Intensivo Grátis 21–22/11Intensivo gratuito de 2 dias em Vibecoding (21–22/11 às 16:00 MSK) · Turma 3 começa 23/11Inscrever-se grátis →Turma 3 (23/11)
LançamentoAnálise · No radarHabr AI→ original

Google lança Gemini 4 Hydrogen: 2,5 vez mais rápido que o 3.8 Flash, US$ 1,50 por milhão de tokens

O Google lançou o Gemini 4 Hydrogen, um modelo rápido para o dia a dia de código e agentes. Ele resolve tarefas 2,5 vez mais rápido que o Gemini 3.8 Flash e alcança 57% no Terminal-Bench 4.1 (tarefas no terminal), contra 18,2% do antecessor. Um milhão de tokens de entrada custa US$ 1,50, e de saída, US$ 7,50. Por isso, rotinas como ajustes e testes ficam mais baratas com ele, enquanto as tarefas complexas continuam com o Gemini 4 Carbon e o Gemini 4 Argon.

Processado por IA de Habr AI; editado por Hamidun News
Google lança Gemini 4 Hydrogen: 2,5 vez mais rápido que o 3.8 Flash, US$ 1,50 por milhão de tokens
Fonte: Habr AI. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalHabr AI ↗
Editor-chefe
Dado-chave #1O Orchestrator no Antigravity quase alcançou o Carbon e consome 24% menos cota
Dado-chave #2A modelo apresenta mais de cinco vezes menos afirmações inventadas que o 3.8 Flash
Dado-chave #3Contexto de até 1 milhão de tokens, com preço único para toda a janela

Modelos grandes raciocinam bem, mas são lentos e caros, e para rotinas como ajustar código, rodar testes e verificar alterações isso é exagero. O Google respondeu com o Gemini 4 Hydrogen, voltado a tarefas rápidas de agentes (programas que resolvem uma tarefa passo a passo sozinhos) e ao trabalho diário com código. Ele roda 2,5 vez mais rápido que o Gemini 3.

8 Flash anterior. No Terminal-Bench 4.1, teste de tarefas na linha de comando, o resultado subiu de 18,2% para 57%.

Token é a unidade de texto pela qual se paga: um milhão de tokens de entrada custa US$ 1,50, e um milhão de saída, US$ 7,50. Os modelos topo de linha da família, Gemini 4 Carbon e Gemini 4 Argon, continuam reservados para raciocínios profundos e longos sobre as tarefas mais complexas.

Todos os números abaixo são divulgados pelo próprio Google e seus parceiros. O material não traz verificação independente.

O que mudou em relação ao Gemini 3.8 Flash

Para as equipes que usam o Gemini 3.8 Flash, o Hydrogen representa uma atualização importante. No nível de raciocínio alto padrão, ele executa tarefas 2,5 vez mais rápido. O número de afirmações inventadas, ou seja, casos em que o modelo fabrica fatos, caiu mais de cinco vezes. Além disso, ele lida melhor com erros de chamada de ferramentas e com resultados de busca vazios.

O preço é o mesmo em toda a janela de contexto de 1 milhão de tokens, ou seja, um documento longo não encarece o custo por token da requisição. O modelo aceita até um milhão de tokens de entrada e gera até um milhão de tokens de saída. No Artificial Analysis Intelligence Index, ele marca 51 pontos no nível de raciocínio alto padrão, contra 50 do Argon, e 54 no nível máximo xhigh.

Os parceiros apresentam resultados parecidos. A Box obteve aceleração de cerca de duas vezes e economia de 12% em tokens. A Pixelcut executou 276 execuções: o modelo concluiu todas as tarefas de design, trabalhou 1,8 vez mais rápido e escreveu código 30% mais limpo. A STAN reduziu a latência em 28% e o consumo de tokens em 23%. Em testes iniciais com grafos complexos e SQL, os parceiros registraram aceleração de 2 a 2,8 vezes e economia de tokens de 12 a 23%.

Orchestrator: o modelo grande decide, o pequeno executa

A parte mais prática do lançamento é o Orchestrator no Google Antigravity. Ele alterna sozinho entre modelos dentro da mesma sessão, por exemplo entre o Carbon e o Hydrogen. É como uma equipe em que o arquiteto toma as decisões complexas, enquanto o executor escreve o código e roda os testes. No Terminal-Bench 4.0, o Orchestrator quase igualou o Carbon na proporção de tarefas concluídas. Ao mesmo tempo, consumiu em média 24% menos cota e trabalhou 19% mais rápido.

