Google a présenté Gemini 4 Hydrogen le 12 novembre, comme modèle d’exécution plus rapide aux côtés de Carbon et Argon, dédiés au raisonnement. L’annonce couvre les outils de développement, les workflows d’entreprise, l’application Gemini et Search.
La différence concerne la répartition du travail. Google décrit Carbon et Argon traitant les décisions d’architecture difficiles ou les longs raisonnements, tandis qu’Hydrogen écrit le code, lance les tests et vérifie les modifications. Hydrogen peut aussi fonctionner seul.
Le lancement inclut prix, benchmarks et affirmations de sécurité. Les chiffres viennent de Google, pas de tests réalisés pour cet article, et leurs conditions d’évaluation comptent.
Quatre niveaux de réflexion modulent vitesse et qualité
Hydrogen propose low, medium, high et xhigh, avec high par défaut. Google les présente comme des réglages de profondeur du raisonnement, de latence et de coût selon la tâche.
Au niveau high, Google annonce 51 à l’Artificial Analysis Intelligence Index, contre 50 pour Argon. Le score atteint 54 en xhigh. Il faut conserver ces réglages avec les chiffres : le maximum ne décrit pas la configuration par défaut.
Le modèle dispose d’un contexte d’un million de tokens, à tarif uniforme sur toute cette fenêtre : 1,50 dollar par million de tokens d’entrée et 7,50 dollars par million de sortie. L’annonce décrit aussi jusqu’à un million de tokens de sortie pour le travail multimodal de connaissance. Contexte et sortie sont des limites distinctes, sans garantie de réponse correcte à leur maximum.
Pour choisir une configuration, un score agrégé n’est qu’un indice. Il ne prouve ni une supériorité sur Argon dans toutes les tâches longues, ni une latence de xhigh identique aux niveaux inférieurs.
Orchestrator répartit une session entre modèles
Google introduit Orchestrator dans Antigravity pour alterner dynamiquement entre Carbon, Hydrogen et d’autres modèles au sein d’une session. Cela diffère du choix d’un modèle unique pour tout le travail.
Sur Terminal-Bench 4.0, Google annonce une réussite proche de Carbon avec 24 % de quota consommé en moins et une exécution moyenne 19 % plus rapide. La comparaison concerne cette orchestration et ce benchmark ; elle ne signifie pas qu’Hydrogen seul bat Carbon avec ces économies.
Pour le travail parallèle, Carbon peut coordonner des agents exécutants et vérificateurs Hydrogen dans des espaces isolés. Le mécanisme proposé réserve le raisonnement profond aux points utiles et l’exécution rapide à l’implémentation et au contrôle.
Cette répartition peut modifier les ressources consommées. Elle ne supprime pas la vérification et ne prouve pas que tous les dépôts bénéficient de la même allocation.
La migration est comparée à Gemini 3.8 Flash
Google affirme qu’Hydrogen, en high par défaut, termine les tâches 2,5 fois plus vite que Gemini 3.8 Flash. Sur Terminal-Bench 4.1, il annonce 57 % contre 18,2 %, avec une diminution de plus d’un facteur cinq des affirmations inventées.
La version compte. Ces résultats 4.1 constituent une autre comparaison que l’évaluation 4.0 d’Orchestrator. Les réunir dans un classement effacerait les différences de tâches et de configuration.
Google évoque modifications ciblées de dépôts, débogage et questions sur le code, et affirme dépasser les modèles de gamme similaire sur SWE-sweep. Pour des tâches d’entreprise complexes en graphes, SQL et données, les premiers partenaires auraient constaté une exécution 2 à 2,8 fois plus rapide et 12 % à 23 % de tokens en moins que 3.8 Flash.
Ces fourchettes concernent des charges précoces, pas des garanties universelles. Le texte de l’annonce ne détaille pas assez chaque comparaison partenaire pour la reproduire indépendamment.
Google attribue aussi l’efficacité sur les dépôts à la lecture et à la recherche par lots parallèles plutôt que fichier par fichier. Hydrogen s’adapterait aux échecs d’outils ou recherches vides et dominerait sa catégorie sur AutomationBench-AA. Ce sont encore des affirmations du fournisseur, pas des résultats reproduits indépendamment.
Le lancement dépasse la programmation
Pour les agents plus généralistes, Google annonce la cinquième place d’Agent Arena, 58,8 % sur HLE-Diamond et 52,3 % sur Vals Tax Agent Bench. Sur Vals Legal Research Bench, il rapporte 55,8 %, à égalité en tête lors du lancement.
