Este artículo comprueba fuentes públicas hasta el 16 de noviembre de 2026, con atención a Hydrogen, publicado el 12 de noviembre, y a la ampliación de acceso a Carbon del día 10. Leímos fichas y métodos oficiales, páginas originales de evaluadores y publicaciones de la comunidad. No llamamos a modelos de pago ni repetimos esos rankings. Los prompts y registros locales son diseños originales, no resultados medidos de los modelos.
Google: Introducing Gemini 4 Hydrogen · Google: Gemini 4 Carbon is now available
Sitúa Hydrogen, Carbon y Argon en sus respectivas funciones
La actualización apunta a una división del trabajo: Hydrogen prioriza la ejecución cotidiana eficiente de agentes; Carbon aborda razonamientos más difíciles y extensos; Argon permanece en flujos establecidos. El anuncio, el acceso restringido y la apertura posterior son acontecimientos diferentes. Alinea las fechas antes de comparar experiencias anteriores.
Google: Introducing Gemini 4 Hydrogen · Google: Gemini 4 Carbon is now available
| Modelo | Fecha o función | Qué comprobar antes de usarlo |
|---|---|---|
| Gemini 4 Hydrogen | Publicado el 2026-11-12; ejecución cotidiana | high por defecto; también low, medium y xhigh |
| Gemini 4 Carbon | Acceso ampliado el 2026-11-10; antes restringido | Tareas difíciles, verificaciones más largas y mayor presupuesto de recursos |
| Gemini 4 Argon | Modelo existente de Gemini 4 | Google sigue considerándolo adecuado para la mayoría del trabajo técnico y de conocimiento |
Google: Introducing Gemini 4 Hydrogen · Google: Gemini 4 Carbon is now available
Nuestro marco empieza clasificando la tarea y después eligiendo modelo y nivel. El formato, las correcciones acotadas y la extracción permiten establecer una base con una configuración rápida. La arquitectura, las restricciones entre archivos y los errores difíciles justifican comparar un razonamiento más profundo. Juzga si el entregable cumple los requisitos, además de observar la longitud de la respuesta.
Un mismo nombre de modelo no garantiza las mismas funciones en todos los productos
| Acceso | Hydrogen | Carbon |
|---|---|---|
| Aplicación Gemini | Distintos niveles; los usuarios gratuitos acceden mediante selección automática cuando corresponde | El anuncio indica Google AI Ultra |
| AI Studio / Gemini API | Acceso gratuito y de pago con cuotas propias | Acceso para desarrolladores de pago |
| Google Antigravity | El anuncio indica AI Pro / Ultra de pago | El anuncio indica AI Ultra |
| Search y productos empresariales | Comprueba Search, productos empresariales y permisos de organización por separado | Comprueba Ultra, accesos empresariales y programas específicos por separado |
Google: Introducing Gemini 4 Hydrogen · Google: Gemini 4 Carbon is now available · Google: anuncio de Hydrogen para desarrolladores · Gemini Apps release notes
Las suscripciones, la facturación de API, los agentes del IDE y los permisos organizativos tienen límites diferentes. Elegir un modelo en el chat no implica saldo de API, herramientas idénticas ni los mismos límites de contexto. Antes de comprar, registra producto, nivel y tipo de entrega, y contrasta la descripción del vendedor con los derechos necesarios. La inclusión de Gemini en nuestros productos depende de las tarjetas y condiciones actuales.
El anuncio de Carbon indica tarifas introductorias de API pública de 2 dólares por millón de tokens de entrada y 10 por millón de salida, hasta el 30 de noviembre. Hydrogen anuncia 1,50 y 7,50 dólares, respectivamente. Son tarifas de API concretas; no equivalen a un número de mensajes de suscripción ni a los descuentos de cuota de un IDE externo.
