Gemini 4 Hydrogen vs. Carbon: qué permite afirmar la fuente sobre la extracción estructurada
Compara la evidencia documentada sobre programación, uso de herramientas y salida estructurada de Gemini 4 Hydrogen y Carbon, y diseña un flujo de extracción con validación mediante esquemas.
Resumen · TL;DR
Google describe Hydrogen como un modelo de ejecución para programación y flujos de trabajo agénticos, y Carbon como un modelo para razonamiento más profundo. Su anuncio no establece un ganador en una comparación directa de extracción restringida por esquemas, por lo que conviene validar las salidas y evaluar los modelos con tus propios documentos.
Puntos clave
- El anuncio de Google proporcionado describe el comportamiento de Hydrogen en programación y uso de herramientas, pero no ofrece mediciones equivalentes para compararlo directamente con Carbon en esas capacidades.
- Un socio informa de un cumplimiento del formato del 100% para Hydrogen en su conjunto de pruebas; eso no demuestra que admita JSON Schema ni constituye una comparación con Carbon.
- Valida el JSON extraído fuera del modelo y comprueba por separado que los valores estén respaldados por el documento de origen.
- Considera Hydrogen como candidato para extracción y evalúa Carbon por separado cuando una interpretación difícil justifique probar un modelo orientado a un razonamiento más profundo.
En esta página (13)
La decisión: prueba Hydrogen, pero valida cada extracción
Gemini 4 Hydrogen es un candidato razonable para la extracción estructurada cuando el flujo de trabajo necesita una ejecución rápida y resultados legibles por máquina. No lo elijas por encima de Gemini 4 Carbon basándote en la precisión de extracción o el cumplimiento de JSON Schema a partir del anuncio proporcionado: Google no ofrece esa comparación. En cambio, describe Carbon como un modelo de frontera para el razonamiento profundo y a largo plazo. Consulta el anuncio de Gemini 4 Hydrogen de Google.
En producción, trata la respuesta del modelo como una entrada no confiable: interprétala, valídala frente a un esquema y comprueba que sus valores estén respaldados por el documento. Este artículo está publicado por OneMux, que ofrece acceso a modelos destacados mediante una API compatible con OpenAI. El enfoque de validación descrito a continuación es útil con independencia del proveedor o endpoint.
Hydrogen vs. Carbon: capacidades documentadas y lagunas
La tabla distingue las descripciones de producto de Google de los resultados medidos en comparaciones directas. La fuente proporcionada es un anuncio del proveedor, por lo que sus afirmaciones y los resultados comunicados por socios no deben confundirse con una evaluación independiente de tu carga de trabajo.
| Área | Gemini 4 Hydrogen | Gemini 4 Carbon | Lo que la fuente no establece |
|---|---|---|---|
| Programación | Google describe la depuración de repositorios, las ediciones específicas y las llamadas paralelas de lectura de archivos y búsqueda. Informa de una puntuación de 57% en Terminal-Bench 4.1, frente al 18.2% de Gemini 3.8 Flash. | Google posiciona Carbon para el criterio arquitectónico y la detección de errores sutiles. | Una puntuación directa de Hydrogen frente a Carbon en programación o depuración de repositorios. |
| Llamadas a herramientas | Google afirma que Hydrogen se adapta cuando falla una llamada a una herramienta o una búsqueda no devuelve resultados, y que puede agrupar lecturas de archivos y búsquedas. | Google describe Carbon como un posible coordinador de agentes paralelos. | Datos comparables sobre la precisión de las llamadas a herramientas, la recuperación ante fallos o el rendimiento de las llamadas paralelas de ambos modelos. |
| Salida estructurada | Google describe entregables estructurados. Un socio informa de un cumplimiento del formato del 100% en su conjunto de pruebas de razonamiento y creatividad. | No se proporciona ningún resultado equivalente de salida estructurada. | Si alguno de los modelos admite una opción concreta de JSON Schema en la API, o su cumplimiento relativo del esquema y precisión de extracción. |
| Flujo de trabajo combinado | Antigravity Orchestrator de Google alterna entre modelos, incluidos Carbon y Hydrogen. Google informa de un éxito en las tareas cercano al de Carbon, un consumo de cuota un 24% menor y una finalización un 19% más rápida en Terminal-Bench 4.0. | Carbon es el punto de comparación para ese resultado comunicado de Orchestrator. | Una comparación directa de Hydrogen y Carbon por separado, o pruebas de que las mismas mejoras se apliquen a la extracción. |
Fuente: anuncio de Google. El resultado de cumplimiento del formato comunicado por el socio aporta evidencia útil sobre esa evaluación, pero el anuncio no establece que se hayan medido esquemas JSON arbitrarios ni la corrección de la extracción.
