Gemini 4 Hydrogen 기술 사양
| 사양 | 세부정보 |
|---|---|
| 개발사 | Google DeepMind |
| 모델 ID | gemini-4-hydrogen |
| 출시일 | November 12, 2026 |
| 모델 패밀리 | Gemini 4 |
| 모델 기반 | Gemini 4 Carbon에서 파생 |
| 입력 모달리티 | 텍스트, 이미지, 오디오, 비디오 |
| 출력 모달리티 | 텍스트 |
| 컨텍스트 윈도우 | 1,048,576 토큰(통합 입력/출력) |
| 기본 동기 출력 | 65,536 토큰 |
| 확장 출력 | 지원되는 long-decode 워크플로를 통해 최대 1M 토큰 |
| 사고 레벨 | Low, Medium, High, XHigh |
| 지식 컷오프 | March 2026 |
| API 가용성 | Gemini API, GenerateContent, Interactions API, Chat Completions 호환성 |
Gemini 4 Hydrogen란?
Gemini 4 Hydrogen은 Google DeepMind가 개발하고 Gemini 4 Carbon에서 파생된 멀티모달 AI 모델입니다. 모든 작업에서 가능한 가장 심층적인 추론을 우선시하기보다는, 빠른 실행、코딩、디버깅、에이전트형 워크플로에 최적화되어 있습니다. 독립적으로 작동할 수도 있고, Carbon과 같은 더 발전된 모델과 함께 워커 또는 검증기 모델로도 사용할 수 있습니다.
특히 중요한 차이는 Hydrogen이 단순한 경량 챗봇이 아니라는 점입니다. 의도된 적용 분야에는 리포지토리 수준 코딩, 다단계 리서치, 데이터 분석, 대화형 웹 개발, 멀티모달 문서 처리 등이 포함됩니다.
Gemini 4 Hydrogen의 주요 기능
1. 빠른 에이전트형 코딩과 리포지토리 디버깅
Hydrogen은 이슈 해결, 디버깅, 코드베이스 탐색, 리포지토리 수준의 질의응답을 포함한 반복적 소프트웨어 개발 작업을 처리하도록 설계되었습니다. 파일 읽기와 검색 작업을 병렬로 배치 실행할 수 있어, 에이전트가 대규모 코드베이스를 더 효율적으로 검사하도록 돕습니다.
Google은 Terminal-Bench 4.1에서 57%의 점수를 보고했으며, Gemini 3.8 Flash는 18.2%였습니다. 또한 기본 High 사고 레벨에서 Hydrogen이 3.8 Flash보다 작업을 2.5배 더 빠르게 완료했다고 보고했습니다. 이는 Google이 보고한 결과일 뿐, 독립적으로 통제된 비교가 아닙니다.
2. 구성 가능한 네 가지 사고 레벨
Hydrogen은 네 가지 사고 레벨을 지원합니다:
- Low: 단순한 작업에 더 빠른 응답.
- Medium: 추론 깊이와 지연 시간의 균형.
- High: 더 까다로운 작업을 위한 기본 설정.
- XHigh: 복잡한 문제를 위한 더 깊은 추론.
이를 통해 개발자는 모든 요청에 동일한 추론 구성을 쓰는 대신, 작업 복잡도에 따라 추론 강도를 조절할 수 있습니다.
3. 네이티브 멀티모달 이해
Hydrogen은 텍스트, 이미지, 오디오, 비디오를 입력으로 받습니다. 통합 컨텍스트 윈도우 안에서 복잡한 문서, 스프레드시트, 차트, 녹화된 비디오 및 기타 멀티모달 자료를 처리할 수 있습니다.
이는 여러 파일 형식에서 정보를 추출해 구조화된 보고서나 산출물로 전환해야 하는 지식 작업 에이전트에 유용합니다.
4. 백만 토큰 통합 컨텍스트 윈도우
Hydrogen은 입력과 출력이 공유되는 최대 1,048,576 토큰의 통합 컨텍스트 윈도우를 지원합니다. 표준 동기 출력 한도는 65,536 토큰이며, 지원되는 백그라운드 또는 연속 워크플로를 통해 출력은 남은 컨텍스트 용량까지 확장할 수 있습니다.