Google: Introducing Gemini 4 Hydrogen · Google: Gemini 4 Carbon is now available
Para multimodalidad y contexto largo, revisa el contrato de entrada y salida
Ambas fichas enumeran entradas de texto, imagen, audio y vídeo, con salida de texto. Crear hojas de cálculo o presentaciones mediante herramientas implica ejecución, escritura de archivos y comprobación posterior. Es distinto de emitir audio o vídeo directamente. Una demostración visual atractiva también depende del código y del entorno de ejecución, que deben evaluarse por separado.
| Elemento | Condición de la ficha o del método | Validación práctica |
|---|---|---|
| Contexto | Hasta 1M de tokens sumando entrada y salida | Incluye materiales, historial de herramientas y respuesta final en el presupuesto |
| Salida larga | Hydrogen: hasta 64K de salida síncrona por defecto; hasta 1M con decodificación larga en segundo plano | Comprueba si el acceso utilizado admite ese modo |
| Archivos complejos | Lectura visual, fórmulas y archivos finales son etapas distintas | Revisa coordenadas, fórmulas de celdas, páginas y archivos exportados |
Una ventana mayor admite más material sin garantizar el uso correcto de cada detalle. Asigna identificadores a los archivos, pide archivo y página para afirmaciones importantes y pregunta qué gráfico, unidad o condición entre páginas podría cambiar la conclusión. Abre el archivo generado en lugar de confiar únicamente en la declaración de finalización.
Cómo probar cuatro niveles de razonamiento sin limitarse a esperar más
Hydrogen ofrece low, medium, high y xhigh, con high por defecto. Estas opciones corresponden a la configuración de ese modelo; otros modelos, productos o rutas automáticas pueden usar significados diferentes. Al subir de nivel, registra calidad, tiempo transcurrido y volumen de salida para no confundir una explicación más larga con más trabajo terminado.
Google: Introducing Gemini 4 Hydrogen · Google: anuncio de Hydrogen para desarrolladores
| Nivel | Tareas iniciales | Señal para subir o detenerse |
|---|---|---|
| low | Extracción o formato con reglas claras | Conserva la entrada fallida y sube si se omiten restricciones |
| medium | Correcciones y análisis con pocas dependencias | Compara resultados correctos adicionales y espera añadida |
| high | Varios pasos con información de herramientas | Comprueba que se ejecutaron pruebas y se inspeccionaron los archivos |
| xhigh | Problemas difíciles con un método de validación claro | Establece una revisión humana si seguir razonando no añade pruebas |
Este orden es nuestra propuesta experimental, no una garantía oficial. La recuperación de información, los permisos, los fallos del entorno y la contaminación del contexto también limitan las tareas. Subir de nivel puede no ayudar si el modelo espera una herramienta inaccesible. Revisa su último estado y error antes de reintentar, cambiar de modelo o reparar el entorno.
Lee las puntuaciones oficiales junto con el arnés, la versión y los intentos
Los métodos de Hydrogen especifican pass@1 y el razonamiento máximo salvo excepciones. Los detalles de Terminal-Bench 4.0 y 4.1 usan high, un arnés mini-swe-agent vision y la recompensa media de cinco intentos por tarea. Esa media no es la probabilidad de acertar al menos una vez entre cinco. Las excepciones también impiden etiquetar toda la tabla como xhigh.
| Fuente o evaluación | Configuración que debe conservarse | Lectura errónea que se evita |
|---|---|---|
| Hydrogen Terminal-Bench | Separar 4.0 de 4.1; high; recompensa media de cinco intentos | Mezclar versiones o interpretar la media como pass@5 |
| Hydrogen SWE-sweep | Antigravity CLI 1.4.8; recompensa ponderada por subtarea | Tratar arneses de agentes diferentes como una misma prueba del modelo sin herramientas |
| Comparaciones de Carbon | Algunas cifras externas proceden de los propios proveedores | Presentar todas las columnas como una repetición independiente común |
| Carbon AA / Vals | Los métodos del lanzamiento citan AA v5.0 y Vals v2.2 | Trazar una tendencia directamente sobre revisiones posteriores del índice |
PDF de metodología de Hydrogen Model Evaluation · PDF de metodología de Carbon Model Evaluation
Las afirmaciones de Google sobre velocidad, menos invenciones y colaboración pueden convertirse en hipótesis de tu prueba. Fija entradas y límites, comprueba primero una calidad equivalente de la corrección y compara después el tiempo total. Solo entonces la mejora de velocidad describe una entrega equivalente, en vez de una finalización prematura o menos verificaciones.
