Gemini 4 Hydrogen: Argon-szint, 1,50 dolláros áron

Mi változott?

A Carbon és az Argon a hosszú, mély érvelést igénylő feladatokra készült. A Hydrogen a gyors végrehajtásra: kódírás, tesztfuttatás, agent workflow-k (Google DeepMind). Ezzel a Gemini 4 először jut el minden felhasználói szintre, az ingyenestől az enterprise-ig.

• Artificial Analysis Intelligence Index: alapértelmezett high gondolkodási szinten 51 pont, az Argon 50. A legmagasabb, új xhigh szinten 54.
• Ár: 1,50 dollár millió input tokenenként, 7,50 dollár millió output tokenenként, a teljes 1M tokenes kontextusablakon egységesen.
• Négy gondolkodási szint: low, medium, high (alapértelmezett) és az új xhigh. Kimenetben akár 1M token is kérhető.
• A Gemini 3.8 Flash-hez képest 2,5-ször gyorsabban végez high szinten, Terminal-Bench 4.1-en 18,2% helyett 57%-ot ér el, a kitalált állítások aránya pedig több mint ötödére esett.

A számok közelebbről

A Google szerint a Hydrogen nagy kódbázisban párhuzamosan kötegeli a fájlolvasást és a keresést ahelyett, hogy egyesével nézné át a fájlokat. Partnerek korai tesztjeiben 2–2,8-szor gyorsabb volt a 3.8 Flash-nél, 12–23%-kal kevesebb tokennel.

• HLE-Diamond: 58,8%, a saját kategóriájában az első.
• Vals Tax Agent Bench: 52,3%, összesítésben első. Vals Legal Research Bench: 55,8%, holtversenyben első.
• Multimodal Knowledge Agent (MKA): 53,4%. Agents' Last Exam v1.1: 71,6%.
• Agent Arena (arena.ai): ötödik hely összesítésben.

Ezek a Google saját közlései, független mérés egyelőre csak az Artificial Analysis indexről van.

Orchestrator: Carbon tervez, Hydrogen dolgozik

A Google Antigravityben megjelent az Orchestrator, amely egy sessionön belül vált a modellek között. Terminal-Bench 4.0-n közel Carbon-szintű sikerarányt hozott, átlagosan 24%-kal kevesebb kvótával és 19%-kal gyorsabban. Párhuzamos agenteknél a Carbon lehet a koordinátor, a Hydrogen pedig a worker és a verifier agenteket hajtja (Gemini 4 Carbon: kiberbiztonságra élezett csúcsmodell).

Biztonság

A Google szerint agent feladatokban akár 81%-kal ritkábban lépi túl a hatáskörét, illetve 12-szer kevesebb a félrecsúszott vagy rövidítő akció tool use és kódolási teszteken. Lehetetlen vagy blokkolt feladatnál feleannyira valószínű, hogy megkerüli a jogosultsági korlátokat. Indirekt prompt injection ellen a Gray Swan IPI benchmarkon 2,3-szor ellenállóbb. A HealthBench Pro téves elutasítási aránya 0,4% alatt maradt.

Hol érhető el?

Már elérhető a Gemini API-ban, az AI Studióban, az Android Studióban, a Gemini for businessben, a Gemini appban, illetve a Google Sheetsben a Pro és Ultra előfizetőknek. Az Antigravityben a fizetős AI Pro és Ultra előfizetők használhatják. A Keresőben globálisan minden felhasználónál a Hydrogen fut, bővebb query fan-outtal (Google).

Mit jelent ez a gyakorlatban?

Aki most 3.8 Flash-t használ agentekhez vagy kódoláshoz, annak a Hydrogen az egyértelmű váltás: többet tud, mint az eddigi csúcsmodell, az Argon, miközben az ára Flash-közeli (Gemini 4 Argon: mit tud a Google új csúcsmodellje?). A fix ár 1M kontextusig hosszú dokumentumos és repó-szintű feladatoknál különösen jól jön, mert nincs felár a hosszú promptra.