TabbitBlog

Avis sur Gemini 4 Hydrogen : ce que montrent les données

Une revue fondée sur des sources publiques : benchmarks, atouts, limites, coût API et tâches à tester.

Dans cet article
  1. À retenir
  2. Résultats publiés
  3. Cas prometteurs
  4. Limites et incertitudes
  5. Verdict par tâche

Le résultat public le plus marquant de Gemini 4 Hydrogen est 71,6 % à Agents’ Last Exam v1.1, contre 60,4 % pour Claude Sonnet 5.5 selon Google et le protocole indiqué. C’est un signal intéressant pour le travail de connaissance, pas une garantie sur tous les agents. La même fiche Google montre des résultats inférieurs à Sonnet 5.5 à OSWorld-2.1 et Terminal-Bench Science, et davantage de refus injustifiés que Gemini 3.8 Flash sur certaines requêtes multimodales. Cette revue repose sur des données publiées ; aucun test dans Tabbit n’a été réalisé. Voir les tarifs et le guide d’accès.

Sur Reddit, une personne s’interrogeait sur les benchmarks où Hydrogen devançait Argon, tandis que d’autres décrivaient des usages différents. Ce ne sont pas des preuves de performance ; cet avis suit la méthode publiée par Google et en précise les limites. Lire le fil.

À retenir

  • Hydrogen vise le code rapide et les agents ; Google indique qu’il est adapté de Gemini 4 Carbon.

  • Les résultats varient selon l’épreuve : ALE est un point fort, OSWorld et la science restent sous Sonnet 5.5.

  • Google annonce un Intelligence Index de 51 en High par défaut et 54 en Xhigh ; ce n’est pas un classement universel.

  • La fiche cite hallucinations, ralentissements occasionnels, hausse des tokens aux niveaux élevés et davantage de refus injustifiés dans une comparaison de sécurité.

  • Évaluez-le comme candidat avant de remplacer un modèle de production.

Résultats publiés

DomaineRésultat GoogleCe que cela ne prouve pas
Travail agentiqueALE v1.1 : Hydrogen 71,6 %, Sonnet 5.5 60,4 %Une victoire sur toute tâche longue
Usage ordinateurOSWorld-2.1 hors ligne : 77,6 % contre 83,9 %Une correspondance avec votre environnement
Science au terminal51,4 % contre 59,9 %Une fiabilité scientifique générale
MultimodalMKA 53,4 % contre 52,0 % ; Chartography 66,6 % contre 61,6 %Une supériorité sur tous les documents
API1,50 $/M en entrée, 7,50 $/M en sortieUn coût plus bas par tâche réussie

La fiche Google DeepMind a été vérifiée le 16 novembre 2026. Sauf précision, les tests Hydrogen utilisent l’API avec le niveau de raisonnement maximal. Certaines mesures viennent de Google, d’autres de classements externes ; elles ne forment pas un test comparatif uniforme. Google annonce séparément 51 contre 50 pour Argon à l’Artificial Analysis Index par défaut. Consultez le profil Hydrogen de AA.

Cas prometteurs

Le 71,6 % d’ALE est notable. Google précise 122 tâches v1.1, une fenêtre de cinq heures, Antigravity CLI 1.4.8 pour Hydrogen et ALE-Claw pour Sonnet 5.5, avec filtres de sécurité activés et réponses bloquées renvoyées comme chaînes vides. Ces détails donnent du contexte, mais décrivent une expérience précise.

Hydrogen obtient 53,4 % à MKA et 66,6 % à Chartography, légèrement au-dessus de Sonnet 5.5 dans ces lignes. Cela justifie un essai sur vos documents et graphiques, pas une promesse sur tous les PDF. Voir les flux navigateur Argon et Carbon.

