Google Antigravity presenta Orchestrator: Carbon se encarga del pensamiento y Hydrogen de la ejecución; las pruebas oficiales reducen el consumo de cuota en un 24%

Nota del autor: aquí interpretamos cómo se reparten el trabajo de planificación y ejecución en Google Antigravity Orchestrator, qué significan realmente los datos oficiales del 24 % de cuota y el 19 % de velocidad, y en qué se diferencia de usar un modelo por separado o varios agentes en paralelo.

El 12 de noviembre de 2026, Google lanzó Gemini 4 Hydrogen y, al mismo tiempo, presentó en Antigravity la orquestación multimodelo Orchestrator. La idea es sencilla: dentro de una misma tarea de desarrollo, Carbon o Argon se encarga de planificar y Hydrogen se encarga de ejecutar. Según las pruebas comparativas oficiales de Google, Orchestrator consume de media un 24 % menos de cuota que usar Carbon por sí solo y termina las tareas un 19 % más rápido.

Esto no es un rumor de pasillo: el blog oficial de Google Antigravity, la documentación de selección de modelos y el resumen de lanzamientos de Google confirman esta función. Este artículo reúne la información que Google ha hecho pública hasta ahora sobre Antigravity Orchestrator: cómo funciona, cómo leer correctamente los datos de las pruebas, los planes y puntos de entrada disponibles, y qué tipo de tareas se benefician de usarlo.

Valor central: al terminar de leer, podrás decidir si tu tarea de ingeniería encaja mejor con Orchestrator, con Hydrogen en modo independiente, o con Carbon / Argon en modo independiente.

Resumen en una frase: Antigravity Orchestrator hace que Carbon o Argon planifiquen y Hydrogen ejecute dentro de una única sesión de agente, y Google reporta oficialmente las ganancias que esto aporta en cuota y velocidad.

Para saber: 5 términos que conviene conocer antes de leer

• Planner (planificador): el rol del modelo que analiza la tarea, traza un plan y lo rehace cuando hace falta. En Orchestrator lo desempeñan Carbon o Argon.
• Executor (ejecutor): el rol que modifica código, ejecuta herramientas y verifica resultados siguiendo el plan. En Orchestrator lo desempeña Hydrogen.
• Agente: un sistema que completa tareas de varios pasos combinando un modelo con un entorno de ejecución de herramientas; no equivale a un modelo suelto.
• Cuota: el límite de uso de servicio que impone la plataforma. Que baje la cuota no significa automáticamente que baje la factura real.
• Harness: el marco de pruebas que organiza las entradas del modelo, la ejecución de herramientas y la puntuación de la tarea. El mismo modelo metido en Harness distintos puede dar puntuaciones distintas.

Información clave de Google Antigravity Orchestrator de un vistazo

Por qué Google lanza Antigravity Orchestrator

Una tarea real de desarrollo de software suele abarcar varios tipos de trabajo: primero entender el código base y las dependencias, luego decidir qué cambiar y cómo, después editar archivos en lote, ejecutar compilaciones y pruebas, y por último revisar los resultados. El nivel de razonamiento que exige cada uno de estos pasos varía mucho. «Decidir cómo cambiar» requiere un juicio profundo, mientras que «modificar diez archivos según el plan y ejecutar las pruebas» valora más la velocidad, la edición precisa y la estabilidad en la invocación de herramientas.

Si todo el trabajo se entrega a un modelo de razonamiento de gama alta como Carbon, las numerosas operaciones repetitivas de la fase de ejecución también se ajustarán al ritmo del modelo de alta gama y consumirán su cuota, elevando tanto el tiempo de la tarea como el gasto de cuota. Usar solo un modelo ligero, en cambio, puede llevar a errores de criterio en el diseño del plan o ante errores complicados, lo que obliga a rehacer el trabajo.

