfuerzo total. Argon sigue siendo una referencia razonable para los trabajos difíciles que ya resuelve; recurrir a Carbon tiene sentido cuando el obstáculo son las hipótesis sin resolver y los casos límite.

La guía de Carbon aborda su lanzamiento original y su enfoque en el razonamiento; su análisis de acceso de aquella etapa es anterior al despliegue de Hydrogen. La guía de Argon trata la elección para trabajos prolongados. Para este lanzamiento, consulta las vías de acceso que se describen a continuación.

Gemini gratis y de pago: dónde usar Hydrogen

Hydrogen está llegando a los productos de Google para consumidores, desarrolladores y empresas, con condiciones de acceso diferentes. El anuncio de Google enumera estas vías:

• Aplicación Gemini: Hydrogen forma parte del despliegue de modelos anunciado, pero la nota al pie es decisiva: los usuarios gratuitos acceden mediante la selección automática de modelo cuando resulta adecuado para su consulta. El acceso gratuito no garantiza una opción que permita seleccionar Hydrogen en todo momento.
• Google AI Studio y Gemini API: la guía de la API de Google enumera expresamente modalidades gratuitas y de pago. La modalidad gratuita de la API tiene límites de uso.
• Gemini for business: Google menciona el acceso mediante la API o el selector de modelos. Confirma la vía que se usará en la cuenta de tu organización antes de fijar una fecha de entrega.
• Google Search: Google anuncia un despliegue para todos los usuarios a escala mundial. El acceso desde el buscador permite recibir respuestas generadas con el modelo; no concede acceso a la API para tu aplicación.
• Google Antigravity: Hydrogen está llegando a los suscriptores de pago de Google AI Pro y Ultra. Orchestrator tiene otras diferencias entre planes, que se explican más adelante.

Precio de la API, comprobado el 14 de noviembre de 2026: el uso estándar de pago cuesta $1.50 por millón de tokens de entrada y $7.50 por millón de tokens de salida, incluido el razonamiento, con la misma tarifa en toda la ventana de contexto; los cargos por fundamentación en fuentes se cobran aparte, según la guía de la API de Hydrogen de Google.

Para quien solo quiere probar el asistente, el acceso automático en la aplicación puede bastar. Para evaluar una carga de trabajo repetible durante el desarrollo, conviene usar una vía que permita elegir el modelo y registrar su configuración. La guía de Gemini gratuito explica con más detalle la diferencia entre el acceso desde la aplicación y el acceso para desarrolladores.

Niveles de razonamiento: empieza con high y ajusta después

Hydrogen ofrece low, medium, high y xhigh, con high como opción predeterminada. El nivel de razonamiento controla cuánto esfuerzo dedica el modelo a razonar. Puede entenderse como el tiempo destinado a examinar un problema antes de actuar, más que como otro modelo con conocimientos diferentes.

Google recomienda high para la mayoría de los trabajos complejos de programación y con agentes. Su guía asocia medium con la programación interactiva, los prototipos de interfaces y las llamadas a herramientas sensibles a la latencia; low encaja en cargas donde el tiempo de respuesta y el consumo de tokens son especialmente importantes. Reserva xhigh para problemas difíciles de varios pasos en los que high se quede corto.

Al pulir la distribución visual de una página, la pregunta es si medium mantiene los criterios de aceptación y permite iterar con mayor agilidad. Al conciliar un conjunto de documentos complicado, conviene empezar con high y revisar si la respuesta cita las pruebas adecuadas. Aumentar el esfuerzo solo sirve si mejora el resultado aceptado.

Configura el nivel de forma explícita al comparar modelos. Carbon y Argon usan medium de manera predeterminada; Hydrogen usa high. Una comparación con la configuración predeterminada cambia, por tanto, tanto el modelo como el nivel de razonamiento. Google también advierte de que xhigh puede aumentar la latencia y el consumo de tokens, además de razonar en exceso ante consultas sencillas.

Los límites de contexto y salida que hay que tener en cuenta

La ventana de 1,048,576 tokens de Hydrogen se comparte entre entrada y salida. Los tokens son las unidades con las que se representa el material que un modelo lee y genera. La salida incluye el razonamiento, las llamadas a funciones y la respuesta final, de modo que una entrada extensa deja menos espacio para el trabajo posterior.

