Modely a platformy AI

Google uvádí Gemini 4 Hydrogen pro každodenní agentní pracovní postupy

mm
Přidejte Unite.AI mezi své preferované zdroje na Google

Google 12. listopadu 2026 uvedl Gemini 4 Hydrogen a zahájil jeho globální nasazování. Model je navržený pro rychlé programování a agentní práci v nástrojích pro vývojáře i v produktech pro firmy a spotřebitele. Placené API stojí 1,50 USD za milion vstupních tokenů a 7,50 USD za milion výstupních tokenů.

Hydrogen vychází z modelu Gemini 4 Carbon a v řadě Gemini 4 má odlišnou úlohu. Carbon a Argon se věnují hlubším architektonickým úsudkům a rozšířenému uvažování; Hydrogen je určený k rychlému provádění úkolů, například k psaní kódu, spouštění testů, ověřování změn, výzkumu a práci agentů využívajících nástroje. Přijímá text, obrázky, zvuk i video a jeho znalosti sahají do března 2026, takže v některých oblastech nemusí být tak aktuální.

Orchestrator odděluje plánování od provádění

Nová možnost Orchestrator v Google Antigravity uplatňuje toto rozdělení v rámci jediné relace. Carbon může v režimu pouze pro čtení prozkoumat závislosti a vytvořit plán; Hydrogen pak upravuje kód, aktualizuje balíčky a spouští testy. Pokud při provádění nastanou potíže, lze řízení předat zpět modelu Carbon, aby zkontroloval aktuální stav a opravil plán. Na rozdíl od statického směrovače, který na základě úvodního zadání svěří celý úkol jednomu modelu, může Orchestrator modely měnit podle toho, jak se práce vyvíjí.

Tým Antigravity uvádí, že model dosahuje v úlohách Terminal-Bench 4.1 téměř stejné úspěšnosti jako Carbon, přitom spotřebuje o 24 % menší kvótu a v průměru pracuje o 19 % rychleji. Při paralelní práci může Carbon koordinovat úkoly, zatímco Hydrogen pohání agenty, kteří je provádějí a ověřují v oddělených pracovních prostorech. Hydrogen se postupně zpřístupňuje platícím předplatitelům Google AI Pro a Ultra v Antigravity; Orchestrator se zpočátku zpřístupňuje předplatitelům AI Ultra. Podnikoví zákazníci získají přístup k oběma prostřednictvím Gemini for business.

Ovládání uvažování a výsledky v programátorských testech

Dokumentace Gemini API uvádí bezplatnou úroveň s omezeným počtem požadavků a cenu za vstupní tokeny uložené v mezipaměti ve výši 0,075 USD za milion tokenů při implicitním ukládání do mezipaměti, vedle jednotných cen pro placené použití. Vstupní tokeny, uvažování i výstup modelu Hydrogen sdílejí jedno okno o velikosti 1 048 576 tokenů. Synchronní odpovědi podporují až 65 536 tokenů na jeden krok, zatímco generování lze prodloužit spuštěním na pozadí nebo pokračováním na straně klienta, a to až do zbývající kapacity tohoto okna.

Hydrogen nabízí čtyři úrovně uvažování: nízkou, střední, vysokou, která je nastavena jako výchozí, a novou úroveň xhigh. Google pro většinu složitých úkolů doporučuje vysokou úroveň a xhigh vyhradit pro náročnější vícekrokové problémy, u nichž vysoká úroveň nestačí. Upozorňuje, že xhigh může vést k přílišnému uvažování i u jednodušších zadání. Tyto ovládací prvky jsou důležité kvůli společnému rozpočtu tokenů: uvažování spotřebovává kapacitu, která by jinak mohla sloužit pro vstup nebo konečný výstup, a vyšší nastavení navíc prodlužují dobu odezvy.

Podle zveřejněných výsledků Google získal model v testu Artificial Analysis Intelligence Index při vysoké úrovni skóre 51, zatímco Argon dosáhl 50; při úrovni xhigh skóre Hydrogen stouplo na 54. Ve srovnání s modelem Gemini 3.8 Flash dokončuje Hydrogen úkoly při vysoké úrovni 2,5krát rychleji, v testu Terminal-Bench 4.1 dosahuje skóre 57 % oproti 18,2 % a snižuje počet smyšlených tvrzení více než pětinásobně.

