¿Cuánto razonamiento necesita un informe semanal? Una prueba para Gemini 4 Hydrogen
Utiliza la misma grabación de una reunión, el mismo PDF y la misma hoja de cálculo para comparar los niveles de Gemini 4 Hydrogen en tiempo de revisión, coste y precisión de las referencias.
La reunión terminó hace cuarenta minutos. Tienes una grabación, una hoja de cálculo y el PDF revisado del proyecto. Tu responsable quiere un informe breve con el plazo aprobado, la persona responsable de cada tarea y los motivos de los cambios. Una respuesta puede llegar en segundos y costarte otros quince minutos si tienes que volver a escuchar la reunión para averiguar de dónde salió la fecha.
Google lanzó Gemini 4 Hydrogen el 12 de noviembre de 2026 como el modelo Gemini 4 para programar y trabajar con agentes en el día a día. En el anuncio figuran la aplicación Gemini, Google AI Studio, la API de Gemini y otros servicios de Google. En Agent Platform de Google Cloud, Hydrogen acepta audio, imágenes, vídeo y texto, además de varios formatos de Office y OpenDocument. Cuatro niveles de razonamiento permiten ajustar el esfuerzo dedicado a solicitudes similares. Anuncio de Google · Documentación del modelo en Google Cloud
Para la primera prueba, elige un informe que ya prepares cada semana. Pide el mismo informe a dos configuraciones de Hydrogen a partir de los mismos archivos. Mide después cuánto tarda una persona en aprobar cada versión. La comparación ayuda a decidir si un razonamiento más profundo ahorra trabajo cuando las fuentes discrepan.
Una respuesta breve puede exigir mucha evidencia
Imagina que la diapositiva 12 del PDF dice que el lanzamiento está previsto para el 14 de mayo, la hoja de seguimiento indica el 19 y en la grabación alguien propone aplazarlo al 21. Son tres clases de información. La propuesta puede merecer un lugar en el informe, pero debe aparecer con una etiqueta diferente a la de un plazo confirmado. Un resultado útil conserva esas distinciones incluso si el párrafo final solo ocupa cuatro líneas.
Es una tarea prometedora para las entradas multimodales nativas porque las pruebas se reparten entre distintos medios. Una persona puede explicar en la reunión por qué cambió una cifra de la hoja. El PDF puede establecer qué versión del plan se distribuyó. Una celda puede contener el importe aprobado, con la unidad en el encabezado de la columna. Reunir esos elementos puede ahorrar la extracción manual de una transcripción, la copia de una tabla o el pegado de ciertas páginas en la misma solicitud. También aumenta la importancia de las fuentes que el modelo elija.
Pon un nombre estable a cada entrada antes de hacer la comparación. En una grabación, especifica el nombre de archivo y el formato de los códigos de tiempo. En una hoja de cálculo, indica la pestaña y pide referencias a celdas o filas. En un PDF, distingue el número impreso y el número de página del archivo cuando no coincidan. Esa estructura hace que una referencia se pueda comprobar incluso después de mover los archivos a una carpeta compartida.
Vincula cada afirmación importante a una fuente que se pueda abrir. Ilustración original de Telli.sh.
Incluye un caso especialmente fácil como control. Si el presupuesto aprobado aparece en una pestaña bien identificada, ambas configuraciones deberían recuperarlo sin dificultad. Añade después un caso más complicado, como una reunión donde se debatieron dos presupuestos sin decidir cuál aprobar. Da por buena una respuesta que deje la decisión abierta. La comparación gana valor cuando los casos difíciles se parecen a los errores de revisión que tu equipo encuentra de verdad.
Cuatro niveles de razonamiento permiten controlar la prueba
Google Cloud documenta LOW, MEDIUM, HIGH y XHIGH para Hydrogen. HIGH es el valor predeterminado en la API descrita. Un equipo puede empezar con LOW y el valor predeterminado, y añadir un nivel si ninguno resuelve bien un caso recurrente. Comprueba la interfaz en la que vayas a desplegar. Una opción de la API puede no tener su equivalente en un menú de cuatro opciones en la aplicación de consumo. Documentación del modelo en Google Cloud
Mantén la configuración sencilla. Usa el mismo identificador de modelo, los mismos archivos adjuntos, la misma instrucción y el mismo formato de respuesta. Desactiva las herramientas que no necesites para evitar que una revisión de documentos se convierta en una búsqueda web o en una serie de acciones ajenas. Ajusta la extensión a lo que necesita la audiencia. Si un comité necesita seis decisiones en una página, eso es lo que debe recibir aunque un nivel permita generar un informe mucho más largo.
