Gemini 4 Hydrogen
El lanzamiento del modelo Gemini 4 Hydrogen de Google está llamando la atención tanto por su posicionamiento técnico como por señales estratégicas más amplias. Los comentaristas lo ven como un sustituto más rápido y capaz de Gemini 3.8 Flash y un sólido modelo intermedio “de trabajo” que compite con modelos como GPT Terra y Claude Sonnet, especialmente para tareas de imagen y uso general, pero critican sus precios, el fin de los niveles más baratos de “flash lite” y la línea confusa y las rutas de acceso a través de los productos de IA de Google. Muchos también consideran que el nuevo esquema de nombres basado en elementos (Hydrogen, Argon, Carbon) es opaco y engañoso, lo que refuerza la sensación de que la marca y la UX de la IA de Google van por detrás de la calidad de sus modelos subyacentes.
Capacidades y posicionamiento del modelo
- Muchos ven Gemini 4 Hydrogen como el nuevo modelo “de trabajo”/subagente, sustituyendo a 3.8 Flash: más rápido, algo más inteligente, especialmente para implementación de código y tareas de imagen→HTML.
- Benchmarks: hay afirmaciones de que Hydrogen está al nivel de Terra/Sonnet o incluso cerca de GPT-6.1 Sol para muchas tareas; otros advierten que los modelos pequeños a menudo brillan en benchmarks pero decepcionan en el uso “cotidiano”.
- Algunos evaluadores tempranos informan regresiones de Hydrogen y Carbon en los casos extremos “p90/p99” en flujos de trabajo agénticos: excederse, no fallar rápido, hacer trabajo irrelevante o dañino.
- Múltiples comparaciones con DeepSeek, Qwen y otros modelos abiertos o más baratos: varios comentaristas dicen que estos rivales igualan o superan a Google en coste y programación, mientras Gemini sigue siendo fuerte en tareas multimodales y multilingües.
Precios, economía y “tokenmaxxing”
- Fuerte debate sobre los precios: Hydrogen tiene el mismo precio que 3.8 Flash (sin descuentos), y 3.8 Flash en sí subirá al doble pronto; algunos temen que Google esté abandonando un nivel verdaderamente barato de “rápido y ligero”.
- Las empresas se quejan de que deben usar precios de API (sin suscripciones de consumo), lo que vuelve caros los niveles medios/altos a escala; esto empuja a algunas hacia modelos de pesos abiertos o no SOTA.
- Discusión sobre subsidios: la inferencia parece rentable por token; los costes de entrenamiento son lo que se subsidia. Las suscripciones se ven como infravaloradas y probablemente temporales.
- Algunos sostienen que los modelos de nivel medio son una falsa economía: si un modelo top ahorra incluso unas pocas intervenciones humanas, puede ser más barato en conjunto.
Nomenclatura, niveles y confusión del producto
- La nomenclatura basada en elementos (Hydrogen, Argon, Carbon) es ampliamente criticada por incoherente: no sigue claramente la masa atómica, la abundancia ni ninguna escala obvia.
- Comparación frecuente con los esquemas literarios de Anthropic (Haiku→Sonnet→Opus→Fable/Mythos) y los celestes de OpenAI (Luna→Terra→Sol→Astra), que se consideran más intuitivamente ordenados.
- Muchos usuarios están frustrados por la superficie de producto fragmentada de Google: Gemini app, AI Studio, Gemini API, “Antigravity”, integración con Search, Workspace, etc., cada uno con distinta disponibilidad de modelos y cuotas.
- Varios informan que los modelos se cambian en silencio (por ejemplo, 3.7→3.8 Flash) o se recortan, rompiendo flujos de trabajo y la confianza.
Acceso, UX y fiabilidad
- Algunos elogian el despliegue inmediato en Search y Workspace como inusualmente rápido para Google.
- Otros informan fallos y problemas de UX en Gemini y Antigravity (chats perdidos, subidas de PDF rotas, rarezas del control remoto) y ven las herramientas rivales (la app de Claude, los “sites” de ChatGPT) como más pulidas.
- Las suspensiones de cuenta por el uso de Antigravity CLI han alarmado a los usuarios; incluso cuando se resuelven, refuerzan los temores de vincular cuentas críticas de Google a la aplicación de los ToS de la IA.
Sentimiento general
- Mixto a positivo sobre la capacidad bruta y la velocidad de Hydrogen; negativo sobre la nomenclatura, la trayectoria de precios, la dispersión del producto, la fiabilidad y la confianza.