La especificación del modelo en Google Cloud fija un límite de salida de 65,536 tokens por segmento en primer plano, tanto con streaming como sin él. Long decode, el mecanismo de Google para continuar respuestas más largas, permite ampliar la salida hasta ocupar la ventana compartida menos los tokens de entrada. No se trata de un millón de tokens de entrada más otro millón de salida.

En una migración de repositorio, cargar todos los archivos puede restar el espacio necesario para razonar y generar los cambios. Proporciona el código y las restricciones pertinentes y deja margen para la respuesta. En un flujo documental, disponer de mucho espacio de lectura tampoco demuestra que el modelo vaya a interpretar correctamente cada tabla o excepción.

La guía de la API exige activar la ejecución en segundo plano y aumentar max_output_tokens al usar esa vía para respuestas más largas. Configurar solo background=true conserva el punto de parada predeterminado. Una tarea interactiva corriente rara vez se beneficia de una respuesta enorme; usa long decode cuando el entregable útil realmente necesite ese espacio.

Para migrar desde Flash hay que revisar la solicitud

Cambiar el nombre del modelo es solo una parte de la actualización desde Gemini 3.8 Flash. La lista de migración de Google señala varios ajustes que conviene revisar:

• Sustituye los controles anteriores de presupuesto de razonamiento por un nivel compatible. MINIMAL y thinking_budget se rechazan.
• Deja de depender de valores personalizados de temperature, top_p y top_k; Hydrogen ignora los valores de muestreo personalizados dentro del rango permitido.
• Elimina las solicitudes explícitas de caché de contexto. Hydrogen utiliza caché implícita.
• Declara las herramientas mediante llamadas nativas a funciones, o utiliza un esquema de salida estructurada para JSON, en lugar de pedir llamadas a herramientas improvisadas en texto sin formato.
• Conserva el estado de la conversación y las firmas de razonamiento, la información de estado de razonamiento que adjunta el modelo, entre turnos con herramientas, tal como indica la guía de Google.

El director de tecnología debería hacer esta revisión antes de comparar el rendimiento. De lo contrario, una integración defectuosa puede hacer que el modelo parezca menos capaz, o un ajuste ignorado sin aviso puede invalidar la comparación. Cloud también indica que Gemini Live API no es compatible: una integración existente de sesiones en vivo requiere una evaluación de compatibilidad aparte.

Qué cambia Orchestrator en Antigravity

Google Antigravity puede alternar entre modelos de planificación y ejecución dentro de una misma sesión. Su opción Orchestrator se adapta a la evolución de la tarea, en lugar de asignar todo el trabajo a un modelo únicamente a partir de la consulta inicial.

En el ejemplo de Google, Carbon investiga las dependencias y prepara un plan; Hydrogen hace las modificaciones y ejecuta las pruebas; después, el trabajo vuelve a Carbon si la ejecución encuentra un problema que exige revisar el razonamiento. Esa posibilidad de volver atrás es lo valioso: el agente ejecutor no tiene que seguir forzando un plan cuyas premisas han dejado de cumplirse.

La publicación sobre el despliegue de Antigravity enumera Orchestrator (Carbon) y Orchestrator (Argon) para los suscriptores de Google AI Ultra, y Orchestrator (Argon) para los suscriptores de pago de Google AI Pro. Las empresas pueden acceder a ambos mediante Gemini for business. Tener acceso a Hydrogen no implica disponer de todas las variantes de Orchestrator.

Quien dirige una startup puede evaluar Orchestrator con desarrollos de funcionalidades que suelen pasar de un cambio evidente a una cuestión de diseño. Quien supervisa agentes debe exigir que cada traspaso conserve el alcance de la tarea, las comprobaciones realizadas y las preguntas pendientes. La selección automática del modelo no decide si es seguro integrar un cambio de código.

