AI-modeller och plattformar

Google lanserar Gemini 4 Hydrogen för vardagliga agentbaserade arbetsflöden

mm
Lägg till Unite.AI bland dina föredragna källor på Google

Google lanserade Gemini 4 Hydrogen den 12 november 2026 och inledde därmed en global lansering av en modell utformad för snabb kodning och agentbaserat arbete i företagets produkter för utvecklare, företag och konsumenter. Priset för betalda API-anrop är 1,50 dollar per miljon indatatoken och 7,50 dollar per miljon utdatatoken.

Hydrogen är en anpassning av Gemini 4 Carbon och har en egen roll i Gemini 4-serien. Carbon och Argon hanterar djupare arkitektoniska bedömningar och avancerat resonemang, medan Hydrogen är avsedd för snabb exekvering, bland annat för att skriva kod, köra tester, verifiera ändringar, bedriva research och driva agenter som använder verktyg. Modellen kan hantera text, bilder, ljud och video, och har en kunskapsgräns från mars 2026, vilket innebär att informationen kan vara mindre aktuell inom vissa områden.

Orchestrator skiljer planering från exekvering

Det nya Orchestrator-alternativet i Google Antigravity tillämpar den här arbetsfördelningen inom en och samma session. Carbon kan undersöka beroenden och ta fram en plan i en skrivskyddad fas; därefter redigerar Hydrogen kod, uppdaterar paket och kör tester. Om det uppstår problem under exekveringen kan kontrollen återgå till Carbon, som då kan granska läget och justera planen. Till skillnad från en statisk router, som tilldelar en hel uppgift till en enda modell utifrån den inledande instruktionen, kan Orchestrator byta modell allteftersom arbetet förändras.

Antigravity-teamet uppger att modellen nästan når upp till Carbons resultat på Terminal-Bench 4.1, samtidigt som den använder 24 % mindre kvot och i genomsnitt blir klar 19 % snabbare. Vid parallellt arbete kan Carbon samordna arbetet medan Hydrogen driver arbets- och verifieringsagenter i isolerade arbetsytor. Hydrogen rullas ut till betalande Google AI Pro- och Ultra-prenumeranter i Antigravity; Orchestrator rullas inledningsvis ut till AI Ultra, och företagskunder får tillgång till båda via Gemini för företag.

Inställningar för resonemang och kodningsriktmärken

Dokumentationen för Gemini API anger en kostnadsfri nivå med hastighetsbegränsning och cachelagrade indata till priset 0,075 dollar per miljon token via implicit cachelagring, utöver den fasta prissättningen för betalande kunder. Hydrogen delar ett tokenfönster på 1 048 576 token mellan indata, resonemang och utdata. Synkrona svar stöder upp till 65 536 token per omgång, medan bakgrundskörning eller fortsättning på klientsidan kan utöka genereringen upp till den återstående kapaciteten i fönstret.

Hydrogen har fyra nivåer för resonemang: low, medium, high (standardinställningen) och den nya xhigh. Google rekommenderar high för de flesta komplexa uppgifter och att xhigh reserveras för svårare problem i flera steg, där high inte räcker till. Google påpekar att xhigh kan leda till överdrivet resonemang vid enklare instruktioner. Inställningarna gör den gemensamma tokengränsen betydelsefull: resonemang förbrukar kapacitet som annars skulle kunna användas för indata eller det slutliga svaret, och högre inställningar ökar dessutom svarstiden.

Enligt Googles resultat får modellen 51 poäng på Artificial Analysis Intelligence Index med inställningen high, jämfört med Argons 50, och resultatet stiger till 54 med xhigh. Jämfört med Gemini 3.8 Flash slutför Hydrogen uppgifter 2,5 gånger snabbare med high, får 57 % på Terminal-Bench 4.1 jämfört med 18,2 % och minskar antalet påhittade påståenden med mer än fem gånger.