Qué significa para la extracción la evidencia sobre programación y uso de herramientas
La capacidad descrita de Hydrogen para recuperarse de llamadas fallidas es relevante si un proceso de extracción recupera documentos o consulta datos de referencia. Sus resultados en programación de repositorios pueden ser importantes al construir ese proceso. Ninguna de estas afirmaciones demuestra que el modelo vaya a seleccionar la herramienta correcta para cada documento, extraer el valor correcto o devolver JSON válido según el esquema. Mide esas propiedades por separado.
El posicionamiento de Carbon para un razonamiento más profundo lo convierte en candidato para documentos de interpretación difícil, pero la fuente no cuantifica si obtiene mejores resultados con ellos. Una vía de revisión humana es otra opción cuando el coste de un campo incorrecto es alto.
Cómo crear un flujo de extracción validado mediante esquemas
El siguiente patrón es ilustrativo y no se ha probado. Sirve para extraer de un texto el número y el total de una factura. No depende de la función nativa de salida estructurada de ningún modelo concreto.
1. Define el contrato antes de redactar el prompt
Los requisitos previos son acceso a un endpoint de modelo, texto de origen que tu aplicación tenga permiso para procesar, Python y el paquete jsonschema. Antes de integrarlo, confirma el nombre del modelo documentado para el endpoint, los parámetros de solicitud y el formato de respuesta. En particular, usa una opción nativa de respuesta con JSON Schema solo si la documentación del endpoint indica que es compatible; el anuncio proporcionado no establece esa compatibilidad.
Pide al modelo que devuelva únicamente un objeto JSON con invoice_number, total_amount y currency. Indícale que use null cuando un valor no aparezca explícitamente, en lugar de adivinarlo. Por ejemplo, un documento que diga Invoice INV-104; total USD 125.50 podría producir:
{"invoice_number":"INV-104","total_amount":125.50,"currency":"USD"}
Usa un esquema que permita representar explícitamente los valores ausentes y rechace campos y tipos inesperados:
import json
from jsonschema import Draft202012Validator
schema = {
"type": "object",
"properties": {
"invoice_number": {"type": ["string", "null"]},
"total_amount": {"type": ["number", "null"], "minimum": 0},
"currency": {
"anyOf": [
{"type": "string", "pattern": "^[A-Z]{3}$"},
{"type": "null"}
]
}
},
"required": ["invoice_number", "total_amount", "currency"],
"additionalProperties": False
}
# Replace with the text returned by the model endpoint.
response_text = '{"invoice_number":"INV-104","total_amount":125.50,"currency":"USD"}'
try:
result = json.loads(response_text)
except json.JSONDecodeError as exc:
raise ValueError("Response is not valid JSON") from exc
errors = list(Draft202012Validator(schema).iter_errors(result))
if errors:
raise ValueError("Schema validation failed: " + "; ".join(e.message for e in errors))
print(result)
El esquema comprueba la estructura, los tipos, que el importe no sea negativo y que la moneda tenga un formato de tres letras mayúsculas. No verifica que la moneda sea un código reconocido, que el importe sea el total de la factura y no un subtotal, ni que los valores aparezcan en la fuente. Para el procesamiento financiero, utiliza también una representación decimal y reglas contables adecuadas en la aplicación que consume los datos.
2. Gestiona los fallos sin aceptarlos de forma silenciosa
- JSON no válido: Registra el fallo y, si lo deseas, vuelve a intentarlo con una instrucción acotada para que devuelva solo el objeto solicitado. No elimines texto arbitrario suponiendo que el resto es confiable.
- Fallo de validación del esquema: Devuelve los errores de validación para corregirlos o envía el elemento a revisión. Limita los reintentos para que un documento mal formado no provoque un bucle interminable.
- Valor válido pero no respaldado: Compara los campos extraídos con la fuente o exige una prueba, como un pasaje citado. Envía a una persona los totales ambiguos y los valores contradictorios.
- Valor ausente: Mantén
nulldiferenciado de cero y de una cadena vacía. Decide en una etapa posterior si se puede aceptar un registro incompleto. - Instrucciones no confiables en el documento: Trata las instrucciones dentro del documento como contenido del que extraer información, no como instrucciones para cambiar la tarea. Restringe los permisos de las herramientas y revisa de forma independiente las acciones sensibles.
