Googleは11月12日、Gemini 4 Hydrogenを発表し、推論モデルCarbonとArgonを補う高速な実行モデルと位置づけました。発表は、開発ツール、企業向け業務、Geminiアプリ、検索にまたがります。
違いは仕事の分担です。Googleの説明では、難しい設計判断や長い推論はCarbonとArgonが扱い、Hydrogenはコードを書き、テストし、変更を検証します。単独動作も可能です。
発表には料金、ベンチマーク、安全性の主張が含まれます。数値はGoogleの報告であり、本記事の実測ではありません。評価条件が重要です。
4段階の思考設定で速度と品質を調整
Hydrogenはlow、medium、high、xhighを提供し、標準はhighです。Googleは、タスクに応じて推論の深さ、遅延、費用を調整する選択肢と説明しています。
標準のhighでArtificial Analysis Intelligence Indexは51、比較対象のArgonは50と報告しています。xhighでは54です。最大スコアは標準設定の値ではないため、設定と数字を切り離してはいけません。
コンテキストウィンドウは100万トークンで、全範囲で一律、100万入力トークン当たり1.50ドル、100万出力トークン当たり7.50ドルです。発表はマルチモーダル知識業務で最大100万出力トークンにも対応するとしています。文脈容量と出力容量は別の上限で、どちらも最大時の正答を保証しません。
構成を選ぶチームにとって総合スコアは一つの手がかりです。すべての長期タスクでArgonを上回る証拠でも、xhighが低い設定と同じ遅延を保つ証拠でもありません。
Orchestratorがセッション内の仕事をモデル間で分担
GoogleはAntigravityにOrchestratorを導入し、同一セッションでCarbonやHydrogenを動的に切り替えます。一つの仕事に一モデルを選ぶ方式とは異なります。
Googleによると、Terminal-Bench 4.0でOrchestratorはCarbonに近い成功率を達成し、クォータ消費は24%少なく、平均完了時間は19%短くなりました。これは編成構成と同ベンチマークの比較です。Hydrogen単独が同じ節約でCarbonを上回った結果として扱えません。
並列作業ではCarbonが調整し、Hydrogenが分離ワークスペースで作業・検証エージェントを実行できます。深い推論が必要な部分に資源を使い、実装や確認に高速な実行を使う仕組みです。
この分業は資源配分を変え得ます。しかし変更の検証が不要になるわけでも、すべてのリポジトリに同じ配分が有効と示したわけでもありません。
移行時の比較対象はGemini 3.8 Flash
Googleは、標準highのHydrogenがGemini 3.8 Flashの2.5倍速くタスクを完了するとしています。Terminal-Bench 4.1では57%対18.2%で、捏造された主張も5分の1未満になったと報告しています。
ベンチマークの版が重要です。4.1の結果は、Orchestratorの4.0評価とは別の比較です。一つの順位にまとめると、タスクや設定の違いが失われます。
Googleは、対象を絞ったリポジトリ編集、デバッグ、コードベースへの質問にも言及し、SWE-sweepで同等クラスのモデルを上回るとしています。複雑なグラフ、SQL、データ集約型の企業業務では、初期パートナーが3.8 Flash比で2~2.8倍速い実行と12~23%少ないトークンを報告したといいます。
この範囲は初期の特定処理に関するものです。一般的な速度やトークン削減の保証ではなく、各比較を独立に再現する詳細も発表本文には足りません。
Googleは、ファイルを一つずつ調べず、読み取りと検索を並列バッチで行うことも効率の理由に挙げています。ツール呼び出し失敗や検索結果なしにも対応し、AutomationBench-AAで同クラスをリードするとしています。これらも独立に再現した結果ではなく、提供元の主張です。
コーディング以外も対象
より広いエージェント業務で、GoogleはAgent Arenaの5位、HLE-Diamondで58.8%、Vals Tax Agent Benchで52.3%を報告しています。Vals Legal Research Benchは55.8%で、発表時点の同率首位としています。
新しいMultimodal Knowledge Agentでは53.4%、Agents’ Last Exam v1.1では71.6%です。対象タスクが異なるため、平均して一般的な成功確率にはできません。
デモは想定する用途の広さを示します。Geminislandはプロンプトから共有ボクセル島に構造物を作ります。店舗サイトのデモはWebGL2シェーダー、スクロール操作、設定コントロールを組み合わせます。別のデモはPython、LET数式、条件付き書式でGoogle Sheetsのキャンバスを動かします。
プレゼンテーションの例ではYouTubeの基調講演とデザインテンプレートからSlidesを作り、重なる文字を検査します。Sheetsキャンバスの財務モデリングでは、従来モデルより30%超高速な出力としています。これらは想定業務の例であり、同様の仕事すべてが修正なしに完了する証拠ではありません。
Geminiアプリと検索は日常作業を狙う
Geminiアプリでは、文体や書式への追従、文書の統合、少ないやり取りでのツール選択を強調します。アップロード、Gmail、Drive、AirtableやDropboxなど接続サービスの文脈を使うと説明しています。
ほかのデモには、雷データで動く地球儀と音楽エンジン、水とガラスの可視化、パブリックドメイン映像から作る動画があります。提供元の例であり、任意のプロンプトで期待できる成果一覧ではありません。
検索についてGoogleは、複数要素や不完全なクエリの理解、柔軟な視覚応答、クエリファンアウトによる関連リンク拡大を挙げます。これは関連検索を生成して幅広い資料を取得する仕組みです。検索範囲の拡大だけで生成回答の正確性は確立しません。
安全性の数字は個別評価の結果
Googleは3.8 Flash比で、エージェントの行き過ぎを最大81%、対応不足を最大79%減らしたとしています。ツール利用とコーディングの評価では、意図に沿わない行動と近道の選択が12分の1になったとも報告しています。
不可能または阻止されたタスクでは、権限境界を迂回する可能性が最大半分になったと説明します。内部エージェント評価の正直さは96.7%です。Googleの試験結果であり、常にアプリ権限を守る保証ではありません。
さらに思考過程の可読性99.9%、監査した20万超のターンで欺瞞的な推論編集なしとしています。Gray Swanの間接プロンプトインジェクション評価では2.3倍超の耐性を主張します。読みやすい推論やベンチマーク耐性を、攻撃への免疫と扱うべきではありません。
日常対話ではHealthBench Proの誤拒否が0.4%未満で、バイオセキュリティ上のリスクと正当な質問をより精密に区別するとしています。拒否率は医療回答の正確性を測る値ではありません。
製品と契約で異なるアクセス条件
GoogleはGemini API、AI Studio、Android Studio、Gemini for businessで世界展開するとしています。Antigravityは有料Google AI Pro・Ultra契約者向けです。Sheetsは対象契約に依存し、個人向けはPro・Ultraから始まります。
Geminiアプリの無料利用には重要な条件があります。プロンプトに適すると判断された場合、自動モデル選択でHydrogenを使います。全無料ユーザーが手動で無制限に選べるという約束とは異なります。検索は世界の全ユーザー向けに展開するとしています。
今回の焦点は、推論を調整でき、任意で複数モデルを連携できる実行モデルの広い提供です。価値は実際のタスク、思考設定、利用製品に左右されます。発表数値は評価の出発点ですが、ベンチマークの版と利用条件を保って判断する必要があります。
- 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
