Gemini 4 de Google utiliza conmutación de doble modelo para acelerar los agentes de codificación
Google presenta Orchestrator en Antigravity, que alterna entre los modelos Gemini 4 Hydrogen y Carbon para reducir el uso de cuotas en un 24% y mejorar la velocidad de finalización de tareas.
Traducido automáticamente del original en inglés.
Google ha actualizado su estrategia de desarrollo de IA con el lanzamiento de Gemini 4 Hydrogen y un nuevo sistema de orquestación llamado Antigravity. Lanzado el 12 de noviembre de 2026, este enfoque cambia dinámicamente entre dos modelos de IA diferentes durante una sola tarea de codificación para optimizar tanto la velocidad como el coste. El sistema busca equilibrar el razonamiento de alto nivel con la generación eficiente de código sin mantener activo el modelo más costoso durante toda la duración de una sesión.
Qué ocurrió
El núcleo de esta actualización es la combinación de Gemini 4 Hydrogen, un modelo rentable, con Gemini 4 Carbon, que ofrece capacidades de razonamiento más potentes. En lugar de depender exclusivamente de Carbon para cada paso de un flujo de trabajo de desarrollo de software, el nuevo sistema de Google delega las tareas según su complejidad. Carbon se encarga de las cargas pesadas, como la planificación arquitectónica y la depuración compleja, mientras que Hydrogen gestiona cambios rutinarios de código y procedimientos de prueba. Esta división del trabajo está gestionada por una nueva función llamada Orchestrator dentro del entorno de desarrollo Antigravity.
Google afirma que este enfoque híbrido ofrece resultados casi idénticos a usar Carbon exclusivamente, pero con importantes ganancias de eficiencia. Según los datos de la empresa, el sistema combinado reduce el consumo de cuota en un 24% y completa las tareas un 19% más rápido que ejecutar solo el modelo premium. Clement Farabet, VP de ingeniería de IA en Google DeepMind, describió esta combinación como un avance importante para los flujos de trabajo de codificación agéntica. Varun Mohan, quien lidera el equipo de Antigravity, señaló que la adopción interna de este flujo de trabajo emparejado ya se ha generalizado entre los ingenieros de Google.
Sin embargo, la transparencia de estas afirmaciones sobre el rendimiento ha suscitado escrutinio. Los datos de referencia presentados por Google contienen inconsistencias, ya que el anuncio principal de Gemini cita Terminal-Bench 4.0, mientras que la versión específica de Antigravity hace referencia a la versión 4.1. Además, Google no ha publicado tasas de éxito independientes para Carbon ni desgloses detallados de cómo Orchestrator toma decisiones de enrutamiento. Sin estos datos granulares, resulta difícil para los observadores externos verificar exactamente dónde se originan las mejoras de eficiencia reportadas.
Cómo funciona
Orchestrator actúa como un router dinámico que supervisa el progreso de un agente de codificación. Cuando una tarea requiere un análisis lógico profundo, como comprender una estructura compleja de repositorio o diagnosticar un error sutil, el sistema activa Gemini 4 Carbon. Una vez establecida la dirección estratégica, la carga de trabajo pasa a Gemini 4 Hydrogen para la implementación real del código y la ejecución de pruebas. Si una prueba falla o surge un nuevo desafío arquitectónico, el control vuelve a Carbon para una reevaluación antes de regresar a Hydrogen para la ejecución.
Este mecanismo de traspaso depende de las fortalezas distintas de cada modelo. Hydrogen se posiciona como un conductor diario para flujos de trabajo agénticos, con un precio de $1.50 por millón de tokens de entrada y $7.50 por millón de tokens de salida. A pesar de su menor costo, tiene un rendimiento competitivo en las pruebas de inteligencia, obteniendo una puntuación de 51 en el Artificial Analysis Intelligence Index con configuraciones predeterminadas, ligeramente por delante del más costoso Gemini 4 Argon. Al reservar el modelo Carbon, más intensivo en recursos, solo para momentos que requieren razonamiento de alto nivel, el sistema minimiza el uso total de tokens y la latencia.
Detalles clave
- Gemini 4 Hydrogen cuesta $1.50 por millón de tokens de entrada y $7.50 por millón de tokens de salida.
- El sistema Orchestrator reduce el uso de cuota en un 24% en comparación con el uso exclusivo de Gemini 4 Carbon.
- La velocidad de finalización de tareas mejoró un 19% al utilizar el flujo de trabajo combinado de Hydrogen y Carbon.
- Hydrogen obtiene una puntuación de 51 en el Artificial Analysis Intelligence Index, superando la puntuación de 50 de Gemini 4 Argon.
- Orchestrator está disponible actualmente solo para suscriptores de Google AI Ultra, con acceso más amplio planificado.
- Google no ha revelado la lógica específica que usa Orchestrator para activar los cambios de modelo ni el costo de latencia de los traspasos.
Por qué importa
Para los equipos de ingeniería que construyen herramientas de desarrollo asistidas por IA, este cambio representa un movimiento hacia arquitecturas de agentes más sostenibles y rentables. Ejecutar modelos de frontera continuamente para sesiones largas de codificación es prohibitivamente costoso para muchas organizaciones. Al demostrar que un modelo más pequeño y barato puede manejar la mayoría de los pasos de ejecución mientras un modelo más grande se ocupa solo de los picos críticos de razonamiento, Google proporciona un modelo para reducir los costos operativos sin sacrificar la calidad de la salida.
La falta de transparencia detallada en las pruebas de referencia, sin embargo, plantea un desafío para los líderes técnicos que evalúan estas herramientas. Sin datos claros sobre los modos de fallo o los criterios específicos para el cambio de modelo, es difícil predecir cómo se comportará el sistema con bases de código propietarias o tecnologías de nicho. Los ingenieros deben sopesar las ganancias de eficiencia prometidas frente al riesgo de procesos de toma de decisiones opacos que podrían introducir errores sutiles durante los traspasos entre modelos.
Qué puedes hacer
- Evalúa si tus actuales flujos de trabajo de codificación con IA implican tareas repetitivas que podrían transferirse a un modelo más ligero.
- Supervisa los patrones de uso de tokens en tus agentes existentes para identificar fases de razonamiento de alto costo frente a fases de ejecución de bajo costo.
- Revisa la estructura de precios de Gemini 4 Hydrogen para estimar los ahorros potenciales si adoptas una estrategia multimodelo.
- Espera documentación técnica más detallada de Google sobre la lógica de enrutamiento de Orchestrator antes de comprometerse a su uso en producción.
- Prueba el rendimiento de Hydrogen en tu base de código específica usando Google AI Studio para medir su capacidad base antes de integrarlo con modelos más pesados.
- Mantente atento a las actualizaciones sobre la disponibilidad de Antigravity, ya que Google planea expandir el soporte más allá de los suscriptores Ultra.



