TabbitBlog

Gemini 4 Hydrogen レビュー:公開情報から分かること

Gemini 4 Hydrogen の公開 benchmark、強み、制限、API 料金と評価すべき用途を整理します。

この記事の内容
  1. 要点
  2. 公開評価の概要
  3. 期待できる用途
  4. 注意点
  5. 仕事別の判断

Gemini 4 Hydrogen の公開資料で目立つ結果は、Agents’ Last Exam v1.1 の 71.6% です。Google は同条件の Claude Sonnet 5.5 を 60.4% と報告しています。知識作業に関する重要な指標ですが、すべての agent タスクでの勝利を保証しません。同じ Google model card では、OSWorld-2.1 と Terminal-Bench Science で Sonnet 5.5 を下回り、一部のマルチモーダル入力では Gemini 3.8 Flash より不必要な拒否が増えています。本稿は公開情報のレビューで、Tabbit での実測はしていません。料金は価格記事、アクセスはガイドを参照してください。

Redditでは、一部のベンチマークでHydrogenがArgonを上回る理由を尋ねる投稿や、異なる日常利用の感想がありました。性能の証拠ではありません。本レビューではGoogleの公開手法と限界を示します。投稿を見る。

要点

  • Hydrogen は高速なコーディングと agent 作業向け。Google は Carbon をベースに調整したと説明しています。

  • 公開評価はタスクごとに異なり、ALE は強い一方、OSWorld と科学タスクでは Sonnet 5.5 が上回ります。

  • Google 発表の Intelligence Index は既定 High で 51、Xhigh で 54。全タスク共通の順位ではありません。

  • model card は幻覚、時折の遅延、上位推論での token 増加、一部入力での不当な拒否増加を挙げています。

  • 本番モデルをそのまま置き換えず、候補としてテストしてください。

公開評価の概要

分野Google 公表値この結果が証明しないこと
agent 知識作業ALE v1.1:Hydrogen 71.6%、Sonnet 5.5 60.4%すべての長い仕事で優位
computer useOSWorld-2.1 offline:77.6% 対 83.9%自分の環境との一致
terminal science51.4% 対 59.9%科学分野全体での信頼性
multimodalMKA 53.4% 対 52.0%、Chartography 66.6% 対 61.6%すべての文書で優位
API 料金入力 $1.50/M、出力 $7.50/M成功タスク単価の低さ

2026-11-16 にGoogle DeepMind の model cardを確認しました。特記がない限り Gemini API の最高 thinking 設定を使用し、一部は Google 自身の計測、他は外部 leaderboard の値です。異なる評価を単一の head-to-head として扱えません。Google は別途、既定 High の Artificial Analysis index を 51、Argon を 50 と発表しています。AA Hydrogen ページで独立指標を確認できます。

期待できる用途

ALE の 71.6% は注目点です。Google によると、122 タスク v1.1 を5時間枠で行い、Hydrogen に Antigravity CLI 1.4.8、Sonnet 5.5 に ALE-Claw を使用。安全フィルタを適用し、ブロックされた応答を空欄として扱っています。条件が分かるため単一スコアより有益ですが、特定ハーネスの結果です。

MKA 53.4%、Chartography 66.6% は、表の Sonnet 5.5 より少し高い数値です。自分の文書や chart を使うテスト候補にはできますが、どの PDF でも優れるとは言えません。browser ワークフローの例は Argon と Carbonも参照してください。

Google は Hydrogen を Carbon から派生した高速実行モデルとし、日常の coding と agent 作業を挙げています。モデル文書には共有 100 万 token context と text/image/audio/video/PDF 入力が記載されています。仕様は品質順位ではありません。Google は既定 High の測定タスクで 3.8 Flash より 2.5 倍速いとも主張しますが、これは特定評価の値です。発表とモデル文書を確認してください。

注意点

Hydrogen は Google の比較でも常に勝つわけではありません。OSWorld-2.1 offline 82 タスクは 77.6% 対 Sonnet 5.5 の 83.9%、Terminal-Bench Science 0.1 は 51.4% 対 59.9%。試験ごとに harness や反復数が異なるため、自分の仕事と合わせて評価する必要があります。

Google は Gemini 3.8 Flash と比べ、良性または境界的な multimodal 入力で不当な拒否が 5.57 ポイント上がったと報告しました。これは社内自動評価であり、ユーザー全体の率ではありません。詳細 safety report は確認時点で公開待ちでした。幻覚、timeout、高い thinking での token 増加も既知の制限です。知識 cutoff は 2026 年 3 月です。

仕事別の判断

用途最初に試す候補人が確認する点
完了条件の明確な複数手順の知識作業Hydrogen出典、完了度
短い低リスク変換現行の低コストモデル切替メリット
UI 操作Hydrogen と比較候補操作ミスと復旧
科学・高リスク推論複数モデル引用、計算、専門家確認
画像・文書の入力自分の固定サンプル誤拒否や見落とし

Hydrogen は agent と混合入力の候補ですが、Argon、Carbon、Sonnet や既存の本番モデルを既定で置き換える証拠はありません。Hydrogen resources (English)、Argon resources (English)、Gemini 3.8 Flash reviewを候補整理に使えます。AI browser、agentic browser、browser automationは web 実行の前提確認に役立ちます。

browser はページや session を固定して再現性を上げますが、Tabbit 内で Hydrogen を使える証明にはなりません。本稿は統合や性能結果を主張しません。モデル選択欄 (English)を確認してから設計してください。

よくある質問

Gemini 4 Hydrogen は使う価値がありますか?

高速なコーディング、エージェント処理、マルチモーダル業務の候補になります。ただし公開情報から全用途での勝者とは言えません。同じ思考レベルで実際のタスクを比較してください。

Hydrogen は Argon より優れていますか?

すべてのベンチマークで優れているわけではありません。Google の高推論インデックス値は Argon をわずかに上回りますが、専門ベンチマークの一部では Argon が上です。タスク、思考レベル、評価ハーネス、提供元によって結果が変わります。

主な弱点は何ですか?

Google は幻覚、時折の遅延やタイムアウト、高い思考レベルでのトークン増加、Gemini 3.8 Flash と比べた一部マルチモーダル入力での不必要な拒否の増加を挙げています。

100 万トークンのコンテキストに対応しますか?

Google のモデル資料は共有 100 万トークンのコンテキストを記載しています。上限は仕様であり、常に大量の文脈を与えるべきという意味ではありません。

Tabbit で利用できますか?

モデルページと資料は評価に役立ちますが、このレビューでは Tabbit 内での利用可否を確認していません。運用に組み込む前にアカウントのモデル選択欄を確認してください。

次のステップへ

Tabbit と一緒に仕事をしましょう。

タブをまたいで調査し、繰り返しのブラウザ作業を自動化し、あらゆる文脈を手の届くところに。