El posicionamiento de Hydrogen encaja justamente en ese hueco. Google lo define como un modelo de alta eficiencia para la programación diaria y la ejecución de agentes, con énfasis en la edición precisa, la invocación de múltiples herramientas y la capacidad de reajustar la estrategia cuando una herramienta falla, y afirma explícitamente que puede actuar como ejecutor o verificador dentro de sistemas multimodelo. Orchestrator es, en esencia, la productización de esa división del trabajo: el modelo caro se reserva solo para las etapas que más juicio requieren.

Cómo funciona Antigravity Orchestrator: Carbon piensa, Hydrogen ejecuta

Según la documentación oficial de Google Antigravity, el Orchestrator no se limita a evaluar la dificultad una sola vez al recibir una solicitud y luego elegir un modelo para hacer todo el trabajo. Dentro de una misma tarea, cambia repetidamente entre el modelo de planificación y el modelo de ejecución.

El flujo de trabajo de cinco pasos del Orchestrator

Tomando como ejemplo el escenario de actualización de dependencias que cita la documentación oficial, un ciclo completo vendría a ser así:

1. Analizar el código base: Carbon (o Argon) revisa en modo de solo lectura la estructura del código y las relaciones de dependencia.
2. Formular el plan: El Planner define el alcance y los pasos de la modificación y, a la vez, establece en qué casos habría que replanificar.
3. Modificar el código: Hydrogen se encarga de las ediciones concretas y de actualizar las dependencias.
4. Ejecutar las pruebas: Hydrogen ejecuta la compilación y las pruebas para verificar si los cambios surten efecto.
5. Verificar el resultado: Si sale bien, se revisa el resultado y se finaliza la tarea; si aparece un error complejo, se devuelve el control al Planner.

Las condiciones que disparan la replanificación en el Orchestrator

La documentación oficial enumera varios casos en los que el control vuelve al Planner: que el paso de verificación falle dos veces seguidas, que el comportamiento de la interfaz no coincida con lo esperado, o que durante la implementación aparezca una decisión de diseño que el plan original no contemplaba. Tras reevaluar, el Planner ajusta el plan y lo devuelve a Hydrogen para que continúe con las modificaciones y la verificación posteriores.

Ese mecanismo es clave. El modelo de ejecución no se dedica a reintentar a ciegas todo el tiempo, sino que, cuando «se sale del plan original», entrega la decisión a tiempo; el modelo de gama alta solo interviene en los puntos críticos.

La diferencia entre el traspaso dinámico y el enrutamiento de modelo único

El «enrutamiento de modelos» habitual hace una clasificación en la entrada de la solicitud: las tareas simples van a un modelo pequeño y las complejas a un modelo grande, y a partir de ahí ya no cambia nada. La diferencia del Orchestrator es que dentro de una misma tarea hay varios traspasos, la planificación y la ejecución recaen en modelos distintos, y durante la ejecución se puede volver en cualquier momento a la fase de planificación. Lo que enruta son las fases de la tarea, no la solicitud entera.

Pruebas oficiales del Orchestrator: ¿qué significan el 24 % de cuota y el 19 % de velocidad?

Todos los datos que aparecen a continuación provienen de la prueba comparativa oficial de tareas de terminal de Google, y el objeto de comparación es «Orchestrator» frente a «Carbon por sí solo».

Por qué el reparto entre varios modelos ahorra cuota

El beneficio proviene principalmente de la fase de ejecución. Editar código, actualizar dependencias y ejecutar pruebas una y otra vez son pasos con muchas llamadas y contextos largos; si todo lo hiciera Carbon, el modelo de gama alta se invocaría de forma repetida y masiva. Al delegarlo a Hydrogen, Carbon solo se encarga de la planificación inicial y de la replanificación a mitad del proceso, y el volumen de invocaciones de razonamiento de gama alta cae de forma natural. La diferencia de coste entre ambos también se aprecia en el precio de la API: a fecha del 13 de noviembre de 2026, en el precio estándar oficial de Google AI Studio, Hydrogen cuesta 1.50 USD por millón de tokens de entrada y 7.50 USD por millón de salida; Carbon, hasta el 30 de noviembre de 2026, cuesta 2 USD por millón de tokens de entrada y 10 USD por millón de salida, y la página oficial indica que a partir del 1 de diciembre se ajustará a 4 USD y 20 USD.