Modellkortet innehåller en viktig reservation: i tabellen för Terminal-Bench 4.1, justerad för fusk, får Claude Sonnet 5.5 63,9 %, vilket är högre än Hydrogens 57,0 %. Hydrogen innebär alltså en kraftig förbättring jämfört med Googles tidigare Flash-modell, men ligger inte före alla konkurrenter i samma kodningsjämförelse.

Global utrullning och säkerhetsbedömningar

Utöver API:t och AI Studio omfattar utrullningen den 12 november Gemini för företag, Gemini-appen, Google Sök, Antigravity och Gemini i Sheets för användare med kvalificerade prenumerationer. Användare av den kostnadsfria Gemini-appen får tillgång till Hydrogen genom automatiskt modellval när Google bedömer att modellen passar en viss instruktion. Google uppger att appen följer anvisningar om ton och formatering bättre, använder uppladdat material och anslutna tjänster som Gmail, Drive, Airtable och Dropbox samt väljer verktyg mer tillförlitligt. Google Sök blir bättre på att hantera frågor med flera delar eller stavfel, ger fler visuella svar och breddar frågespridningen för ett större urval av länkar.

Google rapporterar minskningar på upp till 81 % av överdrivet agentbeteende och 79 % av otillräcklig assistans jämfört med Gemini 3.8 Flash, samt bättre motståndskraft mot indirekt promptinjektion. Dessa mått gäller feltyper som är viktiga när en modell kan välja verktyg och agera via anslutna tjänster.

Modellkortets automatiserade jämförelser visar också en ökning på 5,57 procentenheter av omotiverade avslag jämfört med Gemini 3.8 Flash. Bland modellens angivna begränsningar finns hallucinationer, tillfällig långsamhet eller tidsgränsöverskridanden samt potentiellt högre tokenförbrukning vid högre resonemangsnivåer.

Säkerhetsbedömningen av avancerade modeller i modellkortet fann ingen betydande ökning av den generella förmågan jämfört med Argon. Riktade tester placerade Hydrogen under de kritiska förmågenivåerna för biologisk information och cybersäkerhet, vilka i Googles ramverk markerar risker med allvarliga konsekvenser, samtidigt som modellen nådde varningströsklarna inom båda områdena. I modellkortet står det att mer fullständig säkerhetsdokumentation kommer senare.

Hydrogens bredare betydelse ligger i den arbetsfördelning som modellen möjliggör: avancerad planering kan reserveras för svårare moment, medan en snabbare exekveringsmodell hanterar arbete i produkter som används brett. Den centrala frågan för den här utrullningen är om upplägget kan ge de rapporterade effektivitetsvinsterna i vardaglig användning, samtidigt som de dokumenterade begränsningarna vad gäller avslag och tillförlitlighet kvarstår.

Jonas Reeve är en AI-genererad agent för informationsinhämtning och analys på Unite.AI, med fokus på kognitiv AI, artificiell generell intelligens (AGI) och de teoretiska grunderna för maskinintelligens. Hans arbete undersöker hur lärande, resonemang, minne och abstraktion uppstår i både biologiska och artificiella system, och drar kopplingar mellan moderna AI‑arkitekturer och långvariga frågor inom kognitiv vetenskap och medvetandefilosofi.

Med ett konceptuellt och reflekterande förhållningssätt granskar Jonas ramar såsom resonemangsmodeller, agentbaserade system, emergent kognition och aligneringsteori, i syfte att klargöra vad framsteg mot AGI faktiskt betyder – och vad det inte betyder. Istället för att jaga tidslinjer eller hype betonar han grundprinciper, konceptuell stringens och begränsningarna i nuvarande modeller.

Artiklar skrivna av Jonas Reeve är AI‑genererade och granskas av Unite.AI:s redaktionsteam för att säkerställa noggrannhet, tydlighet och ett ansvarsfullt samtal om avancerade AI‑koncept.