Cómo comparar los modelos con tus documentos
Crea un conjunto representativo de documentos con valores de referencia revisados que incluya campos ausentes, varios totales, formatos poco habituales e información contradictoria. Ejecuta las mismas instrucciones de extracción y reglas de validación para cada modelo, utilizando configuraciones documentadas. Registra la tasa de cumplimiento del esquema, la precisión por campo, la tasa de valores no respaldados, la latencia y el coste; revisa los errores en lugar de depender solo de los promedios. Reserva un conjunto independiente para la comparación final.
OneMux incluye tanto Gemini 4 Hydrogen como Gemini 4 Carbon. Si utilizas OneMux para la evaluación, comprueba primero el endpoint documentado y los parámetros compatibles: el acceso compatible con OpenAI por sí solo no establece la compatibilidad con todas las funciones específicas de cada proveedor. No des por sentado que se aplique el esquema de forma nativa, que las herramientas se comporten de una forma determinada o que las configuraciones sean idénticas entre rutas sin confirmarlo.
Preguntas frecuentes
¿Garantiza Hydrogen una salida conforme con JSON Schema?
El anuncio de Google proporcionado no establece esa garantía ni especifica una API que imponga el cumplimiento de esquemas. Valida las respuestas en tu aplicación, incluso si un endpoint documentado ofrece un modo de salida estructurada.
¿Es Carbon más preciso para la extracción?
La fuente proporcionada no permite saberlo. Google posiciona Carbon para un razonamiento más profundo, pero no ofrece una comparación de precisión de extracción entre Hydrogen y Carbon. Si la elección es importante, prueba ambos con documentos representativos y etiquetados.
¿Significa un JSON válido que los datos extraídos son correctos?
No. Un JSON válido puede contener valores incorrectos, y un JSON válido según el esquema aún puede atribuir un subtotal al campo del total. Comprueba por separado la corrección semántica y que los valores estén respaldados por la fuente.
Conclusión
Hydrogen tiene puntos fuertes documentados en programación y ejecución agéntica, mientras que Carbon está posicionado para un razonamiento más profundo. La evidencia proporcionada no determina qué modelo es mejor para la extracción estructurada. Empieza con un esquema claro y una validación independiente; después, elige según los errores, la latencia y el coste medidos con tus propios documentos.
Fuentes
- Google: Introducing Gemini 4 Hydrogen — fuente de las descripciones de los modelos, las afirmaciones sobre pruebas de rendimiento y el resultado comunicado por un socio que se analizan arriba.
FAQ
¿Garantiza Gemini 4 Hydrogen una salida conforme con JSON Schema?
El anuncio de Google proporcionado no establece una garantía ni especifica una API que imponga el cumplimiento de esquemas. Valida las respuestas en tu aplicación, incluso cuando un endpoint documente un modo de salida estructurada.
¿Es Gemini 4 Carbon más preciso que Hydrogen para la extracción?
La fuente proporcionada no ofrece una comparación directa de precisión de extracción. Evalúa ambos con ejemplos revisados de tus propios documentos.
¿Demuestra un JSON válido según el esquema que una extracción es correcta?
No. La validación del esquema comprueba la estructura y las restricciones especificadas, no si un valor está respaldado por la fuente o corresponde al campo previsto.
Artículos relacionados
Guides
Estimación del costo de la API de Grok Imagine Image para un flujo de extracción JSON
Estima los cargos de generación de imágenes de Grok Imagine Image, identifica los costos de extracción no disponibles y valida registros estructurados frente a un esquema JSON.
Guides
Guía de costes de la API de Qwen4 Max para extracción con JSON Schema
Estima los costes de extracción con Qwen4 Max por documento y por cada 100.000 documentos, incluidos los reintentos, los supuestos de caché y la validación con JSON Schema.
Guides
Costes de la API de GPT Image 2 para extracción estructurada: una estimación basada en supuestos
Estima los costes de una carga de trabajo con GPT Image 2 a partir de supuestos explícitos sobre tokens y descubre por qué debes verificar la compatibilidad con extracción en JSON antes de presupuestar un flujo de producción.
Guides
Costes de la API de GPT 6.2 Sol para extracción estructurada: una estimación reproducible
Estima los costes de extracción estructurada con GPT 6.2 Sol a partir de supuestos explícitos sobre tokens, reintentos, caché y tramos de contexto.