Registra el tiempo desde la solicitud hasta la respuesta completa, y también cuándo aparece el primer fragmento si alguien lee mientras se genera. Anota luego cuánto tarda la persona que revisa en comprobar, corregir y aprobar. Una espera larga hasta el primer token puede resultar incómoda en una aplicación interactiva. Un primer token rápido puede preceder a una respuesta que tarda mucho en terminar. Las dos observaciones pueden importar, y ninguna incluye el tiempo humano que lleva corregir una cifra sin respaldo.
Presenta los dos borradores con el mismo formato y oculta a la persona que los evalúa qué configuración produjo cada uno. Pídele que marque cada plazo, cada responsable y cada cifra. Da más crédito a una referencia exacta que a un enlace a la carpeta general del proyecto. Distingue una corrección factual de un cambio de estilo para que el tono no oculte cómo se ha manejado la evidencia.
| Qué registrar | Una observación útil | Por qué importa |
|---|---|---|
| Tiempo hasta la respuesta completa | Tiempo transcurrido hasta tener la respuesta final | Recoge la espera antes de que se pueda empezar una revisión por lotes |
| Precisión de la referencia | Si la página, la celda o el intervalo exacto respaldan la afirmación | Permite medir qué cuesta confiar en una referencia |
| Tratamiento de discrepancias | Si las fechas en conflicto siguen visiblemente pendientes | Evita convertir en silencio un plan provisional en una decisión |
| Tiempo de revisión humana | Minutos para confirmar, corregir y aceptar el informe | Incluye el trabajo real que queda tras la generación |
| Coste de la solicitud | Consumo y facturación de la interfaz elegida, con los reintentos | Muestra cuánto cuesta un informe que el equipo sí puede usar |
Hay que repartir el millón de tokens
Google Cloud especifica un límite compartido de entrada y salida de 1.048.576 tokens en las interfaces documentadas de Hydrogen. En ese cálculo, la salida incluye el razonamiento, las llamadas a funciones y la respuesta final. Un segmento en primer plano puede generar hasta 65.536 tokens de salida. Los flujos compatibles de continuación pueden prolongar la generación dentro del total compartido. Conviene distinguirlo al comparar con un sistema que describe por separado su ventana de contexto y su límite de salida. Documentación del modelo en Google Cloud
No hace falta incluir en la primera prueba el archivo de todo un departamento. Para un resumen semanal de decisiones, da al modelo las fuentes actuales y solo los antecedentes necesarios para interpretar el cambio. Una hoja sustituida puede servir si quieres reconstruir el historial. Si la dejas junto a la vigente sin fecha ni estado, aumentan las respuestas plausibles que el sistema puede citar.
El audio y los documentos escaneados también merecen casos propios. Puede ser más difícil identificar a una persona que habló bajo o usó varios nombres parecidos que reconocer a quien figura en los datos de la reunión. Google Cloud indica que la lectura mediante OCR de los PDF escaneados no se activa de forma predeterminada. Si el archivo escaneado es central, verifica que tu flujo ponga a disposición del modelo el texto necesario antes de atribuir la diferencia al nivel de razonamiento. Documentación del modelo en Google Cloud
Para usar el contexto de forma deliberada, prueba dos preguntas con el mismo conjunto de archivos. Primero pide una lista compacta de decisiones. Luego pide una revisión de una afirmación discutida, con los pasajes o códigos de tiempo correspondientes y las dudas pendientes. La primera respuesta debe poder leerse de un vistazo. La segunda debe aportar material suficiente para resolver la diferencia sin volver a empezar.
Compara dos configuraciones con las mismas entradas y mide la revisión que queda tras generar la respuesta. Ilustración original de Telli.sh.
