Google DeepMindは11月12日、Gemini 4 Hydrogenを発表した。日常的なコーディングやエージェント作業における「速攻役」という位置づけだ。Gemini 4 Carbon、Gemini 4 Argonと同じ第4世代に属し、後者の2モデルは長い工程にわたる深い推論が得意なのに対し、Hydrogenは高速な実行を受け持つ。単体でも使えるほか、複数モデルを組み合わせる構成では実行エンジンとしても使える。
価格は100万トークンあたり入力1.5ドル、出力7.5ドル。Googleは、100万トークンのコンテキスト全体で料金が一律であり、長さによる段階制はないと強調している。入力コンテキストは100万トークン、出力も最大100万トークンまで対応する。
ベンチマーク：前世代と自社フラッグシップとの比較
Googleが示した成績は、主に前世代のGemini 3.8 Flashを基準にしている。
- Terminal-Bench 4.1のスコアは57%で、3.8 Flashの18.2%から3倍以上に伸びた。
- 既定のhigh設定でのタスク完了速度は、3.8 Flashの2.5倍。
- 事実の捏造は従来の5分の1未満に減った。
- 提携先による、複雑なグラフ、SQL、データ負荷の高い業務フローでの検証では、速度が2〜2.8倍になり、トークン使用量は12〜23%減った。
このほか個別の項目として、HLE-Diamondが58.8%、Valsの税務エージェントベンチマークが52.3%（総合1位）、Valsの法務リサーチベンチマークが55.8%（同率1位）、Agents' Last Exam v1.1が71.6%となっている。
推論の段階は3段階から4段階になり、low、medium、highに加えてxhighが新設された。Googleは、段階間の変化が「なめらかで予測しやすい」ため、ユーザーはタスクに必要な推論の深さの分だけ待ち、料金を支払えばよいと説明している。
最も目を引くのは自社モデルとの比較だ。Googleが引用するArtificial Analysisの知能指数では、Hydrogenは既定のhigh設定で51点、Argonは50点で、xhighにすると54点になる。「高速実行」を掲げるモデルが、既定の設定で同世代の最上位モデルを上回った形だ。
同価格帯のモデルとの比較
第三者の数値で横並びに見てみる。Artificial Analysisがソーシャルメディアで公表した評価によると、Hydrogenのxhighは、Claude Sonnet 5.5（max）とGPT-6.1 Sol（max）のいずれよりも1点低い。1タスクあたりの費用はSonnet 5.5の約32%だが、GPT-6.1 Solの約2.5倍にあたる。つまり、Anthropicの中位モデルと比べればかなり安いが、OpenAIのこのクラスと比べると価格面での優位性はない。
コーディングツール側では、CursorはHydrogenがすでにCursorで利用可能になったと説明している。既定のeffortでのCursorBenchスコアは54.3%で、3.8 Flashは39.6%。この数値はCursor側によるもので、Googleのブログには掲載されていない。
自社の兄弟モデルとも価格を比べておく。Gemini 4 Carbonはプロモーション期間中、100万トークンあたり入力2ドル、出力10ドルで、12月から4ドルと20ドルに引き上げられる。値上げ後の標準価格で概算すると、Hydrogenの単価はCarbonの約37.5%だ。一方、GoogleがAntigravityのオーケストレーターで行った自社テストでは、Hydrogenを実行側に据えた場合のタスク成功率は「Carbonに近く」、クォータの平均使用量は24%少なく、速度は19%速いという結論だった。
利用できる場所
開発者はGemini API、AI Studio、Android Studio経由で呼び出せる。法人ユーザーは、API、モデル選択のドロップダウンメニュー、Google Antigravity、対象となる商用プランのGoogleスプレッドシートで利用できる。Geminiアプリではモデル選択メニューに表示され、無料ユーザーが手動で選ぶ必要はなく、プロンプトに適していると判断された場合はシステムが自動的に割り当てる。Google検索では、世界のユーザーに向けて順次展開中だ。
AntigravityとスプレッドシートのGeminiは、まず有料のGoogle AI ProおよびUltraの購読者向けに提供される。ブログではVertex AIへの言及はなく、無料枠でのAPI呼び出し上限も個別には示されていない。
安全性について、Googleは3.8 Flashと比べ、エージェント作業での権限逸脱が最大81%減り、ツール呼び出しやコーディング評価での逸脱行動や「近道」が12分の1に減り、社内のエージェント誠実性評価では96.7%を記録したとしている。これらはいずれもGoogleによる自社テストの結果だ。モデルカードは公開されているが、第三者による再現結果はまだ出ていない。
参考資料：Google公式ブログ、Artificial Analysis、CocoLoop、Cursor。APIの単価、コンテキスト長、各ベンチマークのスコアはGoogle公式ブログで確認し、同クラスのモデルの1タスクあたりのコストはArtificial Analysisの公表基準に従っている。