O Google apresentou Gemini 4 Hydrogen em 12 de novembro, posicionando-o como modelo de execução mais rápido ao lado dos modelos de raciocínio Carbon e Argon. O anúncio abrange ferramentas de desenvolvimento, fluxos empresariais, aplicativo Gemini e Search.
A diferença está na divisão do trabalho. O Google descreve Carbon e Argon cuidando de decisões difíceis de arquitetura ou raciocínio longo, enquanto Hydrogen escreve código, executa testes e verifica mudanças. Hydrogen também pode trabalhar sozinho.
O lançamento inclui preços, benchmarks e afirmações de segurança. São resultados informados pelo Google, não testes feitos para este artigo, e suas condições importam.
Quatro níveis ajustam velocidade e qualidade
Hydrogen oferece low, medium, high e xhigh, com high como padrão. O Google os apresenta como opções para ajustar profundidade do raciocínio, latência e custo à tarefa.
No padrão high, o Google informa 51 no Artificial Analysis Intelligence Index, contra 50 do Argon. Em xhigh, informa 54. As configurações devem acompanhar as cifras: o maior resultado não descreve a configuração padrão.
O contexto comporta um milhão de tokens, com preço uniforme em toda a janela: US$ 1,50 por milhão de tokens de entrada e US$ 7,50 por milhão de saída. O anúncio também descreve até um milhão de tokens de saída em trabalho multimodal de conhecimento. Contexto e saída são limites distintos, não garantias de resposta correta no máximo.
Para escolher configuração, uma pontuação agregada é um sinal. Não prova superioridade sobre Argon em toda tarefa longa nem que xhigh mantenha a latência dos níveis inferiores.
Orchestrator divide uma sessão entre modelos
O Google introduz Orchestrator no Antigravity para alternar dinamicamente entre modelos como Carbon e Hydrogen em uma sessão. Isso difere de escolher um modelo para o trabalho inteiro.
No Terminal-Bench 4.0, o Google diz que Orchestrator alcançou sucesso próximo ao Carbon com 24% menos consumo de cota e conclusão 19% mais rápida em média. A comparação envolve essa orquestração e esse benchmark; não significa que Hydrogen sozinho superou Carbon com essas economias.
Em trabalho paralelo, Carbon pode coordenar agentes executores e verificadores Hydrogen em espaços isolados. A proposta é usar raciocínio profundo onde ajuda e execução rápida para implementar e conferir.
A divisão pode mudar o perfil de recursos. Não elimina a necessidade de verificar mudanças nem demonstra benefício igual para todos os repositórios.
A migração é comparada ao Gemini 3.8 Flash
O Google informa que Hydrogen no padrão high conclui tarefas 2,5 vezes mais rápido que Gemini 3.8 Flash. No Terminal-Bench 4.1, comunica 57% contra 18,2%, com redução de mais de cinco vezes em afirmações inventadas.
A versão importa. Os resultados 4.1 são uma comparação diferente da avaliação 4.0 do Orchestrator. Juntá-los em um ranking apagaria diferenças de tarefas e configuração.
O Google descreve edições focadas em repositórios, depuração e perguntas sobre código, e diz superar modelos de nível semelhante no SWE-sweep. Em trabalho empresarial complexo com grafos, SQL e muitos dados, parceiros iniciais teriam visto execução 2 a 2,8 vezes mais rápida com 12% a 23% menos tokens que 3.8 Flash.
Esses intervalos se referem a cargas iniciais, não a garantias universais de latência ou consumo. O texto do anúncio não fornece detalhes suficientes para reproduzir independentemente cada comparação de parceiro.
O Google também atribui a eficiência nos repositórios a leituras e buscas em lotes paralelos, em vez da inspeção arquivo a arquivo. Afirma que Hydrogen se adapta a falhas de ferramentas ou buscas vazias e lidera sua classe no AutomationBench-AA. São outras alegações do fornecedor, não resultados reproduzidos independentemente.