Artificial Analysis: capacidad, tiempo y coste deben leerse juntos
| Configuración | Puntuación del índice | Estadísticas de tareas de la misma página |
|---|---|---|
| Hydrogen Xhigh | 54 | Aproximadamente 14,9 minutos por tarea; coste medio de 3,16 dólares |
| Carbon High | 60 | Aproximadamente 33,0 minutos por tarea; coste medio de 5,48 dólares |
Artificial Analysis: página de Hydrogen · Artificial Analysis: página de Carbon
El índice agrega nueve evaluaciones. Cada puntuación corresponde a una configuración; las medias de tiempo y coste describen ese conjunto de tareas, no el precio de cualquier conversación. Las páginas cambian: conservamos fecha y versión, en lugar de introducir cifras actuales en gráficos antiguos de lanzamiento.
Artificial Analysis: página de Hydrogen · Artificial Analysis: página de Carbon
De ahí sale una estrategia condicional: amplía una configuración superior solo cuando los fallos adicionales que resuelve tengan valor. En tareas sencillas y frecuentes, la espera puede importar más que la tarifa por token. Para trabajo difícil, un fallo barato seguido de una reparación cara puede costar más que empezar con una configuración potente.
CursorBench ofrece pistas del flujo de trabajo, no puntos que sumar a AA
| Configuración | Puntuación | Coste medio |
|---|---|---|
| Carbon Medium | 60.1% | $8.49 |
| Hydrogen High | 54.3% | $5.59 |
| Argon Medium | 52.8% | $4.39 |
Este ranking se acerca al trabajo de software definido por Cursor, pero su entorno y distribución de tareas siguen siendo propios de esa evaluación. Carbon usa Medium aquí y High en AA. Las escalas, los conjuntos de costes y los arneses son distintos: 60,1% y 60 de AA no validan una misma medición.
Artificial Analysis: página de Hydrogen · Artificial Analysis: página de Carbon · Ranking actual de modelos de Cursor Insights
Las posiciones y las ventajas de coste citadas por Google también pertenecen al conjunto comparado en aquel momento. Añadir modelos o actualizar precios puede cambiar esa relación. Para comprar o migrar, conserva ranking, nivel y fallos de tus propias tareas, evitando convertir una proporción del lanzamiento en una promesa permanente.
Google: Gemini 4 Carbon is now available · Ranking actual de modelos de Cursor Insights
Qué mide una evaluación de trabajo de conocimiento multimodal
MKA es una colaboración de Google DeepMind y Artificial Analysis que exige crear archivos a partir de materiales visuales complejos. AA describe 200 tareas privadas, el mismo arnés Stirrup y hasta 250 turnos. Las diez tareas públicas permiten revisar el formato; no reproducen el ranking privado completo.
Artificial Analysis: métodos y resultados de MKA · Artificial Analysis: evaluación MKA · Conjunto público MKA de Google
Su indicador principal, Climb WSR, mide la satisfacción ponderada de criterios difíciles de la rúbrica, no la probabilidad de completar una tarea. Separa controles básicos Regression y criterios más difíciles Climb, y usa un juez agente que abre los entregables. Se acerca más a la calidad de los archivos que el texto final, aunque depende de rúbricas, revisión automática y distribución de dominios. También debe declararse la colaboración.
Artificial Analysis: métodos y resultados de MKA · Artificial Analysis: evaluación MKA
La transferencia útil consiste en pasar de «se generó el archivo» a comprobar apertura, fórmulas, fuentes, correspondencia con gráficos y alcance de cambios. Haz que la aceptación sea un requisito y utiliza las puntuaciones parciales para localizar errores. No ejecutamos MKA.
