Modelos y lanzamientosGoogle

Gemini 4 Hydrogen: revisa los niveles de razonamiento y los límites de migración

Google anunció Gemini 4 Hydrogen el 12 de noviembre para programación y flujos de trabajo con agentes. Antes de cambiar una integración existente, comprueba sus ajustes de razonamiento, el presupuesto compartido de tokens y la compatibilidad de las solicitudes con tus propias tareas.

Un robot verde musgo gira un dial de cobre sobre cuatro lentes de color lavanda enfocadas en un rompecabezas, junto a una única cámara de vidrio con bloques de cerámica que representan tokens.
Ilustración conceptual.

Un lanzamiento para programación con cambios de configuración

El anuncio de Google del 12 de noviembre presenta Gemini 4 Hydrogen como un modelo para programación cotidiana y flujos de trabajo con agentes. Su identificador en la API es gemini-4-hydrogen. Google afirma que mejora el seguimiento de instrucciones y reduce las afirmaciones inventadas; son afirmaciones de la empresa, no resultados de una comparación realizada por Codorc.

En una aplicación existente, la primera pregunta es qué ocurre con las solicitudes que ya envía. Sustituir el nombre del modelo puede superar una prueba básica de funcionamiento y, aun así, cambiar la latencia, la longitud de la respuesta o el efecto de ajustes de los que depende la aplicación. Revisa el contrato de las solicitudes antes de asignar al modelo una mayor proporción del trabajo en producción.

Especifica el nivel de razonamiento

Los niveles documentados son low, medium, high y xhigh, con high como valor predeterminado. La guía indica que minimal no es compatible y produce un error. No asumas que un ajuste aceptado por otro modelo seguirá siendo válido aquí, ni que omitir un ajuste conservará el comportamiento anterior de tu carga de trabajo.

Elige un conjunto pequeño de tareas y compara los niveles de forma deliberada. Una edición sencilla y una investigación compleja de un repositorio pueden necesitar cantidades distintas de razonamiento. Mantén constantes la tarea, las herramientas disponibles y las comprobaciones de aceptación; registra el trabajo completado, las regresiones, el tiempo transcurrido y el consumo con cada ajuste. Un mayor razonamiento solo resulta útil cuando mejora un resultado que puedes verificar.

Comparte un único presupuesto entre contexto y generación

La documentación describe una ventana compartida de 1.048.576 tokens que abarca entrada, razonamiento y salida. Para las solicitudes síncronas, el valor predeterminado y el límite documentados son 65.536 tokens por tramo de ejecución. El presupuesto de max_output_tokens incluye razonamiento y salida. Para obtener una respuesta más larga, la guía requiere ejecución en segundo plano con un presupuesto mayor, o continuación del lado del cliente. Activar la ejecución en segundo plano por sí sola no aumenta el límite predeterminado.

Considera una ventana anunciada de gran tamaño como un límite de capacidad, no como una promesa de que cualquier solicitud pueda consumirla en cualquier proporción. Reserva espacio para la respuesta después de tener en cuenta el material que envías y el razonamiento del modelo. Comprueba en tu aplicación el estado de finalización y si la respuesta se ha truncado antes de aceptar un resultado. Un parche parcial acompañado de una explicación convincente sigue siendo una tarea incompleta.

Audita las solicitudes que envía tu integración

La guía de migración indica que la caché explícita no es compatible y que se ignoran los valores personalizados de temperature, top_p y top_k. Son fallos de distinto tipo: una función no compatible puede requerir que la elimines, mientras que un ajuste ignorado puede hacer que una comparación parezca controlada cuando no lo está. Examina una solicitud representativa guardada en lugar de confiar en la configuración predeterminada de una biblioteca que envuelva la API.

El uso de herramientas y el estado de la conversación necesitan sus propias comprobaciones. Sigue las interfaces nativas de herramientas y esquemas, conserva el historial de interacción documentado y confirma qué campos corresponden a la API que utilizas. Una solicitud de la Interactions API no debería copiarse a otro SDK o endpoint sin comprobar su contrato. Excluye las credenciales y los datos privados del repositorio de los ejemplos de diagnóstico.

