Google lance Gemini 4 Hydrogen : 2,5 fois plus rapide que 3.8 Flash, 1,50 $ le million de tokens
Google lance Gemini 4 Hydrogen, un modèle rapide conçu pour le code quotidien et les agents. Il résout les tâches 2,5 fois plus vite que Gemini 3.8 Flash et atteint 57 % sur Terminal-Bench 4.1 (tâches en terminal), contre 18,2 % auparavant. Un million de tokens en entrée coûte 1,50 $, et un million en sortie 7,50 $. Il est donc plus rentable de confier à ce modèle les tâches courantes, comme les corrections et les tests, et de réserver les problèmes complexes à Carbon et Argon.
Traité par IA depuis Habr AI ; édité par Hamidun News
Les grands modèles raisonnent bien, mais lentement et à grands frais, ce qui est excessif pour des tâches courantes comme corriger du code, lancer des tests ou vérifier des modifications. Google répond avec Gemini 4 Hydrogen, conçu pour les tâches rapides des agents (programmes qui accomplissent une mission étape par étape) et pour le travail quotidien sur le code. Il fonctionne 2,5 fois plus vite que Gemini 3.
8 Flash. Dans Terminal-Bench 4.1, un test de tâches en ligne de commande, le score est passé de 18,2 % à 57 %.
Un token est l'unité de texte facturée : un million de tokens en entrée coûte 1,50 $, un million en sortie 7,50 $. Les modèles haut de gamme de la famille, Gemini 4 Carbon et Gemini 4 Argon, restent destinés aux raisonnements approfondis et longs sur les problèmes les plus complexes.
Tous les chiffres ci-dessous proviennent de Google et de ses partenaires. L'article ne contient aucune vérification indépendante.
Ce qui change par rapport à Gemini 3.8 Flash
Pour les équipes qui utilisent Gemini 3.8 Flash, Hydrogen représente une mise à niveau importante. Au niveau de raisonnement élevé standard, il exécute les tâches 2,5 fois plus vite. Le nombre de fausses affirmations, c'est-à-dire les cas où le modèle invente des faits, a été divisé par plus de cinq. Il gère également mieux les erreurs d'appel d'outils et les résultats de recherche vides.
Le prix est identique pour toute la fenêtre de contexte d'un million de tokens : un long document ne rend donc pas la requête plus chère au token. Le modèle accepte jusqu'à un million de tokens en entrée et en produit jusqu'à un million en sortie. Dans l'indice Artificial Analysis Intelligence Index, il obtient 51 points au niveau de raisonnement élevé standard, contre 50 pour Argon, et 54 au niveau maximal xhigh.
Les partenaires rapportent des chiffres similaires. Box a obtenu une accélération d'environ deux fois et une économie de 12 % de tokens. Pixelcut a mené 276 essais : le modèle a réussi toutes les tâches de design, a été 1,8 fois plus rapide et a produit du code 30 % plus propre. STAN a réduit la latence de 28 % et la consommation de tokens de 23 %. Dans des tests précoces sur des graphes complexes et du SQL, les partenaires ont observé une accélération de 2 à 2,8 fois et une économie de tokens de 12 à 23 %.
Orchestrator : le grand modèle décide, le petit exécute
La partie la plus pratique de la sortie est Orchestrator dans Google Antigravity. Il bascule lui-même entre les modèles au sein d'une même session, par exemple entre Carbon et Hydrogen. C'est comparable à une équipe où l'architecte prend les décisions complexes, tandis que l'exécutant écrit le code et lance les tests. Sur Terminal-Bench 4.0, Orchestrator a presque atteint le niveau de Carbon en proportion de tâches réussies. Il a néanmoins consommé en moyenne 24 % de quota en moins et a été 19 % plus rapide.
Le schéma fonctionne aussi avec des agents parallèles. Carbon joue le rôle de coordinateur, tandis que Hydrogen pilote des agents exécutants et des agents de vérification. Ils créent et testent simultanément des modifications dans des espaces de travail isolés. Selon Google, cela accélère la livraison de projets complexes sans hausse des dépenses en tokens.