Un borrador rápido gana cuando se puede aprobar antes
En el lanzamiento, Google comunicó un 53,4 % en Multimodal Knowledge Agent y un 71,6 % en Agents' Last Exam v1.1 para Hydrogen. Son resultados de Google en evaluaciones identificadas. Ofrecen un motivo para incluir la síntesis de documentos en una prueba piloto. Un equipo que discute con frecuencia qué versión de una hoja es válida todavía necesita casos propios. Su evaluación debe recoger qué ocurre cuando la respuesta parece convincente pero la hoja indica otra cosa. Resultados y demostraciones del lanzamiento de Google
Imagina dos ejecuciones. El primer borrador llega en 20 segundos y requiere cuatro minutos de revisión porque dos referencias son vagas. El segundo llega en 45 segundos y se verifica en un minuto porque cada cifra tiene una fuente concreta. El generador más veloz pierde la comparación de tiempo que le importa a quien revisa. En sentido inverso, un nivel de razonamiento mayor que dedica más tiempo a explicar un archivo inequívoco puede retrasar un informe rutinario sin mejorarlo.
Crea una hoja sencilla para la comparación. Anota si la respuesta requirió una segunda generación y por qué. En caso de error importante, indica si el modelo ignoró un archivo, interpretó mal un formato de fecha, citó un pasaje real que no demostraba su afirmación o dedujo una aprobación inexistente. Cada categoría apunta a una corrección distinta. La falta de información puede resolverse preparando mejor los archivos. Una contradicción mal interpretada puede justificar otro nivel del modelo o una comprobación humana puntual.
Si tu tarea vuelve a usar el mismo material de referencia, separa las medidas de solicitudes iniciales y repetidas. Google Cloud describe una caché implícita para Hydrogen. Ten en cuenta su comportamiento y la facturación real al comparar niveles, porque la segunda ejecución puede diferir de la primera por motivos ajenos al razonamiento. Para estimar un informe semanal, reproduce el patrón de archivos y contexto repetido que esperas en producción. Documentación del modelo en Google Cloud
Un piloto pequeño puede orientar el siguiente informe
- Selecciona tres conjuntos de archivos de informes anteriores cuyas decisiones y fuentes ya conozcas. Incluye un caso rutinario, otro con una revisión en un archivo separado y otro con una contradicción real. Utiliza materiales públicos, sintéticos o autorizados para el servicio que elijas.
- Abre Hydrogen en la API o en el espacio de trabajo adecuado para tu despliegue. Si comparas niveles mediante una API, verifica el ajuste activo y mantén estable el resto de la solicitud. Empieza con
LOWyHIGHen la API de Cloud documentada. - Pide un informe de una página con la decisión, la persona responsable, el plazo y la fuente exacta de cada punto. Indica al modelo que distinga una propuesta de una aprobación y marque claramente las fuentes en conflicto. Pide páginas, celdas o intervalos de tiempo cuando sea posible.
- Puntúa cada borrador antes de saber qué nivel lo generó. Cuenta por separado los errores de evidencia y los cambios de redacción. Usa la información de consumo del servicio para registrar la latencia de la respuesta completa, el tiempo total de revisión, los reintentos y el coste observado.
- Asigna el trabajo según el resultado. Si los conjuntos sencillos se resuelven sistemáticamente, empieza por ellos. Donde sean frecuentes las discrepancias, usa el nivel más capaz o una comprobación humana de la afirmación discutida. Añade casos cuando cambie el proceso.
La comparación sirve para otros trabajos similares. Un equipo de atención a clientes puede combinar la grabación de un traspaso con un documento de alcance y extraer lo que se prometió. Una investigadora puede reunir una sesión informativa grabada y una tabla de resultados publicada para comprobar si la interpretación oral coincide con las cifras. En ambos casos, construye la respuesta en torno a los lugares de las fuentes que las personas utilizarán para verificarla.
Cuando se vaya a compartir el informe final, revisa por última vez el tratamiento de las dudas. Un primer borrador que diga «la persona responsable aún no está confirmada» puede ser más útil que una conjetura segura de sí misma. Mantén visible el dato que falta al generar la versión definitiva y anota qué punto necesitó una decisión humana antes de enviarse. Así será más fácil revisar el siguiente informe incluso con el mismo modelo.
Los niveles de razonamiento de Hydrogen ofrecen más control sobre el tiempo que lleva generar un informe. El mejor nivel se gana su sitio cuando reduce el trabajo entre abrir las fuentes y aprobar un relato fiable de lo ocurrido.
Fuentes
- Anuncio de Google de Gemini 4 Hydrogen, 12 de noviembre de 2026, con resultados y demostraciones oficiales
- Especificaciones del modelo en Google Cloud e interfaces compatibles
Para reunir los documentos originales, las actas y las notas de seguimiento, crea una cuenta en Telli.sh.