이는 대규모 리포지토리, 장문 문서, 다단계 에이전트 워크플로를 처리하는 데 특히 유용합니다.
5. 효율적인 멀티모델 에이전트 워크플로
Hydrogen의 가장 흥미로운 활용 중 하나는 최전선 모델과 함께 작업하는 것입니다.
예를 들어, Carbon은 복잡한 코딩 작업을 조정하고 아키텍처 결정을 내리는 동안, Hydrogen은 병렬 구현, 테스트, 검증을 담당합니다. Google's Antigravity Orchestrator 평가에 따르면, 이 접근 방식은 Terminal-Bench 4.0에서 Carbon에 근접한 작업 성공률을 보이는 동시에, 평균적으로 24% 적은 쿼터를 사용하고 19% 더 빠르게 작업을 완료했습니다.
Gemini 4 Hydrogen 벤치마크 성능
Google의 2026년 11월 모델 카드에는 다음과 같은 결과가 보고되어 있습니다:
| 벤치마크 | Gemini 4 Hydrogen | Claude Sonnet 5.5 | GPT-6.1 Terra |
|---|---|---|---|
| SWE-sweep | 13.5% | 3.1% | 5.8% |
| Terminal-Bench 4.1 | 57.0% | 63.9% | — |
| Agents' Last Exam v1.1 | 71.6% | 60.4% | 69.8% |
| AutomationBench-AA | 76.1% | 71.8% | 60.2% |
| OSWorld-2.1 | 77.6% | 83.9% | 74.2% |
| Multimodal Knowledge Agent (MKA) | 53.4% | 52.0% | 43.8% |
| HLE-Diamond | 58.8% | 53.3% | 47.3% |
편집자 주: 이러한 수치는 공개된 모델 페이지에서 벤치마크 정의와 평가 조건과 함께 제시되어야 합니다. 이를 보편적인 순위로 제시하는 것은 피하십시오: Hydrogen이 일부 작업에서는 앞서지만 모든 벤치마크에서 선도하는 것은 아닙니다.
Gemini 4 Hydrogen vs. Gemini 4 Carbon vs. Gemini 4 Argon
Google은 세 모델을 서로 다른 워크로드 우선순위에 맞게 포지셔닝합니다:
| 구분 | Gemini 4 Hydrogen | Gemini 4 Argon | Gemini 4 Carbon |
|---|---|---|---|
| 주요 역할 | 빠른 실행 | 효율적인 프런티어 추론 | 최고급 프런티어 추론 |
| 주요 초점 | 일상적 코딩 및 에이전트 워크플로 | 복잡한 코딩, 수학, 과학, 에이전트 작업 | 어려운 장기 호라이즌 추론 |
| 모델 계보 | Carbon에서 파생 | Gemini 4 패밀리 | Gemini 4 패밀리 |
| 컨텍스트 윈도우 | 1M 토큰 | 1M 토큰 | 1M 토큰 |
| 기본 동기 출력 | 64K | 65K | 65K |
| 백그라운드 long decode | 최대 1M | 최대 1M | 최대 1M |
| 입력 모달리티 | 텍스트, 이미지, 오디오, 비디오, PDF | 텍스트, 이미지, 오디오, 비디오, PDF | 텍스트, 이미지, 오디오, 비디오, PDF |
Hydrogen 대 Carbon
Hydrogen은 Carbon에서 파생되었지만, Google의 포지셔닝에 따르면 두 모델의 역할은 다릅니다. Carbon은 가장 어려운 추론과 지식 작업 문제를 대상으로 하며, Hydrogen은 더 빠른 실행과 일상적인 에이전트형 작업에 최적화되어 있습니다.
유용한 아키텍처는 복잡한 계획과 어려운 결정을 Carbon에 맡기고, 반복적인 실행과 점진적 작업은 Hydrogen에 위임하는 방식입니다.
Hydrogen 대 Argon
Argon은 Google의 효율적인 프런티어 추론 모델이고, Hydrogen은 빠른 실행에 초점을 맞추고 있습니다. 따라서 구분은 단순히 "더 강함 대 더 약함"이 아니라, 워크플로에 얼마나 많은 추론이 필요한지와 작업을 얼마나 신속히 완료해야 하는지에 관한 문제입니다.