Intensif Gratuit 21–22/11Intensif gratuit de 2 jours en Vibecoding (21–22 nov, 16h00 MSK) · Cohorte 3 le 23/11S'inscrire gratuitement →Cohorte 3 (23/11)
SortieAPI / Produit · Prêt à l'emploiTG: @TochkiNadAI (Точки над ИИ)→ original

Gemini 4 Hydrogen : le modèle junior de Google devance Argon et va 2,5 fois plus vite que Flash

Gemini 4 Hydrogen, dont le nom indique un modèle junior, devance Argon, l'un des deux modèles haut de gamme de Google, d'un point dans le classement Artificial Analysis. Selon Google lui-même, il résout des tâches 2,5 fois plus vite que Gemini 3.8 Flash et invente cinq fois moins de faits. Via l'API, il coûte 1,5 $ par million de tokens en entrée et 7,5 $ en sortie. Les chiffres de vitesse et de fiabilité ne viennent pour l'instant que du fournisseur : testez le modèle sur vos propres requêtes avant de migrer.

Traité par IA depuis TG: @TochkiNadAI (Точки над ИИ) ; édité par Hamidun News
Gemini 4 Hydrogen : le modèle junior de Google devance Argon et va 2,5 fois plus vite que Flash
Source : TG: @TochkiNadAI (Точки над ИИ). Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireTG: @TochkiNadAI (Точки над ИИ) ↗
Rédacteur en chef
Chiffre clé #1Les utilisateurs gratuits se voient attribuer automatiquement un modèle adapté à leur requête
Exemple de coûtrequête de 2000 tokens + réponse de 500 ≈ 0,007 $
Chiffre clé #3Les tokens de sortie coûtent 5 fois plus cher que ceux d'entrée : calculez séparément les longues réponses

Dans une gamme de modèles, la logique est en général claire : le plus petit est moins cher et plus rapide, mais moins performant, et la qualité se paie au prix du plus grand. Google vient de brouiller ce schéma par le nom. Gemini 4 Hydrogen est le plus petit modèle de la famille, pourtant, dans le classement agrégé Artificial Analysis, il obtient avec les réglages par défaut un point de plus qu'Argon, l'un des deux modèles haut de gamme du même Google.

Google affirme aussi que Hydrogen résout des tâches 2,5 fois plus vite que Gemini 3.8 Flash (un modèle rapide et bon marché de la génération précédente) et invente cinq fois moins de faits. Artificial Analysis est un indice indépendant qui regroupe les résultats de plusieurs modèles sur différents tests en une seule note.

Un token est un fragment de texte, à peu près une syllabe ou un mot court ; c'est sur cette unité que l'API facture.

Ce qui est affirmé

Le classement est le seul chiffre que Google ne produit pas lui-même. L'écart d'un point avec Argon est minime : parler de « victoire » serait prématuré, car pour la plupart des usages concrets la différence est à peine perceptible. Le fait le plus notable est ailleurs : le petit modèle se retrouve à égalité avec le grand.

Les deux autres chiffres proviennent des documents de Google : une vitesse 2,5 fois supérieure à Gemini 3.8 Flash et cinq fois moins de faits inventés. Une invention désigne le cas où le modèle affirme avec assurance ce qui n'existe pas : une fonction d'API inexistante, une date fausse, une citation attribuée à tort. L'annonce ne précise ni l'ensemble des tâches utilisées ni la méthode de calcul. Il est donc plus juste de lire « cinq fois moins » comme « dans les tests de Google ». Les mesures indépendantes arrivent en général plus tard ; d'ici là, ces deux chiffres doivent être considérés comme des déclarations du fournisseur, non comme des faits établis.

Ce que cela coûte en pratique

Pour ceux qui développent des produits sur l'API, le tarif est de 1,5 $ par million de tokens en entrée et de 7,5 $ par million en sortie. Prenons un exemple courant : un bot de support reçoit la question d'un client accompagnée d'un extrait de documentation, soit 2000 tokens en entrée, et répond en 500 tokens. L'entrée coûte 0,003 $, la sortie 0,00375 $. Soit environ 0,007 $ par échange, ou à peu près 6,75 $ pour mille demandes de ce type.

