Licencia YOLO
Plataforma Ultralytics

Anotación automática con Gemini 4 Hydrogen: menor coste por token, mayor coste por imagen

Gemini 4 Hydrogen ocupa el tercer puesto de 46 VLM en nuestro benchmark de detección de objetos con 36 conjuntos de datos, con 0.553 mAP50 y las mejores puntuaciones en enfermedades de plantas, rescate marítimo y radiografías.

Glenn JocherGlenn Jocher14 min de lectura
Ilustración del lanzamiento de Gemini 4 Hydrogen de Google con una tarjeta de Ultralytics Platform que muestra 0.553 mAP50, su puntuación global en el benchmark de detección de objetos UL37

Gemini 4 Hydrogen ocupa el tercer puesto de 46 modelos para anotación automática en UL37, nuestro benchmark de detección de objetos con 36 conjuntos de datos, en la clasificación de VLM de Ultralytics, actualizada el 12 de noviembre de 2026. Obtiene 0.553 mAP50 y 0.350 mAP50-95, por detrás de Gemini 4 Carbon (0.584) y GPT-6.1 Terra (0.560), y por delante de Claude Fable 5.2 y Gemini 4 Argon; además, logra la mejor puntuación en PlantDoc (enfermedades de plantas), SeaDronesSee 2 (búsqueda y rescate marítimos) e IEDXray (radiografías de seguridad), y comparte la mejor puntuación en Kvasir-SEG y EgoHands.

Google lanzó Hydrogen el 12 de noviembre como su modelo Gemini 4 rápido y rentable, y ya está disponible para la anotación automática en Ultralytics Platform. Google promociona Hydrogen para programación y agentes; UL37 mide lo bien que dibuja cajas.

A continuación encontrarás los resultados globales y por conjunto de datos de Hydrogen, cómo influye el uso de tokens en el coste por imagen y cómo ejecutarlo en tu propio conjunto de datos en Platform.

Detección de objetos con Gemini 4 Hydrogen: tercero en UL37#

UL37 mide cuánto se parecen las cajas de un modelo a las etiquetas humanas en 360 imágenes: 10 de cada uno de 36 conjuntos de datos reales de detección de objetos, desde ecografías de tiroides y grabaciones térmicas de drones hasta estanterías de tiendas, planos y placas de circuitos. Todas las imágenes pasan por el mismo flujo de trabajo que usan los usuarios de Platform, con los nombres de clase propios de cada conjunto de datos, y todos los conjuntos de datos cuentan por igual. La metodología es pública.

El 0.553 de Hydrogen en mAP50 lo sitúa a 0.031 del líder y a 0.007 de Terra. Así se compara con los otros modelos de Google y con sus competidores más cercanos:

ModelomAP50 de UL37Precio por millón de tokens (entrada/salida)Coste del proveedor por cada 1.000 imágenes
Gemini 4 Carbon0.5842,00 $ / 10,00 $ hasta el 30 de noviembre; después, 4,00 $ / 20,00 $12,93 $ (unos 25,87 $ a partir del 1 de diciembre)
GPT-6.1 Terra0.560$1.00 / $5.00$4.36
Gemini 4 Hydrogen0.553$1.50 / $7.50$20.32
Claude Fable 5.20.544$8.00 / $40.00$37.55
Gemini 4 Argon0.5372,00 $ / 10,00 $ hasta el 30 de noviembre; después, 4,00 $ / 20,00 $7,60 $ (unos 15 $ a partir del 1 de diciembre)
Gemini 3.8 Flash0.5160,75 $ / 3,75 $ hasta el 31 de diciembre; después, 1,50 $ / 7,50 $5,86 $ (unos 11,72 $ a partir del 1 de enero)

El coste del proveedor se calcula a partir del uso de tokens que declara cada proveedor y las tarifas indicadas. Batch Annotation añade la tarifa de procesamiento de Platform de 1,00 $ por cada 1.000 imágenes para todos los modelos.

Precios a 16 de noviembre de 2026. La publicación de lanzamiento de Hydrogen de Google indica un precio de 1,50 $ por millón de tokens de entrada y 7,50 $ por millón de tokens de salida. La publicación sobre la disponibilidad de Carbon de Google fija el precio introductorio de Carbon hasta el 30 de noviembre de 2026 y los precios posteriores en 4,00 $ y 20,00 $; su página de precios de Gemini API indica el mismo cambio para Gemini 4 Argon; y su publicación sobre Flash fija el precio introductorio de Gemini 3.8 Flash hasta el 31 de diciembre de 2026 y los precios de 1,50 $ y 7,50 $ a partir del 1 de enero de 2027. Las cifras posteriores de la tabla aplican esas tarifas anunciadas al mismo uso de tokens del benchmark; son estimaciones, no nuevas ejecuciones.