Más allá de las expectativas: un modelo más rápido también necesita revisión

El enfoque de Hydrogen en la ejecución no vuelve segura la delegación de cualquier tarea sin comprobaciones. La ficha del modelo de DeepMind indica que Hydrogen se adapta a partir de Carbon, pero sigue señalando alucinaciones, lentitud o tiempos de espera agotados ocasionales y un mayor consumo de tokens en los niveles de razonamiento más altos.

La ficha también informa de más rechazos injustificados que en Gemini 3.8 Flash, especialmente ante consultas multimodales. Para quien procesa documentos e imágenes, es un motivo concreto para incluir solicitudes corrientes y legítimas en la evaluación, junto a los casos difíciles. Un agente que rechaza el trabajo falla de forma distinta a uno que produce una respuesta incorrecta; ambos fallos afectan a la finalización de las tareas.

El límite de contexto compartido es otra restricción que debe mantenerse presente en el plan. Una salida larga indica capacidad, no demuestra que el contenido sea correcto. Pide un entregable que se pueda revisar con comprobaciones trazables, en lugar de premiar al agente por generar más material.

Conserva la aprobación en los puntos de mayor impacto, como la publicación, los cambios en producción o la comunicación con clientes. Una mejora del modelo puede facilitar el trabajo dentro de esos límites sin cambiar quién toma la decisión final.

Preguntas frecuentes

¿Gemini 4 Hydrogen es gratis?

Sí, con condiciones. Los usuarios gratuitos de la aplicación Gemini acceden a Hydrogen mediante la selección automática de modelo cuando resulta adecuado para la consulta. Google también enumera una modalidad gratuita con límites de uso en AI Studio y Gemini API. El despliegue de Hydrogen en Antigravity está destinado a los suscriptores de pago de Google AI Pro y Ultra.

¿Gemini 4 Hydrogen es mejor que Carbon?

Para la ejecución cotidiana, Hydrogen es el primer modelo que conviene evaluar. Google sigue presentando Carbon como su modelo de frontera más potente para razonamientos difíciles, análisis de hipótesis y casos límite. Decide según el trabajo aceptado, el tiempo transcurrido y el esfuerzo de revisión; el lanzamiento de Hydrogen no demuestra que supere a Carbon en todos los casos.

¿Gemini 4 Hydrogen sustituye a Flash?

Google recomienda Hydrogen como actualización desde Gemini 3.8 Flash y modelos anteriores. Esa recomendación no significa que todos los endpoints de Flash hayan dejado de funcionar. Por separado, la guía de Google mantiene Flash-Lite como opción para clasificación de gran volumen, enrutamiento y latencia muy baja, por lo que Hydrogen no es intercambiable con toda la familia Flash.

Por dónde empezar: evalúa un flujo de trabajo acotado

Lleva una tarea representativa a evaluación antes de trasladar todo el flujo de trabajo. Quien desarrolla por su cuenta puede usar la corrección de una regresión conocida; un director de tecnología puede asignar un responsable a una tarea de mantenimiento recurrente; quien supervisa operaciones puede usar un conjunto de documentos con una respuesta conocida y verificable.

1. 1

   Conserva la referencia y las comprobaciones de aceptación

   Guarda la misma tarea, entradas, herramientas permitidas y resultado esperado para tu modelo actual y para Hydrogen. En código, exige las pruebas pertinentes y un cambio que pueda revisarse. En documentos, exige pruebas que respalden la conclusión.

2. 2

   Revisa la integración y configura el razonamiento de forma explícita

   Revisa los ajustes de las solicitudes, el espacio de contexto disponible y las declaraciones de herramientas. Empieza con high para trabajos complejos y después evalúa medium cuando el tiempo de espera sea importante. Registra las llamadas fallidas, las respuestas incompletas y las correcciones de los revisores junto con el consumo.

3. 3

   Amplía el uso solo donde mejore el trabajo aceptado

   Adopta Hydrogen para los trabajos que termina bien con menos esfuerzo total. Conserva Carbon o Argon para el trabajo aún sin resolver que exige mucho razonamiento y evalúa Orchestrator cuando una misma tarea requiera repetidamente planificación y ejecución. Espera si todavía no puedes medir si el resultado es aceptable.

Para tomar decisiones prácticas sobre modelos y flujos de trabajo, suscríbete al boletín.