Cabe señalar que lo anterior son precios de API, mientras que Orchestrator funciona dentro del sistema de cuotas de suscripción de Antigravity, y ambos se miden de forma distinta. No podemos usar los precios de API para calcular el «coste real» de Orchestrator.

Qué significan estas cifras para los equipos de desarrollo

Para un equipo, evaluar la eficiencia de una herramienta de programación con IA no puede limitarse a la calidad de una sola respuesta; también conviene observar tres dimensiones a la vez: la tasa de éxito de las tareas, el consumo de cuota y el tiempo de finalización. Los resultados oficiales de Orchestrator muestran que, con una tasa de éxito prácticamente igual, las otras dos mejoran. Esto ofrece a los equipos una idea que pueden tomar como referencia: separar la evaluación de la «calidad de la planificación» y del «rendimiento de ejecución», en lugar de fijarse solo en el modelo más potente.

💡 Nota sobre los datos: Las cifras de eficiencia de esta sección pertenecen a la prueba comparativa oficial de Google y aún no han sido replicadas por terceros independientes. Si quieres verificar en tu propio negocio el efecto del reparto «modelo de planificación + modelo de ejecución», puedes usar APIYI apiyi.com para invocar modelos de distintos niveles con la misma clave API y diseñar tu propio experimento comparativo.

Orchestrator frente a modelos independientes y Agents paralelos

Análisis comparativo con Carbon independiente: Carbon mantiene su ventaja en los juicios complejos, pero en las operaciones repetitivas de la fase de ejecución también consume cuota y tiempo del modelo de gama alta. En cambio, en la mayoría de las tareas de ingeniería rutinarias que combinan planificación y ejecución, Orchestrator consigue un rendimiento de éxito similar a cambio de un menor consumo de cuota.

Análisis comparativo con Hydrogen independiente: Hydrogen es rápido y preciso al editar, pero cuando aparece una decisión de diseño que el plan original no contemplaba, se queda sin un modelo más potente que lo respalde. Para tareas con requisitos claros y sin necesidad de decisiones repetidas, sigue siendo la opción más directa.

Análisis comparativo con múltiples Agents en paralelo: Google lo deja claro: Orchestrator mantiene un solo Agent dentro de una misma conversación y se apoya en el relevo entre varios modelos para completar las distintas fases. Si necesitas que varios Agents procesen subtareas a la vez o se revisen mutuamente, lo adecuado es recurrir a funciones como Subagents, Swarm, Boost o Teamwork. Son dos enfoques que resuelven problemas distintos: uno trata de «cómo repartir el trabajo dentro de una única tarea», y el otro de «si conviene aumentar el número de Agents».

Cómo usar Orchestrator en Antigravity

Correspondencia entre los modos de Orchestrator y los planes

En la app de Antigravity, abre el menú de selección de modelos que está junto al campo de entrada del chat y elige Orchestrator (Carbon) u Orchestrator (Argon). En Antigravity CLI, el ejemplo oficial es el siguiente (la sintaxis que aparece a continuación proviene de la documentación oficial; no la hemos probado localmente en este artículo):

# Consultar los modelos disponibles para la cuenta actual
agy models

# Una vez dentro de la sesión, usa /model para seleccionar Orchestrator

# También puedes especificarlo directamente al iniciar
agy -p "Add input validation to the signup form and run the tests." --model "Orchestrator (Argon)"

Ten en cuenta que Orchestrator usa una configuración de razonamiento fija y no permite establecer niveles independientes como Low, Medium, High o Extra. Si necesitas personalizar el nivel de razonamiento, deberás cambiar a un modelo independiente. Además, el día del lanzamiento algunos usuarios informaron que las opciones de modelo eran visibles pero las invocaciones fallaban, y que el momento de disponibilidad variaba entre cuentas. Es probable que esto se deba al despliegue gradual; si te ocurre, vuelve a intentarlo más tarde.