Otros resultados de Hydrogen en esta ejecución: 0.350 mAP50-95, que también premia las cajas bien ajustadas y solo queda por detrás del 0.371 de Carbon; precisión de 0,63 y recuperación de 0,62; ninguna solicitud fallida ni rechazo; y una mediana de 7,2 segundos por imagen.

Para qué creó Google Hydrogen#

En la publicación de lanzamiento, Google afirma que Hydrogen «está diseñado para ejecutar rápidamente diversos flujos de trabajo con agentes», mientras que Carbon y Argon «destacan en el razonamiento profundo y prolongado para tus problemas más difíciles». Hydrogen tiene una ventana de contexto de 1 millón de tokens, un precio de 1,50 $ por millón de tokens de entrada y 7,50 $ por millón de tokens de salida para toda esa ventana, y cuatro niveles de razonamiento: bajo, medio, alto (el predeterminado) y el nuevo xhigh.

Google informa de una puntuación de 51 en Artificial Analysis Intelligence Index con el nivel alto predeterminado, un punto por encima de Argon, y de 54 con xhigh. Según Google, Hydrogen supone una importante mejora para los equipos que migran desde Gemini 3.8 Flash, con un 57 % en Terminal-Bench 4.1 frente al 18,2 % de Flash. Ninguna de esas cifras mide cajas delimitadoras, por eso ejecutamos UL37.

Gemini 4 Hydrogen frente a Gemini 3.8 Flash en UL37#

Gemini 3.8 Flash obtiene 0.516 mAP50 en UL37, así que Hydrogen suma 0.037 con las mismas imágenes y el mismo flujo de trabajo, aproximadamente cuatro quintas partes de la diferencia de 0.047 entre Argon y Carbon. En la clasificación, Hydrogen ocupa el tercer puesto y Flash, el octavo.

También supera a Claude Fable 5.2 por 0.009 y cuesta algo más de la mitad por imagen que Fable; además, supera a Gemini 4 Argon por 0.016, aunque Argon cuesta 7,60 $ por cada 1.000 imágenes.

Gráfico de precisión de detección en la página del modelo Gemini 4 Hydrogen, con los modelos ordenados por mAP50 en UL37 y Hydrogen resaltado en tercer lugar

mAP50 en UL37 en la página del modelo Gemini 4 Hydrogen, con Hydrogen resaltado en tercer lugar, a 14 de noviembre de 2026.

Cómo afecta el uso de tokens al coste por imagen#

Un modelo de lenguaje visual cobra por la imagen y la instrucción que procesa, así como por cada token que genera, incluido cualquier razonamiento previo a la respuesta. Dos modelos con tarifas por token similares pueden tener costes por imagen muy distintos si uno utiliza más tokens.

Los precios por token de Hydrogen son exactamente el 75 % de los precios introductorios de Carbon, tanto para la entrada como para la salida. Si ambos modelos utilizaran el mismo número de tokens por imagen, Hydrogen costaría unos 9,70 $ por cada 1.000 imágenes. Cuesta 20,32 $, así que las ejecuciones de Hydrogen utilizaron aproximadamente el doble de tokens ponderados por precio por imagen que las de Carbon. Frente a Gemini 3.8 Flash, cuyos precios actuales son exactamente la mitad que los de Hydrogen, el mismo cálculo muestra que Hydrogen utilizó aproximadamente 1,7 veces más tokens ponderados por precio por imagen que Flash.

Google informa de que, en las primeras pruebas con socios en flujos de trabajo complejos con grafos, SQL y muchos datos, Hydrogen utilizó entre un 12 % y un 23 % menos de tokens que 3.8 Flash. La anotación es una tarea distinta —una imagen y una respuesta estructurada— y en UL37 Hydrogen utilizó más tokens ponderados por precio por imagen. Su mediana de 7,2 segundos por imagen se compara con los 5,1 segundos de Terra y los 4,6 de Argon.

Coste del proveedor por cada 1.000 imágenes de UL37 a 16 de noviembre de 2026: Terra y Hydrogen a precio de lista, Carbon a su precio introductorio de 2 $ / 10 $ y estimación con el precio anunciado de 4 $ / 20 $, usando los mismos tokens.