Pour un assistant interne à charge modérée, la somme reste faible. Pour un service qui traite des millions de requêtes par jour, un autre point compte davantage : les tokens de sortie coûtent cinq fois plus cher que ceux d'entrée. Si un agent raisonne beaucoup à voix haute ou rédige de longues réponses, la facture sera dominée par la sortie, et non par le prompt.

Que faire côté développement et produit

Hydrogen est déjà déployé, y compris auprès des utilisateurs gratuits. Dans ce cas, le modèle est choisi automatiquement en fonction de la requête : l'utilisateur ne le sélectionne pas lui-même. Pour un développeur, cela signifie qu'il faut évaluer le modèle via l'API, où le choix reste entre ses mains.

Le plan pratique est simple :

  • Rassemblez 50 à 100 requêtes réelles de votre produit et faites-les passer par Hydrogen et par votre modèle actuel. Comparez trois critères : la qualité des réponses, le temps de réponse et le coût.
  • Vérifiez à part les inventions sur vos propres données, surtout lorsque les chiffres exacts, les noms et les liens comptent. La promesse « cinq fois moins » ne garantit pas que votre scénario s'améliorera dans les mêmes proportions.
  • Si vous utilisez aujourd'hui Gemini 3.8 Flash, la migration semble un candidat logique : les principaux arguments sont la vitesse et le prix.
  • Ne basculez pas la production sur la foi d'un seul classement. Un point d'avance sur Argon justifie un test, pas un changement de stack.

Limites

Google a comparé Hydrogen à Flash de la génération précédente, et non au modèle haut de gamme actuel. C'est acceptable pour un discours marketing, mais pour votre décision il est plus utile de comparer avec ce que vous utilisez déjà. Par ailleurs, tous les chiffres de vitesse et de fiabilité proviennent d'une seule source : le fournisseur lui-même.

L'auteur du post original ajoute une remarque de goût : il apprécie le nommage inspiré du tableau périodique, mais trouve que l'animation interactive de l'annonce, faite à la hâte avec du « vibe coding », vend mal. Cela n'a aucun lien avec la qualité du modèle.

En somme, Hydrogen ressemble à une tentative de Google de faire disparaître l'échelle habituelle « petit : bon marché mais faible ». Des mesures indépendantes confirmeront-elles cela ? On ne le sait pas encore, mais le prix et la vitesse annoncés sont assez attractifs pour consacrer une journée à un test maison.

Dossier

Questions clés sur cet article

Que sait-on sur Ce qui est affirmé ?

Le classement est le seul chiffre que Google ne produit pas lui-même. L'écart d'un point avec Argon est minime : parler de « victoire » serait prématuré, car pour la plupart des usages concrets la différence est à peine perceptible. Le fait le plus notable est ailleurs : le petit modèle se retrouve à égalité avec le grand. Les deux autres chiffres proviennent des documents de Google : une vitesse 2,5 fois supérieure à Gemini 3.8 Flash et cinq fois moins de faits inventés.

Que sait-on sur Ce que cela coûte en pratique ?

Pour ceux qui développent des produits sur l'API, le tarif est de 1,5 $ par million de tokens en entrée et de 7,5 $ par million en sortie. Prenons un exemple courant : un bot de support reçoit la question d'un client accompagnée d'un extrait de documentation, soit 2000 tokens en entrée, et répond en 500 tokens. L'entrée coûte 0,003 $, la sortie 0,00375 $. Soit environ 0,007 $ par échange, ou à peu près 6,75 $ pour mille demandes de ce type. Pour un assistant interne à charge modérée, la somme reste faible.

Que sait-on sur Que faire côté développement et produit ?

Hydrogen est déjà déployé, y compris auprès des utilisateurs gratuits. Dans ce cas, le modèle est choisi automatiquement en fonction de la requête : l'utilisateur ne le sélectionne pas lui-même. Pour un développeur, cela signifie qu'il faut évaluer le modèle via l'API, où le choix reste entre ses mains. Le plan pratique est simple : Rassemblez 50 à 100 requêtes réelles de votre produit et faites-les passer par Hydrogen et par votre modèle actuel.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ Unified AI Workspace · Nomad

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.

Try Nomad AI →Launch Nomad Agent
Qu'en pensez-vous ?
Chargement des commentaires…