Reproducir la división entre planificación y ejecución en tu propio Agent

Orchestrator es una función propia del producto Antigravity, pero la idea de «un modelo potente que planifica, un modelo rápido que ejecuta y, tras dos fallos, se devuelve el control» se puede implementar perfectamente en tu propio Agent. Abajo tienes un ejemplo mínimo basado en la interfaz compatible con OpenAI; eso sí, toma los nombres de modelo de la lista de modelos de la plataforma que estés usando:

from openai import OpenAI

client = OpenAI(api_key="YOUR_API_KEY", base_url="https://api.apiyi.com/v1")

PLANNER = "your-reasoning-model"   # Modelo planificador: consulta la lista de modelos de la plataforma
EXECUTOR = "your-fast-model"       # Modelo ejecutor: consulta la lista de modelos de la plataforma

def ask(model, system, user):
    r = client.chat.completions.create(model=model, messages=[
        {"role": "system", "content": system}, {"role": "user", "content": user}])
    return r.choices[0].message.content

plan = ask(PLANNER, "你是架构师，输出分步实施方案。", "为注册表单增加输入校验")
print(ask(EXECUTOR, "严格按方案执行，只输出代码改动。", plan))

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

PLANNER = "your-reasoning-model"
EXECUTOR = "your-fast-model"
MAX_FAILS = 2  # Según la documentación de Antigravity: si la validación falla dos veces seguidas, se devuelve al planificador

def ask(model: str, system: str, user: str) -> str:
    r = client.chat.completions.create(
        model=model,
        messages=[{"role": "system", "content": system},
                  {"role": "user", "content": user}],
    )
    return r.choices[0].message.content

def run_tests(patch: str) -> tuple[bool, str]:
    """Sustitúyela por tu propia lógica de compilación y pruebas; devuelve (si pasó, log)"""
    raise NotImplementedError

def orchestrate(task: str, max_replans: int = 3) -> str:
    plan = ask(PLANNER, "你是规划者，输出分步方案及重新规划条件。", task)
    for _ in range(max_replans):
        fails, log = 0, ""
        while fails < MAX_FAILS:
            patch = ask(EXECUTOR, "你是执行者，严格按方案修改代码。",
                        f"方案：\n{plan}\n上次测试日志：\n{log}")
            ok, log = run_tests(patch)
            if ok:
                return patch
            fails += 1
        # Fallos consecutivos: se devuelve el control al modelo planificador para que reevalúe
        plan = ask(PLANNER, "执行连续失败，请根据日志修订方案。",
                   f"原任务：{task}\n原方案：{plan}\n失败日志：{log}")
    raise RuntimeError("多次重新规划后仍未通过验证")

🚀 Consejo para empezar rápido: cuando montes este tipo de prototipo de «planificación + ejecución», te recomiendo obtener crédito de prueba gratuito a través de APIYI apiyi.com. Una sola clave API te permite invocar modelos populares como OpenAI, Claude o Gemini, y cambiar entre PLANNER y EXECUTOR es solo cuestión de modificar una cadena, así puedes comparar combinaciones distintas rápidamente.

Análisis de impacto de Antigravity Orchestrator: qué tareas de desarrollo encajan mejor

Impacto para los desarrolladores

• Desarrollo de funcionalidades habituales: la división en tres etapas —planificación, implementación y pruebas— es clara, y es el escenario más típico de Orchestrator.
• Corrección de bugs en varios archivos: Planner localiza la causa raíz, Hydrogen modifica varios archivos y ejecuta las pruebas para validarlo; si falla, devuelve el trabajo para que se vuelva a evaluar.
• Refactorización de complejidad media: el enfoque lo controla el modelo de planificación y una gran cantidad de cambios concretos pasa al modelo de ejecución, evitando que los modelos de gama alta se queden atrapados en ediciones mecánicas.
• Gestión de cuotas más proactiva: para quienes tienen suscripción, usar Orchestrator en las tareas del día a día permite reservar más crédito para el trabajo que realmente necesita razonamiento profundo.

