Gemini 4 Hydrogen es el modelo de alta eficiencia de la familia Gemini 4 de Google, con disponibilidad general desde el 12 de noviembre de 2026.
- Entrada
- texto imagen audio vídeo $1.5/M
- Salida
- texto $7.5/M
- Lectura de caché
- $0.075/M
- Entrada de audio
- $1.5/M
- Lectura de caché de audio
- $0.075/M
- Contexto
- 1M
- vs GPT-4o
- ~70% más barato
- Corte de conocimiento
- 2026-03
Precios por longitud de entrada
Toda la solicitud usa la tarifa del tramo de longitud de entrada. Precios en USD por millón de tokens.
| Tokens de entrada | Entrada | Salida | Entrada (modo razonamiento) |
|---|
Benchmarks
Gemini 4 Hydrogen: 10 publicados, pero ningún benchmark compartido con suficientes modelos para comparar.
Publicado por los proveedores: Google
El precio en contexto
Posición del precio entre 79 modelos comparables
La barra muestra dónde queda el precio de este modelo entre todos los modelos del mismo tipo en Synthorai. En cada extremo se nombra el más barato y el más caro. Son tarifas base; los descuentos por lote, región y escritura en caché están en la página de precios.
Especificaciones y límites
Tokens
| Ventana de contexto (especificación del proveedor) | 1.048.576 |
|---|---|
| Salida máxima (especificación del proveedor) | 65.536 |
| Corte de conocimiento | 2026-03 |
Caché de prompts
| Modo | automático |
|---|---|
| Prefijo mín. | 4096 |
Razonamiento
| Parámetro del proveedor | thinking_level |
|---|---|
| Valores admitidos | low · medium · high · xhigh; "minimal" and thinking_budget return 400 |
| Valor por defecto | high se aplica si la solicitud no indica nada |
| Se puede desactivar | No |
| Comportamiento del razonamiento | There is no off setting and no numeric thinking budget. Custom temperature, top_p and top_k values are ignored. |
| Parámetro | reasoning_effort |
| Valores | minimal · low · medium · high parámetros que expone la pasarela; se aplica el mapeo del proveedor indicado arriba |
Modelo
| Modalidades | texto + imagen + audio + vídeo → texto |
|---|
- Google's high-efficiency Gemini 4 model for everyday coding and agentic workflows
- Google's migration guide names it the upgrade from Gemini 3.8 Flash. The output price includes thinking tokens, and the default thinking level is high. Caching is implicit only
- Google says that from 12 January 2027 it adds cache control with a configurable lifetime and bills cache writes at 1.25x the input price by default
Un prompt, medido a través de la pasarela
Gemini 4 Hydrogen superado · 3 sentences
When reasoning is enabled, the AI generates extensive hidden "thinking" tokens to verify its logic step-by-step before delivering a final answer. Because vendors bill us for every token produced—meaning we pay full output-token rates for this invisible internal work—our billable consumption doubled even though the user-facing responses stayed the same length. To protect our margins, we should restrict reasoning mode strictly to complex, high-value tasks and route routine queries back to standard models.
salida 1236 tok (+1136 razonamiento) latencia 9.0 s
Cumplimiento de la instrucción (exactamente tres frases, se pueden contar), adaptación al público (registro de CFO) y la diferencia de facturación por razonamiento oculto que dejan ver los contadores de tokens de abajo.
Gemini 4 Hydrogen superado · 8/8 cases
```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 best = max(best, cur) else: cur = 1 return best ``` The bug is that `best` and `cur` were initialized (and `cur` was reset) to `0` instead of `1`, causing the loop to count matching adjacent transitions rather than the number of elements in a run. As a result, any non-empty input was off by one—returning `0` on single-element lists where the loop doesn't execute at all, and undercounting every run (including runs ending at the last index) by 1. Returning `0` early for empty inputs and starting/resetting the run length at `1` ensures each element is counted accurately while still updating `best` on the final iteration when a run ends at the last index.
salida 1489 tok (+1247 razonamiento) latencia 10.8 s
Si la corrección funciona de verdad (se puede ejecutar), lo densa que es la explicación y la eficiencia en tokens en una tarea acotada.