El coste por cada 1.000 imágenes combina las tarifas por token con la cantidad de tokens que utiliza un modelo para una tarea concreta, así que unas cuantas imágenes representativas de tu propio conjunto de datos te darán la estimación más pertinente. La clasificación y las páginas de los modelos de pago en Platform indican el coste del proveedor por cada 1.000 imágenes, y nuestra guía sobre el coste del software de anotación de imágenes cubre el resto del presupuesto de etiquetado.

Dónde consigue Gemini 4 Hydrogen las mejores puntuaciones: plantas, rescate marítimo y radiografías#

Los promedios de 36 conjuntos de datos ocultan aquellos en los que un modelo destaca, y la página del modelo Gemini 4 Hydrogen muestra su puntuación en cada uno. Hydrogen obtiene la mejor puntuación de los 46 modelos en tres conjuntos de datos y comparte la mejor puntuación en otros dos.

Enfermedades de plantas. En PlantDoc, con 29 clases de hojas de cultivos sanas y enfermas, Hydrogen obtiene 0.638 y es el mejor modelo del conjunto de datos. Carbon, que antes tenía la mejor puntuación, obtuvo 0.594, como explicamos en nuestros resultados de Gemini 4 Carbon.

Búsqueda y rescate marítimos. En SeaDronesSee 2, con grabaciones de drones de nadadores, embarcaciones y equipos de salvamento en el mar, Hydrogen obtiene 0.596, por delante de los 0.564 de Carbon y los 0.476 de Terra.

Imagen de dron de mar abierto del conjunto de datos SeaDronesSee 2, con las cajas predichas por Gemini 4 Hydrogen alrededor de una embarcación, tres nadadores y una moto acuática

Cajas de Gemini 4 Hydrogen en una imagen del benchmark SeaDronesSee 2, a partir de las predicciones que se muestran en la página del modelo.

Radiografías de seguridad. En IEDXray, que incluye componentes de dispositivos explosivos ocultos en radiografías de equipaje, Hydrogen obtiene 0.315 frente a los 0.282 de Carbon. Todos los modelos obtienen puntuaciones bajas aquí, así que considéralo el mejor resultado en un conjunto de datos difícil, no un sistema de detección listo para usar.

Endoscopia de pólipos. En Kvasir-SEG, Hydrogen obtiene 0.805 y comparte la mejor puntuación del conjunto de datos. Terra obtiene 0.71 y Carbon, 0.65; nuestros resultados de GPT-6.1 Terra detallan mejor los resultados de Terra en imágenes médicas.

Manos. En EgoHands, que contiene vídeos en primera persona de manos, Hydrogen obtiene 0.995 y comparte la mejor puntuación con GPT-6 Astra.

Ecografía de tiroides, el contraejemplo. En TN5000, donde cada nódulo se etiqueta como benigno o maligno, Hydrogen obtiene 0.704 frente a los 0.537 de Carbon. Gemini 3.8 Flash (0.88) y Terra (0.935) obtienen puntuaciones más altas en este conjunto de datos. Hydrogen también obtiene puntuaciones cercanas a cero en defectos de PCB sin componentes (DeepPCB, 0.000), radiografías de tuberculosis (TBX11K, 0.013) y elementos de interfaz de usuario de software (GroundCUA, 0.021).

En el análisis de imágenes médicas, considera las cajas de cualquier modelo como un borrador que deben revisar y aprobar especialistas clínicos, nunca como un diagnóstico.

Tabla de resultados por conjunto de datos en la página del modelo Gemini 4 Hydrogen, con su mAP50, precisión y recuperación en UL37 para cada conjunto de datos

Resultados de Gemini 4 Hydrogen en UL37 por conjunto de datos en la página del modelo, a 14 de noviembre de 2026.

Cada conjunto de datos aporta 10 imágenes, así que considera cada fila una señal para probar el modelo con tus propias imágenes, no un veredicto. Nuestra guía para elegir un VLM según la precisión y la recuperación explica cómo ponderar las cajas falsas frente a los objetos no detectados cuando ya tengas una lista de candidatos.

Cómo ejecutar la anotación automática con Gemini 4 Hydrogen en tu conjunto de datos#

Hydrogen es un modelo con instrucciones de clase para conjuntos de datos de detección con entre 1 y 200 clases. Devuelve cajas con los nombres de clase propios de tu conjunto de datos, que revisas antes de entrenar.