Impacto para el sector

• «Planificador + ejecutor» se consolida como modelo de producto: los fabricantes de modelos empiezan a integrar la colaboración entre múltiples modelos directamente en las herramientas de desarrollo, en lugar de dejarla en manos del usuario para que la organice por su cuenta.
• Métricas de evaluación más diversas: además de la tasa de éxito, el consumo de cuota y el tiempo de finalización aparecerán cada vez más en las comparativas de herramientas de Agent.

Recomendaciones para elegir escenario de Orchestrator

Preguntas frecuentes (FAQ)

Puntos clave de Google Antigravity Orchestrator

• Definición central: dentro de una única sesión de Agent, Carbon / Argon planifican, Hydrogen ejecuta y el traspaso entre ambos es dinámico.
• Mecanismo clave: cuando la validación falla dos veces consecutivas (y en casos similares), el control vuelve al modelo de planificación para que reevalúe.
• Datos oficiales: frente a Carbon por sí solo, cuota -24 %, velocidad +19 % y un rendimiento de éxito muy parecido.
• Interpretación correcta: el consumo de cuota no equivale a la factura; las dos notas oficiales no coinciden al indicar la versión de referencia de las pruebas.
• Requisitos de acceso: Ultra puede usar los dos modos; los Pro que cumplan los requisitos pueden usar el modo Argon.
• Cómo empezar: puedes reproducir este esquema de división de trabajo con tu propio Agent a través de la interfaz unificada de APIYI apiyi.com.

Resumen

Los puntos clave de Google Antigravity Orchestrator:

1. División de trabajo, no sustitución: no se trata de reemplazar un modelo caro por uno barato, sino de dejar que Carbon / Argon se encarguen del criterio y Hydrogen de la ejecución.
2. Traspaso dinámico: si durante la ejecución aparece una anomalía, se vuelve a la fase de planificación. Esta es la diferencia clave frente al enrutamiento de modelos de una sola vez.
3. Beneficios oficiales: con un rendimiento de éxito cercano al de Carbon, en las pruebas oficiales la cuota se reduce un 24 % y la velocidad aumenta un 19 %.
4. Elegir según la complejidad: para ingeniería convencional de varias etapas, usa Orchestrator; para arquitecturas profundas, Carbon / Argon; para tareas diarias bien definidas, Hydrogen.

Para la mayoría de las tareas de desarrollo diario, Orchestrator es una opción predeterminada razonable que equilibra calidad y cuota. Si quieres aplicar la misma idea a tus propios productos, te recomiendo probar rápidamente distintas combinaciones de modelos con APIYI apiyi.com: la plataforma ofrece cuota gratuita y una interfaz unificada para múltiples modelos.

📚 Referencias

1. Blog oficial de Google Antigravity: Gemini 4 Hydrogen y Orchestrator
2. Enlace: antigravity.google/blog/gemini-4-hydrogen-in-google-antigravity

3. Descripción: anuncio del lanzamiento de Orchestrator y los datos oficiales de prueba de 24% / 19%, con el benchmark etiquetado como Terminal-Bench 4.1

4. Documentación de Google Antigravity: Choose a Model / Orchestrator

5. Enlace: antigravity.google/docs/models

6. Descripción: mecanismo Planner / Executor, condiciones de replanificación, ejemplos de CLI y recomendaciones para elegir el modelo

7. Blog oficial de Google: Introducing Gemini 4 Hydrogen

8. Enlace: blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-hydrogen

9. Descripción: resumen del lanzamiento de Hydrogen; el mismo resultado comparativo aparece aquí etiquetado como Terminal-Bench 4.0