Gemini 4 Hydrogen superado · 5/5 fields, guidance "withheld pending the Q4 close"
```json { "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": null, "growth_pct": null, "guidance": "withheld pending the Q4 close" } ```
salida 3165 tok (+3100 razonamiento) latencia 21.2 s
Respeto del esquema (sin campos inventados), tentación de alucinar (la guidance se omite a propósito) y diferencias entre las vías de salida estructurada.
Gemini 4 Hydrogen superado · 120 words, 0 banned, 1 question
Introducing unified prompt caching, the newest capability in our enterprise API gateway. Are you tired of paying repeatedly for identical prompts sent across different AI providers? Our gateway now caches prompts across major AI providers within a unified, shared memory layer. When an application submits a matching query, the gateway intercepts the request and returns the saved output in milliseconds, completely bypassing external inference fees. Engineering teams gain predictable latency and substantial cost reductions without modifying any existing application code. Managing cache policies at the infrastructure edge helps your organization prevent provider dependency while maintaining strict data privacy standards. Enable unified prompt caching in your dashboard today to build faster, more economical artificial intelligence applications across your entire technology stack.
salida 3710 tok (+3574 razonamiento) latencia 24.1 s
Respeto de las restricciones (límite de palabras, lista de palabras prohibidas, una única pregunta), sello de estilo y control de la longitud.
Usa Gemini 4 Hydrogen en 30 segundos
Compatible con OpenAI: cambia el base_url y conserva tu SDK. POST /v1/chat/completions
from openai import OpenAI
client = OpenAI(
base_url="https://synthorai.io/v1",
api_key="sk-syn-...",
)
resp = client.chat.completions.create(
model="gemini-4-hydrogen",
messages=[{"role": "user", "content": "Summarize this diff"}],
reasoning_effort="medium",
)
print(resp.choices[0].message.content)import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.chat.completions.create({
model: "gemini-4-hydrogen",
messages: [{ role: "user", content: "Summarize this diff" }],
reasoning_effort: "medium",
});
console.log(resp.choices[0].message.content);curl https://synthorai.io/v1/chat/completions \
-H "Authorization: Bearer sk-syn-..." \
-H "Content-Type: application/json" \
-d '{
"model": "gemini-4-hydrogen",
"messages": [{"role": "user", "content": "Hello"}],
"reasoning_effort": "medium"
}'package main
import (
"context"
"fmt"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
resp, _ := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
Model: "gemini-4-hydrogen",
Messages: []openai.ChatCompletionMessageParamUnion{
openai.UserMessage("Summarize this diff"),
},
ReasoningEffort: openai.ReasoningEffortMedium,
})
fmt.Println(resp.Choices[0].Message.Content)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;
import com.openai.models.ReasoningEffort;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
ChatCompletion resp = client.chat().completions().create(
ChatCompletionCreateParams.builder()
.model("gemini-4-hydrogen")
.addUserMessage("Summarize this diff")
.reasoningEffort(ReasoningEffort.MEDIUM)
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));Acerca de Gemini 4 Hydrogen
- Su página oficial lo describe como un modelo que lleva inteligencia de vanguardia, con rapidez y eficiencia, a la programación diaria y a los flujos de trabajo agénticos empresariales, y la guía de migración de Google lo presenta como la actualización de Gemini 3.8 Flash y de los modelos Gemini 3 Flash anteriores.
- Acepta texto, imágenes, audio, vídeo y PDF como entrada y devuelve texto.
- La ventana de contexto es un único límite de 1,048,576 tokens compartido entre entrada y salida, y una sola solicitud devuelve hasta 65,536 tokens de salida, con o sin streaming.