O lançamento vai além da programação
Para tarefas mais amplas de agentes, o Google informa quinto lugar no Agent Arena, 58,8% no HLE-Diamond e 52,3% no Vals Tax Agent Bench. Informa 55,8% no Vals Legal Research Bench, empatado em primeiro no lançamento.
Também comunica 53,4% no novo Multimodal Knowledge Agent e 71,6% no Agents’ Last Exam v1.1. Avaliam tarefas diferentes e não devem ser combinados em uma probabilidade geral de sucesso.
Os exemplos mostram a amplitude pretendida. Geminisland transforma prompts em estruturas numa ilha compartilhada de voxels. Uma vitrine demonstrativa combina shader WebGL2, interações de rolagem e controles de configuração. Outra anima um canvas do Google Sheets com Python, fórmulas LET e formatação condicional.
Um exemplo de apresentação parte de uma palestra no YouTube e um modelo de design para gerar slides e verificar sobreposição de texto. No Sheets Canvas, o Google informa modelagem financeira mais de 30% mais rápida que em modelos anteriores. As demonstrações ilustram fluxos pretendidos, não provam conclusão sem correções de toda tarefa semelhante.
Gemini e Search miram tarefas cotidianas
No aplicativo Gemini, o Google enfatiza seguir tom e formatação, sintetizar documentos e escolher ferramentas com menos trocas. Descreve contexto de uploads, Gmail, Drive e serviços conectados como Airtable e Dropbox.
Outras demonstrações incluem um globo e mecanismo musical guiados por dados de raios, um visualizador de água e vidro e um vídeo com material de domínio público. São exemplos do fornecedor, não um catálogo de resultados esperados para qualquer prompt.
Para Search, o Google afirma melhorar consultas com várias partes ou imperfeitas, adaptar respostas visuais e ampliar links pertinentes com query fan-out. Isso significa gerar pesquisas relacionadas para recuperar mais material. Recuperação mais ampla não estabelece por si só a precisão da resposta gerada.
Os números de segurança tratam de avaliações específicas
O Google diz reduzir excessos dos agentes em até 81% e atendimento insuficiente em até 79% frente ao 3.8 Flash. Também informa redução de doze vezes em ações desalinhadas e atalhos em avaliações de ferramentas e código.
Em tarefas impossíveis ou bloqueadas, o modelo seria até duas vezes menos propenso a contornar limites de permissão. Uma avaliação interna indica 96,7% de honestidade. São resultados dos testes do Google, não garantia de respeito permanente às permissões da aplicação.
O anúncio ainda informa 99,9% de legibilidade das cadeias de pensamento e nenhuma edição enganosa do raciocínio em mais de 200.000 turnos auditados. Afirma resiliência mais de 2,3 vezes maior no benchmark de injeção indireta Gray Swan. Legibilidade e resistência em testes não são imunidade a ataques.
Em interações diárias, o Google relata falsos bloqueios abaixo de 0,4% no HealthBench Pro, com distinção mais precisa entre riscos de biossegurança e perguntas legítimas. A taxa de recusa não mede a precisão das respostas médicas.
O acesso varia conforme produto e assinatura
O Google anuncia distribuição mundial por Gemini API, AI Studio, Android Studio e Gemini for business. O acesso ao Antigravity é descrito para assinantes pagos Google AI Pro e Ultra. Sheets depende de assinaturas elegíveis, começando no público consumidor por Pro e Ultra.
O aplicativo gratuito tem uma condição importante: Hydrogen aparece por seleção automática do modelo quando adequado ao prompt. Isso não promete seleção manual ilimitada para todo usuário gratuito. Search é anunciado para todos os usuários globalmente.
A mudança prática é um modelo de execução amplamente distribuído, com raciocínio ajustável e coordenação opcional entre modelos. Seu valor depende das tarefas, configuração e produto usados. Os números orientam a avaliação quando se preservam versões dos benchmarks e condições de acesso.
- 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
