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

Versiones y alcance de esta revisión
ModeloFecha o funciónQué comprobar antes de usarlo
Gemini 4 HydrogenPublicado el 2026-11-12; ejecución cotidianahigh por defecto; también low, medium y xhigh
Gemini 4 CarbonAcceso ampliado el 2026-11-10; antes restringidoTareas difíciles, verificaciones más largas y mayor presupuesto de recursos
Gemini 4 ArgonModelo existente de Gemini 4Google 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

Accesos según anuncios oficiales; las opciones dependen de la cuenta y del despliegue
AccesoHydrogenCarbon
Aplicación GeminiDistintos niveles; los usuarios gratuitos acceden mediante selección automática cuando correspondeEl anuncio indica Google AI Ultra
AI Studio / Gemini APIAcceso gratuito y de pago con cuotas propiasAcceso para desarrolladores de pago
Google AntigravityEl anuncio indica AI Pro / Ultra de pagoEl anuncio indica AI Ultra
Search y productos empresarialesComprueba Search, productos empresariales y permisos de organización por separadoComprueba 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.

Gemini 4 Hydrogen Model Card · Gemini 4 Carbon Model Card

Condiciones que suelen omitirse
ElementoCondición de la ficha o del métodoValidación práctica
ContextoHasta 1M de tokens sumando entrada y salidaIncluye materiales, historial de herramientas y respuesta final en el presupuesto
Salida largaHydrogen: hasta 64K de salida síncrona por defecto; hasta 1M con decodificación larga en segundo planoComprueba si el acceso utilizado admite ese modo
Archivos complejosLectura visual, fórmulas y archivos finales son etapas distintasRevisa coordenadas, fórmulas de celdas, páginas y archivos exportados

Gemini 4 Hydrogen Model Card · Gemini 4 Carbon Model Card

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

Orden de prueba original: exige una razón comprobable para cada subida
NivelTareas inicialesSeñal para subir o detenerse
lowExtracción o formato con reglas clarasConserva la entrada fallida y sube si se omiten restricciones
mediumCorrecciones y análisis con pocas dependenciasCompara resultados correctos adicionales y espera añadida
highVarios pasos con información de herramientasComprueba que se ejecutaron pruebas y se inspeccionaron los archivos
xhighProblemas difíciles con un método de validación claroEstablece 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.

PDF de metodología de Hydrogen Model Evaluation

Condiciones comprobadas en los PDF originales de metodología
Fuente o evaluaciónConfiguración que debe conservarseLectura errónea que se evita
Hydrogen Terminal-BenchSeparar 4.0 de 4.1; high; recompensa media de cinco intentosMezclar versiones o interpretar la media como pass@5
Hydrogen SWE-sweepAntigravity CLI 1.4.8; recompensa ponderada por subtareaTratar arneses de agentes diferentes como una misma prueba del modelo sin herramientas
Comparaciones de CarbonAlgunas cifras externas proceden de los propios proveedoresPresentar todas las columnas como una repetición independiente común
Carbon AA / ValsLos métodos del lanzamiento citan AA v5.0 y Vals v2.2Trazar 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.

Google: Introducing Gemini 4 Hydrogen

Artificial Analysis: capacidad, tiempo y coste deben leerse juntos

Captura de las páginas originales el 2026-11-16; Intelligence Index v5.0.1
ConfiguraciónPuntuación del índiceEstadísticas de tareas de la misma página
Hydrogen Xhigh54Aproximadamente 14,9 minutos por tarea; coste medio de 3,16 dólares
Carbon High60Aproximadamente 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

Configuraciones, puntuaciones y costes medios actuales de Cursor Insights
ConfiguraciónPuntuaciónCoste medio
Carbon Medium60.1%$8.49
Hydrogen High54.3%$5.59
Argon Medium52.8%$4.39

Ranking actual de modelos de Cursor Insights

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

Casos seleccionados: conserva entorno y límites de la evidencia
Publicación originalExperiencia declaradaQué no demuestra
Prueba inicial de Carbon en una cadena de desarrolloCuatro fases positivas; el autor señala la muestra diminutaEl esfuerzo sigue la dificultad, impidiendo una comparación causal medium/high
Flujo prolongado de un usuario de HydrogenDeclara utilidad técnica; otro modelo encontró problemas al revisarUn proyecto y notas de otro modelo no demuestran fiabilidad general
Informe de un problema de Carbon High en CursorTras varias instrucciones para continuar, se detiene en Thinking; incluye versiónEl 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.

Prompt original: sustituye los corchetes. No lo enviamos a un modelo
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.
Prompt original de revisión para otra sesión; una persona debe comprobar las pruebas críticas
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.

Guárdalo como acceptance_cost.py y ejecútalo con Python 3 local; sin llamadas a modelos ni acceso de red
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

Tabla de decisión original para actualizar con tus registros
Características de la tareaPrimera comparaciónCondición para ampliar el uso
Tareas frecuentes con reglas clarasDistintos niveles thinking de HydrogenPasan exactitud y alcance mientras baja el tiempo total
Pocas tareas difíciles con dependencias largasCarbon y modelos potentes conocidos con presupuesto fijoLos fallos adicionales resueltos justifican tiempo y coste
Flujo existente de Argon estableConserva la base y prueba nuevos modelos con sus fallosLas 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.

  1. Confirma modelo, producto, nivel y fecha
  2. Congela entradas, presupuesto y criterios
  3. Ejecuta conservando evidencia de herramientas
  4. Abre archivos, ejecuta pruebas y revisa el alcance
  5. Cuenta todos los intentos y costes; continúa o revierte
Flujo original: de fuentes y configuración a pruebas de entrega inspeccionables

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.