Google DeepMind merilis Gemini 4 Hydrogen pada 12 November, dengan posisi sebagai "tangan cepat" untuk pemrograman sehari-hari dan tugas agen. Model ini satu generasi keempat dengan Gemini 4 Carbon dan Gemini 4 Argon. Kedua model tersebut lebih condong ke penalaran mendalam untuk rantai kerja yang panjang, sedangkan Hydrogen bertugas mengeksekusi dengan cepat. Model ini bisa dipakai sendiri, atau sebagai mesin eksekusi dalam kolaborasi banyak model.
Harganya 1,5 dolar AS per juta token input dan 7,5 dolar AS per juta token output. Google menekankan bahwa tarif berlaku seragam di seluruh konteks 1 juta token, tanpa tingkatan berdasarkan panjang. Konteks input mencapai 1 juta token, dan output juga bisa sampai 1 juta token.
Skor benchmark: dibandingkan generasi lalu dan andalan sendiri
Hasil yang dipaparkan Google terutama menggunakan Gemini 3.8 Flash dari generasi sebelumnya sebagai acuan:
- Skor Terminal-Bench 4.1 mencapai 57%, sedangkan 3.8 Flash 18,2%, naik lebih dari tiga kali lipat;
- Pada pengaturan high bawaan, tugas selesai 2,5 kali lebih cepat dibanding 3.8 Flash;
- Kasus mengarang fakta turun hingga kurang dari seperlima tingkat sebelumnya;
- Dalam pengujian mitra pada grafik kompleks, SQL, dan alur kerja perusahaan yang padat data, kecepatannya 2 hingga 2,8 kali lebih tinggi dan pemakaian token 12% hingga 23% lebih sedikit.
Beberapa hasil lain disebutkan terpisah: HLE-Diamond 58,8%, benchmark agen pajak Vals 52,3% (peringkat pertama keseluruhan), benchmark pencarian hukum Vals 55,8% (peringkat pertama bersama), dan Agents' Last Exam v1.1 sebesar 71,6%.
Tingkat penalaran bertambah dari tiga menjadi empat: di atas low, medium, dan high ada tingkat xhigh yang baru. Menurut Google, perpindahan antartingkat berjalan "mulus dan dapat diprediksi", sehingga pengguna hanya menunggu dan membayar sesuai kedalaman penalaran yang dibutuhkan tugas.
Yang paling mencolok adalah perbandingan dengan produk Google sendiri. Berdasarkan Indeks Kecerdasan Artificial Analysis yang dikutip Google, Hydrogen meraih 51 poin pada pengaturan high bawaan, sementara Argon 50 poin; pada xhigh skornya 54. Model yang diposisikan untuk eksekusi cepat justru mengungguli model terdepan generasi yang sama pada pengaturan bawaannya.
Dibandingkan di kelas harga yang sama
Mari lihat angka pihak ketiga. Evaluasi yang dipublikasikan Artificial Analysis di media sosial menunjukkan Hydrogen pada xhigh masing-masing 1 poin lebih rendah daripada Claude Sonnet 5.5 (max) dan GPT-6.1 Sol (max). Biaya per tugas sekitar 32% dari Sonnet 5.5, tetapi sekitar 2,5 kali lipat GPT-6.1 Sol. Artinya, dibanding model kelas menengah Anthropic ia jauh lebih murah, tetapi dibanding model OpenAI di kelas ini ia tidak punya keunggulan harga.
Di sisi alat pemrograman, pihak Cursor menyatakan Hydrogen sudah tersedia di Cursor, dengan skor CursorBench 54,3% pada effort bawaan, sedangkan 3.8 Flash 39,6%. Angka ini berasal dari Cursor dan tidak dimuat di blog Google.
Bandingkan juga harga dengan saudara sendiri. Gemini 4 Carbon pada masa promosi dihargai 2 dolar AS per juta token input dan 10 dolar AS untuk output, lalu naik menjadi 4 dolar dan 20 dolar mulai Desember. Dengan standar setelah kenaikan, harga satuan Hydrogen kira-kira 37,5% dari Carbon. Adapun kesimpulan Google dalam pengujian orkestrator Antigravity miliknya sendiri: ketika Hydrogen menjadi sisi eksekusi, tingkat keberhasilan tugas "mendekati Carbon", dengan rata-rata 24% lebih sedikit kuota terpakai dan 19% lebih cepat.
Di mana bisa dipakai
Pengembang dapat memanggilnya lewat Gemini API, AI Studio, dan Android Studio. Pengguna perusahaan dapat menggunakannya di API, menu tarik-turun model, Google Antigravity, serta Google Spreadsheet edisi langganan komersial yang memenuhi syarat. Di aplikasi Gemini, model ini muncul di menu tarik-turun model; pengguna gratis tidak perlu memilih manual, karena sistem akan menugaskannya secara otomatis bila menilai prompt cocok. Di Google Penelusuran, modelnya sedang diluncurkan bertahap kepada pengguna di seluruh dunia.
Gemini di Antigravity dan Spreadsheet lebih dulu ditujukan bagi pelanggan berbayar Google AI Pro dan Ultra. Blog tidak menyebut Vertex AI, dan juga tidak mencantumkan secara terpisah batas panggilan API untuk tingkat gratis.
Soal keamanan, Google menyatakan bahwa dibanding 3.8 Flash, tindakan melampaui wewenang dalam tugas agen berkurang hingga 81%, perilaku menyimpang dan "mengambil jalan pintas" dalam evaluasi pemanggilan alat dan pemrograman turun menjadi seperdua belas, dan skornya 96,7% dalam evaluasi kejujuran agen internal. Semua ini adalah pengujian Google sendiri. Kartu model sudah dipublikasikan, tetapi hasil reproduksi pihak ketiga belum muncul.
Sumber: blog resmi Google, Artificial Analysis, CocoLoop, Cursor; harga satuan API, panjang konteks, dan skor setiap benchmark diverifikasi pada blog resmi Google, sedangkan biaya per tugas untuk model sekelas mengikuti acuan yang dipublikasikan Artificial Analysis.