Google présente Hydrogen comme un modèle d’exécution rapide adapté de Carbon pour le code quotidien et les agents. La documentation indique un contexte partagé d’un million de tokens et les entrées texte, image, audio, vidéo et PDF. Ce sont des spécifications, pas des scores de qualité. Google affirme que Hydrogen termine 2,5 fois plus vite que Gemini 3.8 Flash dans ses tâches au niveau High par défaut : c’est une mesure Google, pas une garantie de latence. Consultez l’annonce et la documentation.

Limites et incertitudes

Hydrogen ne domine pas tout dans la table Google. Il atteint 77,6 % sur les 82 tâches hors ligne d’OSWorld-2.1, contre 83,9 % pour Sonnet 5.5, et 51,4 % contre 59,9 % sur Terminal-Bench Science 0.1. Les outils et répétitions changent d’une épreuve à l’autre ; alignez donc le test sur votre travail.

Google signale une hausse de 5,57 points des refus injustifiés par rapport à Gemini 3.8 Flash sur certaines requêtes multimodales anodines ou limites. Il s’agit d’une évaluation automatisée interne, pas d’un taux global observé chez les utilisateurs ; le rapport complet était annoncé comme à venir. Google cite aussi hallucinations, délais dépassés et consommation de tokens élevée aux niveaux supérieurs. La coupure de connaissance est mars 2026.

Verdict par tâche

Votre tâcheÀ tester d’abordContrôle humain
Travail en plusieurs étapes avec critèresHydrogenSources et achèvement
Transformation courte à faible risqueModèle actuel moins cherGain réel du changement
Automatisation d’interfaceHydrogen et concurrent cibléErreurs, récupération, actions risquées
Science ou enjeu élevéPlusieurs candidatsSources, calculs, domaine
Images et documentsÉchantillon fixe personnelRefus injustifiés et omissions

Hydrogen mérite un essai pour les agents et fichiers mixtes, mais les données ne justifient pas un remplacement automatique d’Argon, Carbon, Sonnet ou du modèle en production. Consultez Hydrogen (English), Argon (English) et la revue Gemini 3.8 Flash. Pour le web, voir AI browser, navigateurs agentiques et automatisation navigateur.

Un navigateur aide à fixer les pages et la session, mais ne prouve pas que Hydrogen est disponible dans Tabbit. Cette revue n’affirme ni intégration ni résultat Tabbit. Vérifiez le sélecteur de modèles (English) avant de planifier un flux.

Questions fréquentes

Gemini 4 Hydrogen vaut-il la peine ?

C’est un candidat crédible pour le code rapide, les agents et les tâches multimodales, mais les données publiques n’en font pas le meilleur dans tous les cas. Comparez-le au même niveau de raisonnement sur vos tâches.

Hydrogen est-il meilleur qu’Argon ?

Pas sur tous les benchmarks. L’indice Google en raisonnement élevé dépasse légèrement celui d’Argon, mais le tableau officiel montre aussi des épreuves spécialisées où Argon prend l’avantage. Le résultat varie selon la tâche, le niveau, le protocole et le fournisseur.

Quelles sont ses limites ?

Google cite les hallucinations, des lenteurs ou délais dépassés occasionnels, une consommation de tokens parfois élevée aux niveaux de raisonnement élevés et davantage de refus injustifiés sur certaines requêtes multimodales inoffensives que Gemini 3.8 Flash.

Dispose-t-il d’un contexte d’un million de tokens ?

La documentation Google indique un contexte partagé d’un million de tokens. Cette capacité ne prouve pas que chaque tâche bénéficie d’un contexte maximal ni qu’elle sera plus précise.

Puis-je l’utiliser dans Tabbit ?

La page et les ressources du modèle aident à l’évaluer, mais cet article ne vérifie pas sa disponibilité dans Tabbit. Consultez le sélecteur de modèles de votre compte avant de bâtir un flux dessus.

Passez à la suite

Laissez Tabbit travailler à vos côtés.

Faites des recherches entre les onglets, automatisez les tâches répétitives du navigateur et gardez chaque élément de contexte à portée de main.