Byg med CometAPIHar du brug for én API til flere modeller?Test workflowet i Playground, og opret derefter en API-nøgle, når model og pris passer til dit brugsscenarie.
Gemini 4 Hydrogen er Googles eksekveringsfokuserede model til udviklere, der bygger kodeassistenter, dokumentarbejdsgange og agenter. Den kombinerer et delt kontekstbudget på én million tokens med fire ræsonneringsindstillinger, så hastighed, opgavekvalitet og omkostninger kan justeres inden for én model. Dens hovedattraktion er at løse praktiske opgaver effektivt; den rigtige indstilling afhænger af, hvor meget ræsonnering din applikation faktisk behøver.
Key Takeaways
Gemini 4 Hydrogen er målrettet iterativ kodning, fejlfinding og værktøjsdrevet eksekvering, enten alene eller sammen med en planlægningsmodel.
Dets kontekstbudget på 1,048,576 tokens deles mellem input, ræsonnering, værktøjskald og det endelige svar.
LOW, MEDIUM, HIGH og XHIGH tilbyder forskellige profiler for kvalitet, latenstid og omkostninger; HIGH er standard.
Tekst, billeder, lyd, video og understøttede kontordokumenter kan være input; genereret output er tekst.
Modelkortet angiver, at Hydrogen er tilpasset fra Gemini 4 Carbon. Det fastslår modellens afstamning, men beskriver ikke i sig selv alle arkitektoniske eller træningsmæssige ændringer. For udviklere er den nyttige sondring dens fokus på hurtig eksekvering på tværs af gentagne rettelser, værktøjskald og verifikation.
What Are the Main Features of Gemini 4 Hydrogen?
Fast Coding, Debugging, and Repository Work
Hydrogen er designet til repository-arbejde: finde en fejl, ændre de relevante filer, køre tests og kontrollere resultatet. Google rapporterer, at Gemini 4 Hydrogen fuldfører benchmarkede opgaver 2.5 gange hurtigere end Gemini 3.8 Flash på standardindstillingen HIGH. Det henviser til opgavefuldførelsesydelse i Googles evaluering, ikke en universel 2.5x reduktion i API-svarlatenstid. Faktiske resultater afhænger af promptlængde, værktøjseksekvering, opgavens kompleksitet og applikationens arbejdsgang, sammen med en stigning i Terminal-Bench 4.1 fra 18.2% til 57.0%. Dette er lanceringsevalueringer, ikke en garanti for enhver codebase.
Parallellæsninger og -søgninger i filer kan hjælpe en agent med at inspicere uafhængige dele af et repository før redigering. I praksis afhænger udbyttet af værktøjerne, opgaveafhængighederne og hvor meget arbejde der sikkert kan køre parallelt.
Four Adjustable Thinking Levels
Hydrogen understøtter fire ræsonneringsniveauer: LOW, MEDIUM, HIGH og XHIGH. HIGH er standard. Indstillingen styrer, hvor meget ræsonnering modellen anvender, før den producerer et svar, og påvirker derfor opgavekvalitet, svartid og forbrug af outputtokens.
Ræsonneringsniveau
Artificial Analysis Index
Omkostning pr. indeksopgave
Tid pr. indeksopgave
LOW
27
$0.29
1.3 min
MEDIUM
41
$0.80
3.7 min
HIGH (standard)
51
$1.87
8.3 min
XHIGH
54
$3.16
ca. 13 min
Disse Artificial Analysis Intelligence Index-målinger er et øjebliksbillede pr. 13. november 2026 af benchmarkopgaver, ikke omkostning eller latenstid for et almindeligt API-kald. Indeksscorer, arbejdsbelastningsmix og udbyderpræstation kan ændre sig; brug samme benchmarkversion og ræsonneringsniveau ved sammenligning af resultater.
Den største praktiske beslutning er ofte mellem MEDIUM og HIGH, ikke mellem HIGH og XHIGH. At gå fra HIGH til XHIGH tilføjer kun tre point på Artificial Analysis Intelligence Index, samtidig med at den målte opgaveomkostning stiger fra $1.87 til $3.16. For agentarbejdsmængder i stor skala bør den ekstra ræsonneringsindsats retfærdiggøres af en målbar forbedring i opgavefuldførelseskvaliteten.