Empieza con una prueba de migración acotada

Codorc recomienda una prueba que pueda fallar sin modificar el entorno de un cliente. Selecciona una versión fija del repositorio y unas pocas tareas representativas; después, define qué significa tener éxito antes de ejecutar cualquiera de los modelos. Mantén disponible la ruta existente mientras comparas el nuevo comportamiento.

Las siguientes comprobaciones de aceptación son propuestas. No las hemos ejecutado contra la API de Hydrogen en funcionamiento:

  • Reproduce una edición corriente, una tarea de depuración y una tarea con contexto insuficiente. Comprueba los cambios resultantes y las pruebas, en lugar de aceptar la descripción que el modelo hace de su trabajo.
  • Compara los niveles de razonamiento con los mismos permisos, límite de tiempo y presupuesto por tarea. Registra todos los reintentos y el tiempo de revisión junto con el consumo de tokens.
  • Prueba un caso que alcance el límite de salida. Confirma que una respuesta incompleta se indique con claridad y que una continuación no duplique una acción con consecuencias.
  • Reproduce las rutas de llamadas a herramientas y conversaciones de varios turnos que tu aplicación utiliza realmente. Comprueba la validación de argumentos, la continuidad del estado y cómo se notifican los fallos al operador.
  • Prueba la cancelación, el agotamiento del tiempo de espera y el comportamiento de la alternativa de respaldo. Mantén vigentes los requisitos de autorización y confirmación de la aplicación, independientemente del modelo seleccionado.
  • Define una condición de reversión basada en fallos de tareas, regresiones o latencia inaceptable antes de ampliar el despliegue. Revisa de nuevo la documentación del proveedor cuando cambies de versión o ajustes de las solicitudes.

Comprueba el acceso en el producto que utilizas

La guía enumera acceso gratuito y de pago a Gemini API y AI Studio, con límites de uso en el nivel gratuito. El acceso a Antigravity y sus opciones de orquestación de modelos dependen de la suscripción y del despliegue. Comprueba la cuenta, la región, la cuota y el producto concretos que piensas utilizar. La disponibilidad en una interfaz no demuestra que otra ofrezca los mismos controles o límites.

La fecha del suceso corresponde al anuncio original. La fecha de publicación indica cuándo apareció el artículo en Codorc.

Continúa leyendo

Todas las historias
Un orco programador verde musgo examina una escultura luminosa de vidrio de neón con tres ramas, junto a un indicador de cobre, una lista de comprobación vacía y bloques de prueba lavanda.
Modelos y lanzamientosGoogle / Introducing Gemini 4 Neon

Gemini 4 Neon: revisa contexto, razonamiento y coste según el canal

Google lanzó Gemini 4 Neon el 18 de noviembre para programación compleja y flujos de agentes. Su disponibilidad varía entre la API, Antigravity y Copilot, y la migración exige revisar los valores predeterminados de razonamiento, el contexto compartido, la caché y el coste del trabajo completado.

Un orco programador verde musgo sostiene una pieza de puente lavanda sobre dos carros de herramientas de cobre detenidos ante huecos en vías de cerámica, junto a una lista de comprobación en blanco y pesas de cobre.
Modelos y lanzamientosOpenAI / GPT-6.2 launch

GPT-6.2: revisa el historial antes de cambiar de modelo

OpenAI lanzó GPT-6.2 Astra y Sol el 17 de noviembre. Además de las mejoras de programación que afirma la empresa, quienes adopten la API deben revisar el razonamiento, los cambios en el prefijo de la conversación, la ubicación de las instrucciones y el coste de su carga de trabajo real.

Un orco programador de color verde musgo coloca un sobre de cobre en un casillero de reparto abierto, junto a una persiana lavanda cerrada y una bandeja de recibos en blanco sujetos con pisapapeles de cobre.
Modelos y lanzamientosHugging Face

Hugging Face pasa a OpenRouter: revisa el enrutamiento y la facturación

Hugging Face ya enruta a través de OpenRouter el tráfico de modelos de lenguaje de Inference Providers. El cambio del 16 de noviembre también elimina las claves propias de proveedor para esos modelos, por lo que conviene revisar la selección del proveedor, la cuenta facturada y el comportamiento ante fallos antes de desplegarlo en producción.