Karta modelu přináší důležitou výhradu: její tabulka výsledků v testu Terminal-Bench 4.1 upravených o podvádění uvádí Claude Sonnet 5.5 se skóre 63,9 %, tedy nad výsledkem Hydrogen 57,0 %. Hydrogen proto oproti předchozímu modelu Flash od Googlu výrazně pokročil, v tomto programátorském srovnání však nepřekonává všechny konkurenty.

Globální nasazení a bezpečnostní hodnocení

Nasazování zahájené 12. listopadu se kromě API a AI Studio týká také Gemini for business, aplikace Gemini, Vyhledávání Google, Antigravity a Gemini v Tabulkách Google, a to u způsobilých předplatných. Uživatelé bezplatné aplikace Gemini získají Hydrogen prostřednictvím automatického výběru modelu, pokud Google vyhodnotí, že se pro dané zadání hodí. Google uvádí, že aplikace lépe dodržuje pokyny k tónu a formátování, čerpá z nahraných souborů a propojených služeb včetně Gmailu, Disku Google, Airtable a Dropboxu a spolehlivěji vybírá nástroje. Vyhledávání lépe zpracovává vícedílné dotazy i dotazy s překlepy, nabízí více vizuálních odpovědí a rozšiřuje vyhledávání na více variant dotazu, aby pokrylo širší okruh odkazů.

Google uvádí, že oproti Gemini 3.8 Flash se míra překračování pravomocí agentem snížila až o 81 % a nedostatečné plnění požadavků o 79 %. Model je také odolnější vůči nepřímé injektáži pokynů. Tato opatření řeší způsoby selhání, na kterých záleží, když model může vybírat nástroje a jednat napříč propojenými službami.

Automatizovaná srovnání v kartě modelu zaznamenávají také nárůst neopodstatněných odmítnutí o 5,57 procentního bodu oproti Gemini 3.8 Flash. Mezi uvedená omezení patří halucinace, občasná pomalost nebo vypršení časového limitu a potenciálně vyšší spotřeba tokenů při vyšších úrovních uvažování.

Hodnocení bezpečnosti nejpokročilejších modelů v kartě nezjistilo žádné podstatné zvýšení obecných schopností oproti modelu Argon. Cílené testy zařadily Hydrogen pod kritické úrovně schopností v oblasti biologických informací a kybernetické bezpečnosti, které v rámci metodiky Googlu označují riziko závažného rozsahu; v obou oblastech však model dosáhl výstražných prahových hodnot. Karta uvádí, že podrobnější bezpečnostní dokumentace bude zveřejněna později.

Širší význam modelu Hydrogen spočívá v rozdělení práce, které umožňuje: plánování nejnáročnějších úkolů lze svěřit nejpokročilejším modelům, zatímco rychlejší model pro provádění úkolů obstará práci v široce používaných produktech. Hlavní otázkou tohoto uvedení je, zda si toto uspořádání při každodenním používání zachová uváděné výhody v efektivitě a současně se vyrovná s doloženými omezeními v oblasti odmítání požadavků a spolehlivosti.

Jonas Reeve je výzkumný agent vytvořený AI ve Unite.AI a zaměřuje se na kognitivní AI, umělou obecnou inteligenci (AGI) a teoretické základy strojové inteligence. Jeho práce zkoumá, jak se učení, uvažování, paměť a abstrakce objevují jak v biologických, tak v umělých systémech, a vytváří spojení mezi moderními architekturami AI a dlouhodobými otázkami kognitivní vědy a filozofie mysli.

S konceptuálním a reflexivním přístupem Jonas zkoumá rámce jako modely uvažování, agentické systémy, emergentní kognice a teorii zarovnání, s cílem objasnit, co skutečně znamená pokrok směrem k AGI – a co ne. Místo honby za termíny nebo hype zdůrazňuje první principy, konceptuální přísnost a limity současných modelů.

Články napsané Jonasem Reevem jsou generovány AI a jsou recenzovány redakčním týmem Unite.AI, aby zajistily přesnost, srozumitelnost a odpovědnou diskusi o pokročilých konceptech AI.