- El razonamiento tiene cuatro niveles, low, medium, high (el predeterminado) y xhigh para trabajo de razonamiento profundo, sin opción de desactivarlo ni presupuesto numérico, así que a través de Synthorai una solicitud que pide el mínimo razonamiento se ejecuta en low y una que pide el máximo, en xhigh.
- La documentación de Google también indica que se ignoran los valores personalizados de temperature, top_p y top_k.
- La tabla Standard publicada por Google indica $1.50 por millón de tokens de entrada y $7.50 por millón de tokens de salida, con una sola tarifa de entrada para texto, imagen, vídeo y audio y sin tramo por longitud de contexto.
- El precio de salida incluye los tokens de razonamiento y el nivel predeterminado es high, así que dimensione el máximo de tokens de salida teniéndolo en cuenta.
- La caché es solo implícita, para prompts de al menos 4,096 tokens, y la entrada en caché cuesta $0.075 por millón de tokens.
- Google indica que a partir del 12 de enero de 2027 Hydrogen admite control de caché con una vida útil configurable, y que las escrituras en caché se facturan por defecto a 1.25 veces el precio de entrada.
- Synthorai lo ofrece a través del endpoint chat completions compatible con OpenAI, de modo que encaja en una integración existente sin un cliente específico de Google.
Preguntas frecuentes
¿Se puede probar gratis la API de Gemini 4 Hydrogen?
Sí: las cuentas nuevas reciben 10 llamadas de prueba y hasta $1 de crédito gratuito, sin tarjeta. A $1.5/M de tokens de entrada, solo con ese crédito tienes para unas 83 solicitudes de ~8K tokens a Gemini 4 Hydrogen.
¿En qué destaca Gemini 4 Hydrogen?
Gemini 4 de alta eficiencia para código y agentes; cuatro niveles de razonamiento, de low a xhigh; un límite de 1M de tokens compartido entre entrada y salida. En la sección «Acerca de» tienes la visión completa, según las notas de lanzamiento del propio proveedor.
¿Cuánto cuesta Gemini 4 Hydrogen?
Gemini 4 Hydrogen cuesta $1.5 por millón de tokens de entrada y $7.5 por millón de tokens de salida en Synthorai. Es el precio de lista del proveedor, sin recargo de plataforma. Entrada de audio: $1.5/M tokens · Lectura de caché de audio: $0.075/M tokens Los tokens de entrada en caché se facturan a $0.075/M.
¿Cuál es la ventana de contexto de Gemini 4 Hydrogen?
Gemini 4 Hydrogen tiene una ventana de contexto de 1M tokens en Synthorai. Una sola respuesta puede tener hasta 65,536 tokens.
¿Gemini 4 Hydrogen admite caché de prompts?
Sí, de forma automática: los prompts que sirve Google se guardan en caché sin tocar el código. Los tokens de entrada en caché se facturan a $0.075/M frente a $1.5/M sin caché; los prompts necesitan un prefijo estable de 4,096 tokens para entrar en caché. Guía de caché de prompts →
¿Cómo obtengo acceso a Gemini 4 Hydrogen?
Apunta el SDK de OpenAI que ya usas a base_url="https://synthorai.io/v1", pon model="gemini-4-hydrogen" y listo. Una sola clave API sirve para todos los modelos de la pasarela.
¿Cuál es la fecha de corte de conocimiento de Gemini 4 Hydrogen?
La fecha de corte de conocimiento de Gemini 4 Hydrogen es 2026-03, según la documentación oficial del proveedor (a fecha de 2026-11-13).
Modelos relacionados
Comparar
Las especificaciones y los benchmarks de los proveedores enlazan a sus fuentes. La compatibilidad de la pasarela describe la implementación de Synthorai. Los ejemplos archivados son solicitudes individuales y no garantizan el rendimiento general del modelo. Los precios proceden del servicio público de precios o de su instantánea usada en la compilación.