✨︎ Resumen (TL;DR):
- Google presentó Hydrogen el 12 de noviembre para programación y flujos de trabajo con agentes, y lo llevó a Gemini, Search y herramientas para desarrolladores.
- Artificial Analysis le asignó 54 puntos con “xhigh”, frente a 55 para Claude Sonnet 5.5 y GPT-6.1 Sol.
- El costo medio por tarea fue de 3.16 dólares para Hydrogen, 10.02 para Sonnet y 1.27 para Sol.
Google presentó Gemini 4 Hydrogen el 12 de noviembre como un modelo para programación y flujos de trabajo con agentes. En el Intelligence Index de Artificial Analysis, obtuvo 54 puntos con el nivel de razonamiento “xhigh”, a uno de Claude Sonnet 5.5 y GPT-6.1 Sol, ambos evaluados en su nivel máximo. La cercanía tiene una diferencia clara en costos: 3.16 dólares por tarea para Hydrogen, contra 10.02 para Sonnet y 1.27 para Sol, según la consulta del 13 de noviembre de 2026.
Google también llevó Hydrogen a Gemini y Search, además de sus herramientas para desarrolladores. La comparación no describe una tarifa fija por consulta: los importes corresponden a las tareas y configuraciones de esa evaluación.
Más razonamiento, más puntos y más gasto
Según Google, Hydrogen ofrece cuatro niveles de razonamiento y usa “high” como opción predeterminada. Artificial Analysis le asignó 51 puntos y un costo medio de 1.87 dólares por tarea cuando operó en “high”. Al subir a “xhigh”, llegó a 54 puntos y 3.16 dólares.
El cambio agregó tres puntos en la escala redondeada y elevó el gasto cerca de 69 % por tarea del índice. La cifra resume esa batería concreta, no una regla universal para cada solicitud.
Así quedó la clasificación consultada el 13 de noviembre de 2026. Los costos están expresados en dólares estadounidenses:
| Modelo y nivel | Puntos | Costo medio por tarea |
|---|---|---|
| Gemini 4 Hydrogen (“xhigh”) | 54 | 3.16 dólares |
| Claude Sonnet 5.5 (“max”) | 55 | 10.02 dólares |
| GPT-6.1 Sol (“max”) | 55 | 1.27 dólares |
| Gemini 4 Hydrogen (“high”) | 51 | 1.87 dólares |
Los 54 frente a 55 puntos usan los valores redondeados que muestra el índice. La diferencia describe cercanía en esa batería, pero no prueba que los modelos sean equivalentes para cada tipo de trabajo.
En la consulta, el promedio calculado para Hydrogen equivalió a cerca de un tercio del de Sonnet y a unas 2.5 veces el de Sol. Es un promedio ponderado por tarea, no el precio de las suscripciones de Gemini, Claude o ChatGPT.
Tarifa por token y costo por tarea miden cosas distintas
Las tarifas estándar por unidad muestran otra parte de la comparación. Google cobra por Hydrogen 1.50 dólares por cada millón de tokens de entrada y 7.50 dólares por cada millón de tokens de salida. Para las API de Sol y Sonnet, Artificial Analysis muestra 2 dólares por millón de tokens de entrada y 10 dólares por millón de tokens de salida. OpenAI indica que las solicitudes a la API de Sol con más de 272,000 tokens de entrada tienen recargos.
Un token es una unidad de información que los modelos procesan o generan. Si cada modelo recibiera 1,000,000 de tokens de entrada sin caché y generara 200,000 de salida, el cálculo sería de 3 dólares para Hydrogen y 4 dólares para cada uno de los otros dos modelos. Es un ejemplo con consumos iguales y sin recargos; no mide una tarea real.
En la evaluación, los modelos no usaron necesariamente la misma cantidad de tokens. Artificial Analysis registró 304 millones de tokens de salida para Hydrogen en “xhigh”, frente a 63.7 millones para Sol en “max”. El costo ponderado también incorpora los tokens de entrada y las operaciones de caché, así que esos totales de salida por sí solos no explican toda la diferencia.
Artificial Analysis calcula cada evaluación con los precios de los distintos tipos de tokens utilizados, divide ese monto entre el número de tareas y después lo pondera según el peso de la evaluación dentro del índice. Los resultados pueden cambiar con la tarea, el proveedor y el consumo.
El puntaje general no cubre todo el trabajo
El Intelligence Index v5.0.1 es una clasificación de Artificial Analysis que reúne nueve evaluaciones en cuatro áreas con el mismo peso: trabajo de conocimiento, programación, ciencia y capacidades generales. La batería usa principalmente texto en inglés; el rendimiento multilingüe se evalúa por separado.
Una prueba concreta baja el resultado a tierra. En Terminal-Bench 4.0, que evalúa tareas realizadas mediante una terminal, Artificial Analysis registró 53.5 % para Hydrogen en “xhigh”, 56.1 % para Sol en “max” y 63.6 % para Sonnet en “max”.
Es una prueba dentro del índice y no representa toda la programación que pueden realizar los modelos.
La decisión depende del uso de cada API
Para un equipo que elija una API, la diferencia práctica dependerá de las tareas que quiera automatizar y de cuántos recursos consuma cada modelo en ellas. La cercanía de un punto en el total sirve como referencia común, pero no sustituye una medición con el trabajo real.
Una prueba con las solicitudes y los documentos del propio equipo permitiría contrastar la tabla con ese uso. Los datos dejan una diferencia concreta: Hydrogen se acerca a Sonnet y Sol en el índice, pero su costo queda entre ambos, más bajo que Sonnet y más alto que Sol en esta evaluación.
