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
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.
- 21 de nov. de 2026Capitã de equipe de natação entregou três tarefas ao ChatGPT pela agenda e cortou a rotina em muitas vezes
- 21 de nov. de 2026Rede neural MIRA desenha Rocket League a 20 quadros por segundo, mas o ping chega a 460 ms
- 21 de nov. de 2026Google criou uma cópia fechada da internet com bancos falsos para treinar agentes de IA do Chrome
- 21 de nov. de 2026No MLPerf Training, pela primeira vez, aparecem Nvidia Rubin e TPU Ironwood: 153 sistemas
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.
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.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.