Gemini 4 Hydrogen: что новая модель Google меняет для ИИ-агентов

ИИ 7 мин чтения

---

Google выпустила Gemini 4 Hydrogen: модель, которая занимает иную нишу, чем её «сёстры» Carbon и Argon. Если те заточены под глубокое и длительное рассуждение, Hydrogen строится вокруг скорости, точности и экономии ресурсов. Для тех, кто уже строит или планирует строить агентные рабочие процессы, это смещает практические ориентиры: не «какая модель умнее», а «какая модель быстрее справится с конкретной задачей при разумной стоимости».

Чем Hydrogen отличается от Carbon и Argon

В семействе Gemini 4 сейчас три модели с разными приоритетами. Carbon и Argon: инструменты для сложных многошаговых задач, где важна глубина рассуждений: математика, научный анализ, длинные юридические документы. Hydrogen создана для другого: быстрые итерации, правка кода, агентные сценарии, где нужно обработать запрос и двигаться дальше без долгих пауз.

По заявлению Google, Hydrogen работает в 2,5 раза быстрее Gemini 3.8 Flash: предыдущей модели, которую она заменяет в продуктах компании. При этом она более чем в пять раз реже формулирует выдуманные утверждения. Это принципиальный момент для агентных задач: агент, который галлюцинирует факты, требует постоянного контроля и сводит на нет всю экономию времени.

В бенчмарке Artificial Analysis Intelligence Index Hydrogen набирает 51 балл при стандартном уровне рассуждений и 54 при максимальном. Для сравнения: Argon при стандартном уровне показывает 50 баллов. То есть Hydrogen не просто быстрее, она при определённых настройках обходит более «тяжёлую» модель по качеству ответов.

Отдельная метрика: Terminal-Bench, тест на выполнение задач в терминале. Hydrogen подняла результат до 57%, что важно для сценариев автоматизации, где агент работает с командной строкой, скриптами и репозиториями.

Как устроена модель технически

Контекстное окно Hydrogen составляет 1 048 576 токенов (это примерная оценка: точный эквивалент в словах зависит от языка и типа текста). Это единый лимит: в него входят входные данные, рассуждения модели и итоговый ответ. При стандартном синхронном запросе максимальный вывод ограничен 65 536 токенами, но через режим long decode можно задействовать почти весь доступный лимит.

Модель поддерживает четыре уровня рассуждений: low, medium, high и xhigh. По умолчанию установлен high это баланс между скоростью и качеством. Уровень xhigh нужен для задач, где важна максимальная точность, но он увеличивает время ответа и расход токенов. Уровень low даёт наибольшую скорость при минимальных затратах, подходит для простых классификаций или фильтраций.

Для кэширования контекста Hydrogen использует только неявное кэширование с минимальным объёмом 4 096 токенов. Явное кэширование не поддерживается это нужно учитывать при проектировании архитектуры агентов, которые работают с длинным контекстом в нескольких последовательных запросах.

Модель принимает текст, изображения, видео, аудио и PDF. На выходе: только текст. Идентификатор модели в API: gemini-4-hydrogen.

Orchestrator: как Carbon и Hydrogen работают вместе

Google запустила Orchestrator в Antigravity: инструмент, который автоматически распределяет задачи между Hydrogen и Carbon. Логика простая: Orchestrator отправляет быстрые и типовые задачи Hydrogen, а сложные многошаговые Carbon. По данным Google, это ускоряет выполнение задач на 19% и снижает расход квоты на 24%.

Ещё один сценарий совместной работы: Carbon выступает координатором, а несколько Hydrogen-агентов работают параллельно, каждый в своём рабочем пространстве. Один агент вносит изменения в код, другой одновременно тестирует их. Это позволяет разбить длинный рабочий процесс на параллельные ветки и сократить общее время выполнения.

Для разработчиков это означает, что при проектировании мультиагентной системы не нужно выбирать одну модель для всех задач. Orchestrator берёт маршрутизацию на себя, но только если вы работаете в Antigravity. Если строите собственную инфраструктуру, логику распределения задач придётся реализовывать самостоятельно.

