12 listopada Google zaprezentował Gemini 4 Hydrogen jako szybszy model wykonawczy uzupełniający modele rozumujące Carbon i Argon. Ogłoszenie obejmuje narzędzia programistyczne, pracę firmową, aplikację Gemini i Search.

Różnica dotyczy podziału pracy. Według Google Carbon i Argon zajmują się trudnymi decyzjami architektonicznymi i długim rozumowaniem, a Hydrogen pisze kod, uruchamia testy i sprawdza zmiany. Może też działać samodzielnie.

Premiera zawiera ceny, benchmarki i deklaracje bezpieczeństwa. Liczby pochodzą od Google, nie z testów na potrzeby artykułu, i ważne są warunki ich uzyskania.

Cztery poziomy rozumowania regulują tempo i jakość

Hydrogen oferuje low, medium, high oraz xhigh; domyślny jest high. Google przedstawia je jako możliwość dopasowania głębokości rozumowania, opóźnienia i kosztu do zadania.

Dla high Google podaje 51 w Artificial Analysis Intelligence Index wobec 50 dla Argona. Dla xhigh raportuje 54. Ustawienia muszą towarzyszyć wynikom: najwyższy wynik nie dotyczy domyślnej konfiguracji.

Okno kontekstu ma milion tokenów, ze stałą ceną w całym zakresie: 1,50 dolara za milion tokenów wejścia i 7,50 dolara za milion tokenów wyjścia. Ogłoszenie opisuje też do miliona tokenów wyjściowych w multimodalnej pracy z wiedzą. Pojemność kontekstu i wyjścia to osobne limity, nie gwarancje poprawnej odpowiedzi przy maksimum.

Przy wyborze konfiguracji wynik zbiorczy jest jedną wskazówką. Nie dowodzi przewagi nad Argonem w każdym długim zadaniu ani zachowania przez xhigh opóźnienia niższych poziomów.

Orchestrator rozdziela sesję między modele

Google wprowadza Orchestrator w Antigravity do dynamicznego przełączania między modelami, takimi jak Carbon i Hydrogen, podczas sesji. To co innego niż jeden model do całej pracy.

Na Terminal-Bench 4.0 Orchestrator miał według Google osiągnąć skuteczność zbliżoną do Carbona przy zużyciu limitu niższym o 24% i czasie wykonania krótszym średnio o 19%. Porównanie dotyczy tej orkiestracji i tego testu; nie oznacza, że sam Hydrogen pokonał Carbona z takimi oszczędnościami.

W pracy równoległej Carbon może koordynować agentów wykonawczych i weryfikujących Hydrogen w izolowanych przestrzeniach. Mechanizm ma rezerwować głębokie rozumowanie dla potrzebnych miejsc, a szybsze wykonanie dla implementacji i kontroli.

Podział może zmienić profil zasobów. Nie usuwa potrzeby weryfikacji ani nie dowodzi jednakowego pożytku dla każdego repozytorium.

Migrację porównano z Gemini 3.8 Flash

Google podaje, że Hydrogen na high kończy zadania 2,5 raza szybciej niż Gemini 3.8 Flash. Na Terminal-Bench 4.1 raportuje 57% wobec 18,2%, wraz z ponad pięciokrotnym ograniczeniem zmyślonych twierdzeń.

Wersja testu jest ważna. Wyniki 4.1 stanowią inne porównanie niż ocena Orchestratora na 4.0. Wspólny ranking zatarłby różnice zadań i konfiguracji.

Google opisuje ukierunkowane zmiany w repozytoriach, debugowanie i pytania o kod oraz deklaruje przewagę nad modelami podobnej klasy w SWE-sweep. We wczesnych zadaniach firmowych z grafami, SQL i dużą ilością danych partnerzy mieli uzyskać 2–2,8 raza szybsze wykonanie oraz 12–23% mniej tokenów niż z 3.8 Flash.

Zakresy te dotyczą wczesnych obciążeń, nie uniwersalnych gwarancji opóźnienia czy oszczędności. Tekst ogłoszenia nie zawiera dość szczegółów, aby niezależnie odtworzyć każde porównanie partnera.

Google przypisuje też wydajność pracy z repozytoriami równoległym partiom odczytów i wyszukiwań zamiast sprawdzania plików pojedynczo. Twierdzi, że Hydrogen dostosowuje się do błędów narzędzi i pustych wyników oraz prowadzi w swojej klasie na AutomationBench-AA. To kolejne deklaracje dostawcy, nie niezależnie odtworzone wyniki.