O esquema também funciona com agentes paralelos. O Carbon atua como coordenador, enquanto o Hydrogen gerencia os agentes executores e os agentes verificadores. Eles criam e testam alterações ao mesmo tempo, em espaços de trabalho isolados. Segundo o Google, isso acelera a entrega de projetos complexos sem aumentar o gasto com tokens.

Existem quatro níveis de raciocínio: low, medium, high (padrão) e o novo xhigh. Quanto maior o nível, mais profundamente o modelo pensa e mais tempo o usuário espera. Você paga apenas pela profundidade que a tarefa exige.

Agentes, documentos e onde o modelo está disponível

No Agent Arena, em arena.ai, o Hydrogen ocupa o quinto lugar. Na sua categoria, lidera no HLE-Diamond (58,8%) e no AutomationBench-AA. Também ocupa o primeiro lugar no Vals Tax Agent Bench (52,3%) e divide o primeiro lugar no Vals Legal Research Bench (55,8%). No novo teste Multimodal Knowledge Agent, alcançou 53,4%, e no Agents’ Last Exam v1.1, 71,6%. Ele consegue transformar PDFs, planilhas, diagramas, áudios e vídeos em relatórios com links para as fontes.

A LatchBio, no teste Antibody Development, informou que no bloco de toxicologia e segurança o Hydrogen acertou 67% das tentativas, contra 37% do melhor modelo fora da família Gemini, gastando cerca de 13 minutos por tarefa.

O modelo está disponível no Google AI Studio, na Gemini API, no Gemini para empresas, no app Gemini e na Busca do Google. Assinantes pagos dos planos AI Pro e Ultra o recebem no Google Antigravity.

A conclusão prática é simples. Se o seu agente gasta muitos tokens em trabalho repetitivo, como ajustes, testes e leitura de repositórios, vale testar o Hydrogen como executor principal. Decisões arquiteturais complexas e depuração difícil são melhores para o modelo sênior. Como os benchmarks foram reunidos pelo próprio Google, antes de migrar execute o modelo em tarefas suas e compare a taxa de conclusão, o tempo e a fatura de tokens.

História

Perguntas frequentes sobre a notícia

O que mudou em relação ao Gemini 3.8 Flash?

Para as equipes que usam o Gemini 3.8 Flash, o Hydrogen representa uma atualização importante. No nível de raciocínio alto padrão, ele executa tarefas 2,5 vez mais rápido. O número de afirmações inventadas, ou seja, casos em que o modelo fabrica fatos, caiu mais de cinco vezes. Além disso, ele lida melhor com erros de chamada de ferramentas e com resultados de busca vazios.

O que se sabe sobre Orchestrator: o modelo grande decide, o pequeno executa?

A parte mais prática do lançamento é o Orchestrator no Google Antigravity. Ele alterna sozinho entre modelos dentro da mesma sessão, por exemplo entre o Carbon e o Hydrogen. É como uma equipe em que o arquiteto toma as decisões complexas, enquanto o executor escreve o código e roda os testes. No Terminal-Bench 4.0, o Orchestrator quase igualou o Carbon na proporção de tarefas concluídas. Ao mesmo tempo, consumiu em média 24% menos cota e trabalhou 19% mais rápido. O esquema também funciona com agentes paralelos.

O que se sabe sobre Agentes, documentos e onde o modelo está disponível?

No Agent Arena, em arena.ai, o Hydrogen ocupa o quinto lugar. Na sua categoria, lidera no HLE-Diamond (58,8%) e no AutomationBench-AA. Também ocupa o primeiro lugar no Vals Tax Agent Bench (52,3%) e divide o primeiro lugar no Vals Legal Research Bench (55,8%). No novo teste Multimodal Knowledge Agent, alcançou 53,4%, e no Agents’ Last Exam v1.1, 71,6%. Ele consegue transformar PDFs, planilhas, diagramas, áudios e vídeos em relatórios com links para as fontes.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ 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
O que você acha?
Carregando comentários…