Por qué la comunidad relata tanto sorpresas como bloqueos
| Publicación original | Experiencia declarada | Qué no demuestra |
|---|---|---|
| Prueba inicial de Carbon en una cadena de desarrollo | Cuatro fases positivas; el autor señala la muestra diminuta | El esfuerzo sigue la dificultad, impidiendo una comparación causal medium/high |
| Flujo prolongado de un usuario de Hydrogen | Declara utilidad técnica; otro modelo encontró problemas al revisar | Un proyecto y notas de otro modelo no demuestran fiabilidad general |
| Informe de un problema de Carbon High en Cursor | Tras varias instrucciones para continuar, se detiene en Thinking; incluye versión | El informe no aísla por sí solo modelo, IDE, red o servidor |
Publicación original: primeros resultados de Carbon · Publicación original: experiencia y revisión de Hydrogen · Comunidad de Cursor: bloqueo de Carbon High
Estos informes ayudan a construir pruebas y pasos de diagnóstico; no estiman la proporción de usuarios afectados. Los casos positivos suelen incluir contratos de tarea, herramientas y revisión. Los negativos pueden mezclar fallos del producto y del modelo. Pregunta si las entradas coinciden, qué nivel se utilizó, si se conservaron trazas y si se inspeccionaron los archivos.
Ante un bloqueo, conserva alcance, etiqueta del modelo, versión del producto y último estado de la herramienta. Retira credenciales y materiales privados antes de contactar con soporte. Si se declara finalización pero faltan resultados, revisa archivos, pruebas y diferencias. Repetir continue indefinidamente no sustituye al diagnóstico: cada intento necesita un cambio concreto y una condición de parada.
Prueba reutilizable: mismas tareas, presupuesto fijo y comprobaciones separadas
Elige tres tareas con material propio o autorizado: un CSV con filas anómalas, una corrección acotada de código y un informe gráfico con referencias de página. Congela copias y criterios de aceptación. Reinicia el contexto para varias ejecuciones independientes por configuración y conserva fallos y reparaciones. Con un piloto pequeño, publica recuentos sin presentar un porcentaje como una tasa estable.
Tarea: [describe una tarea verificable]
Entradas: [lista fija de archivos, versiones o sumas de comprobación]
Cambios permitidos: [archivos y directorios explícitos]
Acciones prohibidas: [despliegue, mensajes, pagos u otras acciones innecesarias]
Criterios de aceptación:
1. [funcionalidad y casos límite]
2. [prueba ejecutable o método de lectura manual]
3. Conserva entradas originales y archivos fuera del alcance.
Enumera primero la información ausente; ejecuta cuando sea suficiente. Registra bloqueos de permisos o entorno y lo completado.
Devuelve cambios reales, comprobaciones ejecutadas con sus salidas, pendientes y rutas de archivos.
No declares como completadas las comprobaciones solo previstas.Revisa los archivos existentes sin confiar en la declaración de finalización del autor.
Contrato de tarea: [objetivos y criterios congelados]
Evidencia: [entradas originales, entregables, diferencias y salidas de pruebas]
Para cada criterio: criterio | ubicación de evidencia | comprobación realizada | aprobado/fallido/no verificado.
Prioriza errores importantes, unidades, fórmulas, respaldo de fuentes y cambios fuera del alcance.
Separa la evidencia previa de las comprobaciones que añadas ahora.
Si no puedes acceder a archivos o entorno, marca la conclusión como no verificada. No confundas redacción fluida y corrección.Código local: incluye fallos y reintentos en el coste del trabajo aceptado
A y B son candidatos sintéticos, no modelos reales. Solo se acepta una ejecución cuando pasan pruebas, lectura de archivos y control de alcance. El coste incluye todos los intentos y se divide entre las ejecuciones aceptadas. Un fallo deliberado muestra la diferencia entre un intento barato y un resultado utilizable.