Le modèle propose quatre niveaux de raisonnement : low, medium, high (par défaut) et le nouveau xhigh. Plus le niveau est élevé, plus le modèle réfléchit en profondeur, et plus l'utilisateur attend. On ne paie que la profondeur dont la tâche a besoin.
Agents, documents et disponibilité
Dans Agent Arena sur arena.ai, Hydrogen se classe cinquième. Dans sa catégorie, il est en tête sur HLE-Diamond (58,8 %) et AutomationBench-AA. Il occupe aussi la première place sur Vals Tax Agent Bench (52,3 %) et partage la première place sur Vals Legal Research Bench (55,8 %). Dans le nouveau test Multimodal Knowledge Agent, il atteint 53,4 %, et 71,6 % dans Agents' Last Exam v1.1. Il peut transformer des PDF, des tableaux, des diagrammes, de l'audio et des vidéos en rapports avec des sources citées.
LatchBio, dans le test Antibody Development, indique que dans la section toxicologie et sécurité, Hydrogen a réussi 67 % des tentatives contre 37 % pour le meilleur modèle hors famille Gemini, en consacrant environ 13 minutes par tâche.
Le modèle est disponible dans Google AI Studio, l'API Gemini, Gemini pour les entreprises, l'application Gemini et la Recherche Google. Les abonnés payants AI Pro et Ultra y accèdent dans Google Antigravity.
La conclusion pratique est simple. Si votre agent consomme beaucoup de tokens pour des tâches répétitives comme les corrections, les tests et la lecture de dépôts, il vaut la peine d'essayer Hydrogen comme exécutant principal. Les décisions d'architecture complexes et le débogage difficile sont mieux confiés au modèle haut de gamme. Les benchmarks ont été réalisés par Google elle-même : avant toute migration, testez le modèle sur vos propres tâches et comparez la proportion de réussites, le temps d'exécution et la facture en tokens.
- 21 nov. 2026Le réseau de neurones MIRA génère Rocket League à 20 images par seconde, mais le ping grimpe jusqu'à 460 ms
- 21 nov. 2026Google a construit une copie fermée d'internet avec de fausses banques pour entraîner les agents IA de Chrome
- 21 nov. 2026MLPerf Training v6.1 : Nvidia Rubin et TPU Ironwood font leurs débuts, 153 systèmes au test
- 21 nov. 2026Google ouvre les précommandes de lunettes intelligentes avec Gemini à partir de 395 $, ventes dès le 10 décembre
Questions clés sur cet article
Que sait-on sur Ce qui change par rapport à Gemini 3.8 Flash ?
Pour les équipes qui utilisent Gemini 3.8 Flash, Hydrogen représente une mise à niveau importante. Au niveau de raisonnement élevé standard, il exécute les tâches 2,5 fois plus vite. Le nombre de fausses affirmations, c'est-à-dire les cas où le modèle invente des faits, a été divisé par plus de cinq. Il gère également mieux les erreurs d'appel d'outils et les résultats de recherche vides.
Que sait-on sur Orchestrator : le grand modèle décide, le petit exécute ?
La partie la plus pratique de la sortie est Orchestrator dans Google Antigravity. Il bascule lui-même entre les modèles au sein d'une même session, par exemple entre Carbon et Hydrogen. C'est comparable à une équipe où l'architecte prend les décisions complexes, tandis que l'exécutant écrit le code et lance les tests. Sur Terminal-Bench 4.0, Orchestrator a presque atteint le niveau de Carbon en proportion de tâches réussies. Il a néanmoins consommé en moyenne 24 % de quota en moins et a été 19 % plus rapide.
Que sait-on sur Agents, documents et disponibilité ?
Dans Agent Arena sur arena.ai, Hydrogen se classe cinquième. Dans sa catégorie, il est en tête sur HLE-Diamond (58,8 %) et AutomationBench-AA. Il occupe aussi la première place sur Vals Tax Agent Bench (52,3 %) et partage la première place sur Vals Legal Research Bench (55,8 %). Dans le nouveau test Multimodal Knowledge Agent, il atteint 53,4 %, et 71,6 % dans Agents' Last Exam v1.1. Il peut transformer des PDF, des tableaux, des diagrammes, de l'audio et des vidéos en rapports avec des sources citées.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.