Il donne aussi 53,4 % sur le nouveau Multimodal Knowledge Agent et 71,6 % sur Agents’ Last Exam v1.1. Ces tests évaluent des tâches différentes et ne doivent pas être moyennés en probabilité générale de réussite.
Les exemples illustrent l’étendue visée. Geminisland transforme des prompts en constructions sur une île de voxels partagée. Une boutique de démonstration combine shader WebGL2, interactions de défilement et réglages. Une autre anime un canevas Google Sheets avec Python, formules LET et mise en forme conditionnelle.
Un exemple de présentation part d’une conférence YouTube et d’un modèle graphique pour générer un diaporama Slides et détecter les textes superposés. Dans Sheets Canvas, Google annonce une modélisation financière plus de 30 % plus rapide qu’avec les modèles précédents. Les démonstrations montrent des usages envisagés, pas l’achèvement sans correction de toute tâche similaire.
Gemini et Search visent les tâches quotidiennes
Dans l’application Gemini, Google insiste sur le respect du ton et du format, la synthèse de documents et la sélection d’outils avec moins d’allers-retours. Il décrit l’utilisation du contexte des fichiers importés, de Gmail, Drive et de services connectés comme Airtable et Dropbox.
D’autres démos présentent un globe et un moteur musical pilotés par des données de foudre, une visualisation d’eau et de verre et une vidéo assemblée à partir d’images du domaine public. Ce sont des exemples du fournisseur, pas des résultats assurés pour tout prompt.
Pour Search, Google annonce une meilleure compréhension des requêtes multiples ou imparfaites, des réponses visuelles plus adaptatives et davantage de liens par query fan-out. Ce mécanisme génère des recherches associées pour élargir les sources récupérées. Cela ne démontre pas, à lui seul, l’exactitude de la réponse générée.
La sécurité est mesurée dans des évaluations précises
Google affirme réduire les initiatives excessives des agents jusqu’à 81 % et l’assistance insuffisante jusqu’à 79 % face à 3.8 Flash. Il annonce aussi douze fois moins d’actions mal alignées et de raccourcis dans les tests d’outils et de code.
Pour les tâches impossibles ou bloquées, le modèle serait jusqu’à deux fois moins susceptible de contourner les autorisations. Une évaluation interne d’agents donne 96,7 % d’honnêteté. Ces résultats concernent les tests de Google, sans garantir le respect permanent des permissions d’une application.
Google rapporte encore 99,9 % de lisibilité des chaînes de pensée et aucune modification trompeuse du raisonnement sur plus de 200 000 tours audités. Il revendique une résistance supérieure d’un facteur de plus de 2,3 sur le benchmark d’injection indirecte de Gray Swan. Lisibilité et résistance mesurée ne prouvent pas l’immunité aux attaques.
Pour les interactions courantes, Google annonce moins de 0,4 % de refus injustifiés sur HealthBench Pro, avec une meilleure distinction entre risques de biosécurité et questions légitimes. Le taux de refus n’est pas une mesure d’exactitude des réponses médicales.
L’accès varie selon le produit et l’abonnement
Google annonce un déploiement mondial via Gemini API, AI Studio, Android Studio et Gemini for business. Antigravity est décrit pour les abonnés payants Google AI Pro et Ultra. Sheets dépend des abonnements éligibles, avec un début côté grand public sur Pro et Ultra.
Une condition importante concerne l’application gratuite : Hydrogen intervient par sélection automatique du modèle lorsque le prompt s’y prête. Cela ne promet pas une sélection manuelle illimitée à chaque utilisateur gratuit. Search est annoncé pour tous les utilisateurs dans le monde.
L’évolution concrète est un modèle d’exécution largement distribué, à raisonnement réglable et coordination multimodèle facultative. Son intérêt dépend des tâches, du réglage et du produit utilisés. Les chiffres servent de point de départ à l’évaluation, en conservant versions des benchmarks et conditions d’accès.
- deepmind.google
- blog.google
- blog.google
- blog.google
- aistudio.google.com
- cloud.google.com
- blog.google
- antigravity.google
- artificialanalysis.ai
- antigravity.google
- tbench.ai
- tbench.ai
- arena.ai
- vals.ai
- vals.ai
- artificialanalysis.ai
- blog.google
- agents-last-exam.org
- aistudio.google.com
- aistudio.google.com
- github.com
- institute.deepmind.com
- storage.googleapis.com
- aistudio.google.com
- developer.android.com