Det praktiske mønster er klart: LOW er egnet til ligefremme opgaver, hvor hastighed betyder mest; MEDIUM er en nyttig interaktiv indstilling; HIGH er en stærk standard til kodning og agenteksekvering; XHIGH bør forbeholdes opgaver, hvor den ekstra ræsonnering materielt forbedrer resultatet.
Googles lanceringsdiagram afbilder AA Index 5.0.1-score mod opgavetid. Det er et fast øjebliksbillede ved lancering; dets tidsværdier bør ikke behandles som en løbende service-level-forpligtelse.
Multimodal Knowledge Work and Office Documents
Google dokumenterer PDF-, Microsoft Office- og OpenDocument-input sammen med tekst, billeder, lyd og video. En applikation kan kombinere et regneark, en rapport, skærmbilleder og et mødeoptagelse og derefter returnere en skriftlig analyse eller et struktureret resultat.
Hydrogen returnerer tekst frem for genererede billeder, lyd eller video. Agentisk videoforståelse er tilgængelig, men er deaktiveret som standard; aktiver den bevidst, når arbejdsgangen kræver aktiv videobehandling.
Tool Calling, Grounding, and Computer Use
Function calling, kodeeksekvering, URL-kontekst, computerbrug og grounding forbinder modelbesvarelser til eksterne værktøjer og evidens. Vælg værktøjer til den API-overflade, du bruger: en modelkapabilitet i sig selv konfigurerer ikke legitimationsoplysninger, værktøjstilladelser eller applikationsfunktioner.
Tjek Googles matrix over understøttede funktioner, før du genbruger en eksisterende integration. Hydrogen understøtter ikke RAG Engine eller model tuning, og dets caching-arbejdsgang bruger implicitte i stedet for eksplicitte cachede indholdsressourcer.
Læs hver række under dens angivne evalueringsindstilling: Terminal-Bench 4.1 er justeret for snyd; OSWorld-2.1 bruger offline-delmængden; MKA rapporterer Climb WSR accuracy; og Vending-Bench 2 rapporterer simuleret kontosaldo, ikke procentuel nøjagtighed. En tankestreg betyder, at der ikke gives et resultat i denne sammenligning. Modelkortets resume angiver ikke et komplet pr.-model-harness, værktøjsbudget eller hardwarekonfiguration, så disse resultater fastlægger ikke latens eller omkostninger under ens betingelser via API.
Hydrogen har den højeste viste score i syv af de ti rækker, herunder Chartography. Sonnet 5.5 fører Terminal-Bench 4.1, OSWorld-2.1 og Terminal-Bench-Science 0.1. Disse forskelle taler for at vælge evalueringer, der ligner din arbejdsbelastning, frem for at behandle én model som den universelle vinder.
Googles oprindelige lanceringssammenligning bevarer benchmarketiketterne og evalueringsnoterne. Tallene er leverandørrapporterede resultater, ikke uafhængige målinger udført til denne artikel.
Gemini 4 Hydrogen vs Gemini 4 Carbon, Gemini 4 Argon, and Gemini 3.8 Flash
Den mest nyttige sammenligning er ikke blot, hvilken model der har den højeste score. Udviklere bør overveje opgavekvalitet, latenstid, omkostning pr. fuldført opgave, kontekstkrav og om modellen kan bruge de værktøjer, som deres applikation behøver.
Tabellen sammenligner driftsroller frem for udokumenterede arkitekturdetaljer. Google identificerer Hydrogen som tilpasset fra Carbon; modelfamilienavne alene fastlægger ikke identiske interne forhold eller udskiftelig API-adfærd.