  1. Crea una clave de Gemini API en Google AI Studio.
  2. Pide al propietario del espacio de trabajo que añada la clave en Settings > API Keys, dentro del espacio de trabajo de Platform que contiene tu conjunto de datos. Google cobra directamente a tu clave, y la documentación sobre las claves de proveedor explica los detalles.
  3. Abre una imagen en el editor de anotaciones, cambia al modo Smart y selecciona Gemini 4 Hydrogen, en Google, en el selector de modelos.
  4. Pulsa Predict o P para etiquetar la imagen actual. Cuando el proveedor devuelve una estimación de coste, la notificación emergente que aparece tras cada predicción la muestra, así que unas cuantas imágenes representativas te darán una idea del coste de tus propios datos.
  5. En la página del conjunto de datos, selecciona More actions > Batch Annotation para etiquetar de una vez todas las imágenes sin etiquetar. Revisa el Estimated Cost y haz clic en Start. Platform guarda primero una versión del conjunto de datos para que puedas revertir los cambios, y nunca modifica las etiquetas existentes.
  6. Revisa y corrige las cajas y, a continuación, entrena un modelo Ultralytics YOLO26 con el resultado en el mismo espacio de trabajo mediante el entrenamiento en la nube.

Para saber más sobre cómo encajan estos modelos en el editor, consulta cómo Ultralytics Platform usa la IA para automatizar la anotación y por qué la revisión con intervención humana sigue formando parte del flujo de trabajo.

Qué lugar ocupa Gemini 4 Hydrogen#

Para los equipos que utilizan Gemini 3.8 Flash para etiquetar, Hydrogen suma 0.037 mAP50 en UL37 dentro de la gama rápida de Google, y su página del modelo muestra el resultado en cada conjunto de datos, incluida la mejor puntuación en PlantDoc y un empate en Kvasir-SEG. Los resultados varían según el conjunto de datos, así que pruébalo con imágenes representativas y comprueba las cajas y el coste estimado antes de ejecutar Batch Annotation.

Para comparar la precisión, el coste y la velocidad de todos los modelos, consulta la clasificación de VLM. Los modelos alojados, como Qwen3.8 27B y SAM 3.1 Text, no necesitan ninguna clave de API.

Preguntas frecuentes

  • En nuestro benchmark UL37 obtiene 0.553 mAP50 en 36 conjuntos de datos reales de detección, lo que lo sitúa en tercer lugar en la clasificación de VLM de Ultralytics, por detrás de Gemini 4 Carbon (0.584) y GPT-6.1 Terra (0.560). Su puntuación de 0.350 mAP50-95 solo queda por detrás de la de Carbon, y logra la mejor puntuación de los 46 modelos en PlantDoc, SeaDronesSee 2 e IEDXray.

  • En nuestro benchmark, los cargos de Google por tokens ascendieron a 20,32 $ por cada 1.000 imágenes, según los precios de lista de Hydrogen a 16 de noviembre de 2026: 1,50 $ por millón de tokens de entrada y 7,50 $ por millón de tokens de salida. Batch Annotation de Ultralytics Platform añade 1,00 $ por cada 1.000 imágenes, y Google cobra los tokens directamente a tu propia clave.

  • El precio por token de Hydrogen equivale al 75 % del precio introductorio de Carbon, pero en UL37 sus ejecuciones utilizaron aproximadamente el doble de tokens ponderados por precio por imagen, lo que supone 20,32 $ frente a 12,93 $ por cada 1.000 imágenes. Con el precio anunciado de Carbon a partir del 1 de diciembre, el mismo uso de Carbon costaría unos 25,87 $.

  • En UL37, Carbon obtiene 0.584 mAP50 y Hydrogen, 0.553, una diferencia de 0.031. Hydrogen obtiene mejores resultados que Carbon en PlantDoc, SeaDronesSee 2, IEDXray, Kvasir-SEG, EgoHands y TN5000. El rendimiento con tus propias imágenes puede variar, así que prueba ambos con una muestra antes de procesar un lote grande.

  • En UL37, GPT-6.1 Terra obtiene 0.560 mAP50 y Hydrogen, 0.553, mientras que GPT-6.1 Sol obtiene 0.514. Hydrogen obtiene 0.350 mAP50-95, por delante de los 0.345 de Terra y los 0.318 de Sol, y supera a Terra en PlantDoc, SeaDronesSee 2 y Kvasir-SEG; Terra obtiene mejores resultados en ecografías de tiroides de TN5000, con 0.935 frente a los 0.704 de Hydrogen. Nuestros resultados de GPT-6.1 Terra explican en qué destaca Terra.