10. Anuncio oficial de Google en chino: Gemini 4 Hydrogen

11. Enlace: china.googleblog.com/2026/11/gemini-4-hydrogen.html

12. Descripción: información del lanzamiento en chino; la versión del benchmark también aparece marcada como 4.0

13. Página de precios de Google AI Studio: precios de la API de la serie Gemini

14. Enlace: aistudio.google.com/docs/pricing

15. Descripción: precios estándar de la API de Hydrogen, Carbon y Argon, y las fechas de los ajustes de precio

16. Descripción de los planes de Antigravity y de la cuota compartida

17. Enlace: antigravity.google/blog/changes-to-antigravity-plans
18. Descripción: sistema de suscripciones y de cuotas

Autor: equipo técnico de APIYI
Contacto técnico: puedes escribirnos desde la página principal del sitio de APIYI; hay más materiales en el centro de documentación docs.apiyi.com

Artículos relacionados

• Google Antigravity lanza /swarm: el desarrollo con IA pasa de la ejecución de un solo Agent a la colaboración en equipo multi-Agent, una interpretación de 4 tipos de roles: Análisis de la función en vista previa /swarm de Google Antigravity: cómo se reparten el trabajo y colaboran Coordinator, Worker, Verifier y Monitor, con una explicación completa de las copias de trabajo, el panel visual, el consumo de cuota y los límites de permisos.
• Gemini 4 Carbon usa /swarm para construir un mundo 3D del campus de Google: Analizamos la demo oficial de Google del juego de mundo abierto de un pelícano montando una GBike para ver cómo Gemini 4 Carbon, con Antigravity /swarm, coordina varios agentes en activos 3D, juego de navegador y diseño de sonido, así como sus límites.
• De fotos históricas a 3D interactivo: Gemini 4 Carbon recrea el proceso de construcción de la Torre Eiffel con una sola indicación: Interpretación de la demostración de la Torre Eiffel de Google: cómo Gemini 4 Carbon, con la colaboración multiagente /swarm de Antigravity, organiza fotos históricas y planos de ingeniería en una exposición tridimensional interactiva con Three.js.
• De "el Doubao estadounidense" a modelo de programación de primer nivel: ¿qué ha vivido Gemini en tres años? Análisis de 12 hitos clave: Repasa los 12 hitos clave de Gemini, de la versión 1.0 en 2023 a Gemini 4 Carbon en 2026, e interpreta la evolución de lo multimodal, el contexto largo, Thinking, la llamada a herramientas y Agentic Coding, y su impacto en la elección de los desarrolladores.
• Gemini 4 Hydrogen vs. Gemini 4 Carbon: ¿cómo elegir para el uso diario?: Explica en cinco aspectos (posicionamiento, niveles de pensamiento, contexto y salida, precio y uso de Orchestrator) cómo se dividen Gemini 4 Hydrogen y Gemini 4 Carbon en el uso diario y qué modelos se pueden invocar actualmente en APIYI.
• ¿Qué tan potente es Gemini 4 Hydrogen? Gana 7 de 10 en la tabla oficial: Google publicó el 12 de noviembre de 2026 Gemini 4 Hydrogen: la ficha oficial del modelo gana 7 de 10 comparaciones, es 2,5 veces más rápido que Gemini 3.8 Flash, Terminal-Bench 4.1 pasa de 18,2% a 57% y detalla los criterios de esas cifras, el precio y el estado actual de las llamadas.
• Gemini 4 Hydrogen frente a Claude Sonnet 5.5: cómo elegir entre 10 aspectos: Según resumen de 10 puntos de la tarjeta oficial y precios oficiales, Gemini 4 Hydrogen vs Claude Sonnet 5.5: Hydrogen lidera en 7 y es más barato con indicaciones breves; Sonnet supera en 3 (terminal, operación de computadora y terminal científico), con recomendaciones e instrucciones de integración de APIYI.