Стоимость и доступность

Цена API: $1,50 за 1 млн входных токенов и $7,50 за 1 млн выходных токенов. Эта цена единая для всего контекстного окна, нет отдельных тарифов для разных диапазонов длины контекста.

Hydrogen разворачивается в Google AI Studio, Gemini API, приложении Gemini, Google Search и корпоративных продуктах. В Google Search модель должна стать доступна всем пользователям. В приложении Gemini и AI Studio на старте доступ получают подписчики AI Pro и Ultra; пользователи AI Plus и бесплатных тарифов остаются на Gemini 3.5 Flash-Lite.

Подписчики AI Pro и Ultra также получают доступ к Hydrogen через Google Antigravity, среду для построения агентных рабочих процессов с Orchestrator.

Важный момент: в отличие от Carbon и Argon, которые выходили с поэтапным доступом, Hydrogen распространяется без длительного ожидания. Это означает, что разработчики могут начать тестирование сразу после появления модели в API.

Где Hydrogen даёт реальный прирост

Практические сценарии, для которых модель создавалась:

• Итеративная работа с кодом: правка ошибок, рефакторинг отдельных функций, ответы на вопросы по кодовой базе без переработки всего файла.
• Агентные рабочие процессы: задачи, где агент выполняет серию шагов запрос, обработка, следующий шаг, и скорость каждого шага критична для общего времени.
• Мультимодальный анализ: обработка PDF, таблиц, аудио и видео в рамках одного запроса.
• Корпоративные агентные сценарии: по данным Google, Hydrogen использует до 23% меньше токенов в отдельных корпоративных задачах и на 81% сокращает случаи избыточного вмешательства агента в рабочий процесс.

Этот аспект часто недооценивают. Агент, который переписывает файлы, которые не нужно было трогать, или запрашивает подтверждение там, где мог действовать самостоятельно, создаёт операционный шум. Снижение таких случаев на 81% это не просто экономия токенов, это меньше ручных проверок и меньше откатов.

Что это значит для тех, кто строит агентные процессы

Если вы уже используете ИИ-агентов для рутинных задач, обработки запросов, анализа данных, работы с документами: появление Hydrogen меняет расчёт стоимости и скорости. Модель, которая работает в 2,5 раза быстрее предшественника и реже ошибается, позволяет обрабатывать больший объём задач за те же деньги.

Несколько практических ориентиров при переходе или тестировании:

• Начните с уровня рассуждений high (он установлен по умолчанию) и снижайте до medium или low только там, где скорость важнее точности: например, на этапе первичной фильтрации или классификации.
• Учитывайте ограничение на кэширование: если ваш агент работает с длинным системным промптом, который повторяется в каждом запросе, отсутствие явного кэширования увеличит расходы закладывайте это в архитектуру.
• Тестируйте параллельные агентные схемы: если задача делится на независимые ветки, запуск нескольких Hydrogen-агентов одновременно может сократить общее время сильнее, чем переход на более мощную одиночную модель.
• Не используйте xhigh по умолчанию: этот уровень оправдан только для задач, где цена ошибки высока. В большинстве агентных сценариев он создаёт избыточную задержку.

Для команд, которые работают с отзывами и коммуникацией на маркетплейсах, скорость и точность модели напрямую влияют на качество автоматизации. Сервисы, которые строят мультиагентные системы для автоматизации ответов на отзывы и аналитики отзывов маркетплейсов, выигрывают именно от таких характеристик: меньше галлюцинаций означает более точные ответы покупателям, а скорость обработки позволяет отвечать в режиме реального времени без накопления очереди.

Главный вывод: Hydrogen это не замена Carbon или Argon, а дополнение к ним. Правильная стратегия: использовать модели по назначению: Hydrogen для быстрых итеративных задач, Carbon или Argon для глубокого анализа. Orchestrator делает это автоматически, но если вы строите собственную инфраструктуру, логику маршрутизации стоит заложить с самого начала, это сэкономит и время, и бюджет на токены.