Carbon og Argon: $2 / $10 promoveret effektiv sats til og med 30. nov. 2026; $4 / $20 fra 1. dec. 2026
$0.75 / $3.75 promoveret effektiv sats til og med 31. dec. 2026; $1.50 / $7.50 fra 1. jan. 2027
Bedste valgregel
Vælg når throughput og disciplineret eksekvering er vigtig
Vælg når opgaven kræver den stærkeste ræsonnering
Behold til eksisterende lavomkostnings-arbejdsgange, indtil migration er berettiget
Googles kampagneprisbetingelser giver de angivne rabatter via 50% kreditter tilbage på berettiget nettospend. De midlertidige effektive satser ovenfor bør ikke læses som en ubetinget reduktion af alle fakturerede gebyrer. Satser er USD pr. million input-/outputtokens.
For en Gemini 3.8 Flash-migration er den vigtigste integrationsændring det delte input-/outputbudget. Hydrogen ændrer også standarder for ræsonnering og caching-adfærd, så en ren model-ID-udskiftning er ikke en komplet migration. Sammenlign accepterede opgaveløsninger, retrys og det samlede tokenforbrug, før du erstatter en fungerende implementering.
Carbon og Argon er fortsat nyttige planlægningsmuligheder for vanskeligt, tvetydigt arbejde. En praktisk arbejdsdeling er at tildele en afgrænset implementeringsopgave til Hydrogen og eskalere uløste beslutninger. Googles Orchestrator-evaluering på Terminal-Bench 4.0 rapporterede næsten-Carbon opgavesucces med 24% mindre kvote og 19% hurtigere fuldførelse; dette er et multimodelsystemsresultat og bør ikke tilskrives Hydrogen alene.
Where Can You Access Gemini 4 Hydrogen?
Official Google Access
Du kan prøve Gemini 4 Hydrogen i Google AI Studio og bygge applikationer med Gemini API. Til projektbaserede virksomhedsimplementeringer bruges Gemini Enterprise Agent Platform med den godkendelse og opsætning, der er beskrevet i Googles Hydrogen-udviklerguide. Model-ID er gemini-4-hydrogen.
Til hverdagsbrug er Hydrogen også tilgængelig via Gemini-appen og Google Søgning. Udviklere med berettigede betalte Google AI-abonnementer kan bruge den i Google Antigravity. Vælg en API-rute, når du skal integrere modellen i din egen applikation, og en Google-grænseflade, når du vil arbejde med den direkte.
CometAPI Access
Du kan også få adgang til Gemini 4 Hydrogen API i CometAPI. Dette giver udviklere en CometAPI-adgangsvej til at tilføje Hydrogen til deres applikationer sammen med andre understøttede modeller. Brug din CometAPI-konto og API-nøgle, og følg integrationsinstruktionerne for det understøttede forespørgselsformat.
How Much Does Gemini 4 Hydrogen Cost?
Tabellen sammenligner Google Cloud Global endpoint-satser med Gemini 4 Hydrogen API i CometAPI. Priserne er i USD pr. million tokens pr. 13. november 2026. CometAPIs standardinput- og outputsatser er 20% under Googles Global Standard-satser; outputgebyrer inkluderer både ræsonneringstokens og det endelige svar.
Udbyder / serviceniveau
Input / 1M tokens
Output / 1M tokens
Cachet input / 1M tokens
CometAPI-besparelse vs Google Standard / 1M tokens
Google Standard PayGo
$1.50
$7.50
$0.075
Baseline
CometAPI
$1.20
$6.00
—
Input: $0.30; output: $1.50 (20% hver)
Google Priority PayGo
$2.70
$13.50
$0.135
Andet serviceniveau
Google Batch
$0.75
$3.75
$0.0375
Andet serviceniveau
De 20% rabat sammenligner kun standard input- og outputforbrug. Googles Priority-, Batch- og cachet-inputsatser vises separat og danner ikke grundlag for den rabat. Tankestregen betyder, at en CometAPI-sats for cachet input ikke er angivet her, snarere end at cacheread er gratis.
Ikke-globale Standard-priser er $1.65 pr. million inputtokens og $8.25 pr. million outputtokens. Satser for cachet input henviser til cachereads. Pris for cachewrite er planlagt til at træde i kraft 12. januar 2027 og er udeladt af eksemplet nedenfor.