import json
from decimal import Decimal
from statistics import median
# Synthetic teaching fixture. A and B are not Google model results.
rows = [
("A1", "A", True, True, True, 10, "0.04"),
("A2", "A", False, True, True, 12, "0.05"),
("A3", "A", True, True, True, 14, "0.06"),
("B1", "B", True, True, True, 20, "0.12"),
("B2", "B", True, True, True, 24, "0.15"),
("B3", "B", True, True, True, 30, "0.18"),
]
assert len({row[0] for row in rows}) == len(rows)
report = {"synthetic": True, "model_calls": 0, "candidates": {}}
for candidate in ("A", "B"):
runs = [row for row in rows if row[1] == candidate]
assert len(runs) == 3
assert all(type(v) is bool for row in runs for v in row[2:5])
assert all(row[5] > 0 and Decimal(row[6]) >= 0 for row in runs)
passed = sum(all(row[2:5]) for row in runs)
spend = sum((Decimal(row[6]) for row in runs), Decimal("0"))
report["candidates"][candidate] = {
"runs": len(runs), "accepted": passed,
"all_attempt_cost": str(spend),
"cost_per_accepted": str((spend / passed).quantize(Decimal("0.001"))) if passed else None,
"median_seconds": median(row[5] for row in runs),
}
assert report["candidates"]["A"]["accepted"] == 2
assert report["candidates"]["A"]["cost_per_accepted"] == "0.075"
assert report["candidates"]["B"]["accepted"] == 3
assert report["candidates"]["B"]["cost_per_accepted"] == "0.150"
print(json.dumps(report, ensure_ascii=False, sort_keys=True))Resultados esperados: A acepta 2 de 3 ejecuciones, con coste 0,075 por resultado aceptado; B acepta 3 de 3, con coste 0,150. Las medianas de tiempo son 12 y 24 segundos. Todas las cifras proceden de la muestra. En pruebas reales añade revisión humana, recuperación y herramientas. Si ninguna ejecución pasa, indica que el cociente no puede calcularse, sin dividir por cero ni ocultar fallos.
Convierte tus resultados en una elección práctica
| Características de la tarea | Primera comparación | Condición para ampliar el uso |
|---|---|---|
| Tareas frecuentes con reglas claras | Distintos niveles thinking de Hydrogen | Pasan exactitud y alcance mientras baja el tiempo total |
| Pocas tareas difíciles con dependencias largas | Carbon y modelos potentes conocidos con presupuesto fijo | Los fallos adicionales resueltos justifican tiempo y coste |
| Flujo existente de Argon estable | Conserva la base y prueba nuevos modelos con sus fallos | Las mejoras se repiten independientemente y la migración es asumible |
Un flujo con varios modelos puede usar uno potente para descomponer, otro para ejecutar tareas acotadas y comprobaciones ejecutables más revisión independiente para integrar resultados. Exige interfaces y criterios claros. Transferir contexto, repetir búsquedas y sintetizar mal puede encarecer más agentes. Compara esa estrategia en lugar de asumir que es una mejora automática.
Antes de comprar, relaciona el acceso necesario con el producto: cuenta propia o separada, suscripción o API, productos compatibles y plazo de entrega. Un anuncio de modelo no implica que un artículo incluya todos sus permisos. Las páginas actuales de productos definen nuestra oferta y soporte.
Conecta las novedades con un ciclo de validación repetible
Conserva base anterior, entradas, versiones y fallos en cada actualización. Reutiliza los materiales cuando cambie el modelo o el producto para identificar la etapa que mejoró.
- Confirma modelo, producto, nivel y fecha
- Congela entradas, presupuesto y criterios
- Ejecuta conservando evidencia de herramientas
- Abre archivos, ejecuta pruebas y revisa el alcance
- Cuenta todos los intentos y costes; continúa o revierte
Qué evidencia priorizar en la próxima actualización
Sigue mejoras bajo el mismo arnés y presupuesto, junto con correcciones de cuotas, rutas y bloqueos del producto. Una puntuación superior justifica otra prueba; resolver un fallo repetido puede decidir una migración. Un conjunto fijo pequeño, versiones de fuentes y costes de recuperación convierte las novedades en decisiones explicables.
- ¿Cambió la versión del índice o la instantánea del modelo?
- ¿Son comparables arnés, thinking y presupuesto con la prueba anterior?
- ¿Se repiten los resultados en tus propios casos fallidos?
- ¿Existe confirmación oficial y una corrección comprobable del bloqueo o medición?
Distinguimos afirmaciones del proveedor, mediciones independientes, experiencias individuales y diseños originales. Las puntuaciones públicas pueden cambiar. Consulta documentación oficial actual y condiciones de entrega para accesos, tarifas y derechos.