  • En UL37, Hydrogen obtiene 0.553 mAP50 frente a los 0.516 de Flash. En nuestras ejecuciones, el coste del proveedor fue de 20,32 $ por cada 1.000 imágenes para Hydrogen y de 5,86 $ para Flash con su precio introductorio, que, según Google, termina el 31 de diciembre. Con el precio anunciado a partir del 1 de enero de 2027, el mismo uso de Flash costaría unos 11,72 $.

  • Sí. El propietario del espacio de trabajo añade una clave de Gemini API de Google AI Studio en Settings > API Keys, dentro del espacio de trabajo que contiene tu conjunto de datos, y Google cobra directamente a la cuenta vinculada a esa clave. Para etiquetar sin una clave de proveedor, usa un modelo alojado, como Qwen3.8 27B o SAM 3.1 Text, o uno de tus propios modelos YOLO.

Escrito por

Glenn Jocher
Glenn Jocher

Fundador y director ejecutivo · Ultralytics

Glenn Jocher es el fundador y CEO de Ultralytics, donde dirige el desarrollo de Ultralytics YOLO, los modelos de visión artificial más adoptados del mundo. Su trabajo no consiste solo en crear modelos más rápidos y precisos, sino también en ayudar a personas de todo el mundo a resolver problemas importantes con IA de visión.

Comentarios

Haz una pregunta, comparte tus resultados o ayuda a otra persona.

Explora las soluciones

Visión artificial en el deporte

Visión artificial en el deporte

Descubre cómo Ultralytics YOLO impulsa la visión artificial en el deporte con el seguimiento de jugadores y balones, analíticas de rendimiento, información útil para entrenadores y rehabilitación de deportistas.
Más información
Visión artificial para imágenes aéreas

Visión artificial para imágenes aéreas

Convierte imágenes aéreas y de drones en información útil en tiempo real para la agricultura, la acuicultura, la conservación y el análisis geoespacial con Ultralytics YOLO.
Más información
Visión artificial en el sector aeroespacial

Visión artificial en el sector aeroespacial

Aplica la visión artificial en el sector aeroespacial con Ultralytics YOLO para inspeccionar aeronaves, detectar objetos extraños en pistas, gestionar operaciones en tierra y detectar defectos en materiales compuestos.
Más información
Visión artificial en seguridad

Visión artificial en seguridad

Protege todas tus instalaciones con los modelos Ultralytics YOLO. La IA visual permite supervisar perímetros, detectar amenazas, reconocer matrículas y mejorar la seguridad laboral.
Más información
Visión artificial en robótica

Visión artificial en robótica

Potencia máquinas más inteligentes con los modelos Ultralytics YOLO. La IA visual en robótica impulsa la navegación autónoma, la percepción, el seguimiento de objetos y el control en tiempo real.
Más información
Visión artificial en logística

Visión artificial en logística

Agiliza la logística con modelos Ultralytics YOLO. La IA visual permite inspeccionar paquetes, clasificarlos, realizar el seguimiento de vehículos y supervisar la seguridad del almacén en tiempo real.
Más información
Visión artificial en el comercio minorista

Visión artificial en el comercio minorista

Reinventa el comercio minorista con modelos Ultralytics YOLO. La IA visual permite realizar el seguimiento del inventario, supervisar estanterías, gestionar colas y obtener información más útil sobre los clientes.
Más información
Visión artificial en el sector sanitario

Visión artificial en el sector sanitario

Desarrolla soluciones sanitarias con modelos Ultralytics YOLO. La IA visual en el sector sanitario permite acelerar el diagnóstico por imagen, mejorar los diagnósticos y supervisar a los pacientes.
Más información
Visión artificial en la fabricación

Visión artificial en la fabricación

Optimiza la fabricación con modelos Ultralytics YOLO. La IA visual mejora el control de calidad, la detección de defectos, el cumplimiento de las normas de uso de EPI y la automatización de las líneas de montaje.
Más información
Visión artificial en la automoción

Visión artificial en la automoción

Aplica la visión artificial al sector de la automoción con modelos Ultralytics YOLO. La IA visual mejora la seguridad vial, la asistencia al conductor y la automatización de vehículos para lograr carreteras más inteligentes.
Más información
Visión artificial en la agricultura

Visión artificial en la agricultura

Incorpora la IA de visión a la agricultura inteligente con modelos Ultralytics YOLO. Impulsa la monitorización de cultivos, el seguimiento del ganado y la agricultura de precisión para obtener cosechas más abundantes e inteligentes.
Más información

¡Construyamos juntos el futuro de la IA!

Inicia tu recorrido hacia el futuro del aprendizaje automático