Gemini 4 Hydrogen API Cost Example
Dette eksempel antager én forespørgsel med 100,000 fakturerbare inputtokens og 20,000 fakturerbare outputtokens, inkl. evt. ræsonneringstokens, uden cachedrabatter eller separat fakturerede værktøjer.
Den samme arbejdsbyrde koster $0.24 via CometAPI: $0.12 for input plus $0.12 for output, hvilket sparer $0.06 (20%) i forhold til Google Global Standard. Google Batch ville koste ca. $0.15 og Priority $0.54 på deres respektive satser, før eventuelle separat fakturerede værktøjer. Faktisk forbrug afhænger af promptlængde, brug af ræsonneringstokens, værktøjskald og serviceniveau.
Grounding-satserne inkluderer 5,000 Google Search-groundingforespørgsler pr. måned delt mellem Gemini 3 og Gemini 4 og derefter $14 pr. 1,000 forespørgsler. Google Maps har sin egen angivne kvote på 5,000 forespørgsler og samme sats for overskydende forespørgsler. Én brugerprompt kan generere flere fakturerbare forespørgsler.
What Are the Limitations of Gemini 4 Hydrogen?
It Can Still Hallucinate or Refuse Benign Requests
Googles modelkort identificerer hallucinationer og rapporterer en stigning på 5.57 procentpoint i uberettigede afvisninger i forhold til Gemini 3.8 Flash i dets automatiserede sikkerhedsevaluering. Det tal vedrører harmløse eller grænsetilfælde-prompter i en bestemt test; det er ikke afvisningsraten for al produktionstrafik. Brug aktuelle kilder til faktuelle opgaver, og evaluer både forkerte svar og unødvendige afvisninger på dine egne input.
Short-Term GA Lifecycle
Hydrogen er en kortvarig generelt tilgængelig udgivelse med en minimumspolitik for 45 dages udfasningsvarsel. Hold modellen konfigurerbar, og planlæg, hvordan du evaluerer en erstatning. Varslingspolitikken er ikke et løfte om, at et bestemt endpoint forbliver tilgængeligt på ubestemt tid.
Conclusion
Start med et lille evalueringssæt hentet fra din faktiske arbejdsbelastning: en kodeændring, der skal bestå tests, en dokumentopgave med verificerbare svar og en værktøjssekvens med klare succeskriterier. Registrer fuldførelseskvalitet, forløbet tid, retrys og det samlede antal fakturerede tokens. Adopter Hydrogen, hvor det forbedrer disse resultater, og behold en fallback til tilfælde, den ikke håndterer pålideligt. Det omsætter en lovende lanceringssammenligning til en implementeringsbeslutning, du kan forsvare.
FAQ
How Can I Recover an Interrupted Gemini 4 Hydrogen Long Decode?
Med et kompatibelt Python SDK kan en afbrudt fortsættelse eksponere delvist output og et fortsættelsestoken via ContinuationInterruptedError. Bevar den tilstand, og følg proceduren for gendannelse af lang dekodning for din API-overflade. At gentage den oprindelige forespørgsel fra bunden kan gentage arbejde og omkostninger; fuldførte segmenter kan allerede være blevet faktureret.
How Should I Organize Gemini 4 Hydrogen Prompts for Caching?
Anbring stabile instruktioner og delt referencemateriale i begyndelsen, med skiftende brugerinput senere. Den dokumenterede tærskel for implicit cache er 4,096 tokens. Genbrug af et præfiks kan forbedre cache-berettigelse, men faktiske besparelser afhænger af cache-hits og faktureret forbrug; antag ikke, at hver gentaget prompt får prisen for cachet input.
How Can I Make Gemini 4 Hydrogen Agent Results Easier to Verify?
Giv hvert værktøj et snævert formål, og definér en observerbar fuldførelsesbetingelse, før modellen starter. For en repository-redigering: kræv de relevante tests og inspicér diffen; for dokumentekstraktion: valider output mod et schema og bevar den understøttende passage. Evaluer det endelige artefakt og værktøjsevidensen frem for at acceptere en selvsikker fuldførelsesmeddelelse som bevis.