Premiera wykracza poza programowanie

Dla szerszych zastosowań agentów Google podaje piąte miejsce w Agent Arena, 58,8% w HLE-Diamond i 52,3% w Vals Tax Agent Bench. W Vals Legal Research Bench raportuje 55,8%, ex aequo na pierwszym miejscu w dniu premiery.

Podaje też 53,4% w nowym Multimodal Knowledge Agent i 71,6% w Agents’ Last Exam v1.1. Testy dotyczą innych zadań i nie należy uśredniać ich do ogólnego prawdopodobieństwa sukcesu.

Przykłady pokazują zamierzony zakres. Geminisland zmienia prompty w budowle na wspólnej wyspie wokselowej. Demonstracja sklepu łączy shader WebGL2, interakcje przewijania i ustawienia. Inna animuje płótno Google Sheets przy użyciu Pythona, formuł LET i formatowania warunkowego.

Przykład prezentacji zaczyna od wystąpienia YouTube i szablonu graficznego, tworzy slajdy Slides i sprawdza nakładanie tekstu. W Sheets Canvas Google podaje tworzenie modeli finansowych szybsze o ponad 30% niż wcześniej. Demonstracje ilustrują planowane procesy, nie dowodzą bezbłędnego wykonania wszystkich podobnych zadań.

Gemini i Search celują w codzienną pracę

W aplikacji Gemini Google akcentuje przestrzeganie tonu i formatowania, syntezę dokumentów oraz wybór narzędzi przy mniejszej liczbie wymian. Opisuje kontekst z przesłanych plików, Gmaila, Drive oraz usług Airtable i Dropbox.

Inne demonstracje to glob i silnik muzyczny sterowane danymi o piorunach, wizualizacja wody i szkła oraz film z materiałów domeny publicznej. To przykłady dostawcy, nie katalog wyników oczekiwanych po dowolnym prompcie.

W Search Google deklaruje lepsze rozumienie zapytań wieloczęściowych lub niedoskonałych, bardziej elastyczne odpowiedzi wizualne i więcej trafnych linków przez query fan-out. Oznacza to tworzenie powiązanych wyszukiwań dla szerszego pozyskania materiałów. Sam szerszy dostęp nie dowodzi poprawności wygenerowanej odpowiedzi.

Liczby bezpieczeństwa dotyczą konkretnych ocen

Google deklaruje ograniczenie nadmiernych działań agentów nawet o 81% i niedostatecznej obsługi nawet o 79% względem 3.8 Flash. Podaje też dwunastokrotne zmniejszenie liczby działań niezgodnych z intencją i skrótów w ocenach narzędzi i kodowania.

Przy zadaniach niemożliwych lub zablokowanych model ma do dwóch razy rzadziej omijać granice uprawnień. Wewnętrzna ocena agentów dała 96,7% uczciwości. To wyniki testów Google, nie gwarancja stałego przestrzegania uprawnień aplikacji.

Google raportuje też 99,9% czytelności łańcuchów myślenia i brak zwodniczych zmian rozumowania w ponad 200 000 audytowanych tur. Deklaruje ponad 2,3 raza większą odporność w teście pośrednich iniekcji Gray Swan. Czytelność i odporność testowa nie dowodzą niewrażliwości na ataki.

Dla codziennych interakcji Google podaje fałszywe odmowy poniżej 0,4% w HealthBench Pro, opisując trafniejsze rozróżnianie zagrożeń biologicznych i uzasadnionych pytań. Wskaźnik odmów nie mierzy poprawności odpowiedzi medycznych.

Dostęp zależy od produktu i subskrypcji

Google zapowiada globalne wdrożenie przez Gemini API, AI Studio, Android Studio i Gemini for business. Antigravity opisano dla płacących abonentów Google AI Pro i Ultra. Sheets wymaga uprawnionych subskrypcji, z dostępem konsumenckim najpierw dla Pro i Ultra.

Darmowa aplikacja ma ważne zastrzeżenie: Hydrogen jest wybierany automatycznie, gdy pasuje do promptu. Nie obiecuje to wszystkim bezpłatnym użytkownikom nieograniczonego wyboru ręcznego. Search ma objąć wszystkich użytkowników globalnie.

Praktyczna zmiana to szeroko dostępny model wykonawczy z regulowanym rozumowaniem i opcjonalną koordynacją modeli. Wartość zależy od zadań, ustawienia i używanego produktu. Liczby są punktem wyjścia do oceny przy zachowaniu wersji benchmarków i warunków dostępu.

Powiązane artykuły
Źródła

Przeglądaj katalog narzędzi →