Skip to content
On this page

Gemini 4 Hydrogen y Orchestrator en Antigravity: Google apuesta por agentes que cambian de modelo solos ​

Portada sobre Gemini 4 Hydrogen y Orchestrator en Google Antigravity

TL;DR: Google presentó Gemini 4 Hydrogen el 12 de noviembre de 2026 ($1.50/$7.50 por millón de tokens, 1M de contexto) junto a Orchestrator en Google Antigravity: Carbon planea en solo lectura e Hydrogen ejecuta código y pruebas, ahorrando 24% de cuota y 19% de tiempo en Terminal-Bench 4.0.


Qué anunció Google para desarrolladores ​

Dos días después de habilitar al público general Gemini 4 Carbon (10 de noviembre) y lanzar /swarm para equipos de agentes en paralelo, Google presentó el 12 de noviembre Gemini 4 Hydrogen, su guía para developers y Orchestrator en Antigravity.

La premisa es práctica: no todas las subtareas de una sesión justifican la latencia y costo de un modelo frontera. Mientras Carbon cubre razonamiento de largo horizonte, Hydrogen apunta a ejecución diaria en Google AI Studio, Gemini API, Android Studio y Antigravity:

  • Contexto y precio plano: ventana de contexto de 1 millón de tokens con precio plano: $1.50 por millón de entrada y $7.50 por millón de salida.
  • Cuatro niveles de pensamiento: low, medium, high (por defecto) y xhigh.
  • Velocidad y precisión frente a 3.8 Flash: en high supera a Gemini 4 Argon en el Artificial Analysis Intelligence Index (51 vs. 50; 54 en xhigh). Termina tareas 2.5x más rápido que 3.8 Flash, más que triplica su resultado en Terminal-Bench 4.1 (de 18.2% a 57%) y reduce afirmaciones inventadas más de 5x.
  • Lectura paralela de repositorios: agrupa en paralelo lecturas de archivos y búsquedas en vez de abrir uno por uno; en pruebas con socios (grafos, SQL y datos) corrió entre 2x y 2.8x más rápido con 12% a 23% menos tokens.
  • Seguridad agéntica: recorta el exceso de alcance (overreach) hasta en 81%, baja 12x atajos o acciones desalineadas y mejora más de 2.3x la resiliencia contra indirect prompt injection en Gray Swan IPI.

Gráfica de barras de Terminal-Bench 4.1: Gemini 3.8 Flash resuelve 18.2% y Gemini 4 Hydrogen 57%

Cómo funciona Orchestrator en Antigravity ​

Lo más útil para el flujo diario es Orchestrator, disponible en el selector de Antigravity (con Carbon en Google AI Ultra, y con Argon en Pro y Ultra, según InfoWorld).

En lugar de usar un router estático que adivina la complejidad desde el primer prompt, Orchestrator hace un ida y vuelta dinámico en la misma respuesta:

  1. Planeación en solo lectura: Carbon (o Argon) explora el repo, mapea dependencias y arma el plan con disparadores explícitos de re-planeación.
  2. Ejecución rápida: pasa el control a Hydrogen para editar archivos, instalar paquetes y correr pruebas.
  3. Rescate automático: si Hydrogen falla repetidamente en tests o choca con errores inesperados, devuelve el turno al planificador para corregir el rumbo y retomar.

Diagrama de Orchestrator: Carbon o Argon planean en solo lectura, Hydrogen edita, actualiza paquetes y corre pruebas, y si falla repetidamente devuelve el control al planificador

En Terminal-Bench 4.0, este esquema casi igualó la tasa de éxito de Carbon solo, consumiendo en promedio 24% menos cuota y terminando 19% más rápido.

El pendiente de auditoría y la respuesta de OpenAI ​

En InfoWorld, el analista Pareekh Jain advierte un hueco para empresas: los CIOs necesitan saber qué modelo tomó cada decisión o hizo cada cambio, y sin logs por modelo ni atribución clara será difícil auditar el código generado. Mientras eso llega, toca mantener permisos restringidos y revisión humana en los PRs.

En paralelo, hoy 17 de noviembre OpenAI lanzó GPT-6.2 Astra y GPT-6.2 Sol en GitHub Copilot y API, bajando Astra 20% ($8/$40 por millón; Sol sigue en $2/$10). En el análisis independiente de Artificial Analysis, Astra alcanzó el #2 global en inteligencia general pero quedó plano en el Coding Agent Index frente a GPT-6, y Sol cayó 3 puntos respecto a 6.1 Sol.

Mi opinión como dev ​

Como conté cuando Antigravity lanzó extensiones para otros editores, muchos ya cambiábamos manualmente de un modelo razonador a uno rápido en medio de una sesión. Automatizar ese relevo entre "arquitecto en solo lectura" y "ejecutor veloz" dentro del mismo turno es el camino correcto. Solo falta tener trazabilidad por paso en el log para saber exactamente quién tocó qué.

Fuentes ​