Google hat Gemini 4 Hydrogen vorgestellt, ein Modell für die schnelle Ausführung von Recherche-, Coding- und Dokumentenaufgaben. Es steht auf mehreren Google-Produkten bereit und kostet laut Google 1,50 US-Dollar pro Million Eingabe-Token und 7,50 US-Dollar pro Million Ausgabe-Token. Die von Google angegebenen Vorteile bei Geschwindigkeit und Quota in Multi-Modell-Workflows sind Eigenangaben des Unternehmens, keine unabhängig geprüften Ergebnisse.
Hydrogen leitet sich von Gemini 4 Carbon ab, ist jedoch auf die schnelle Ausführung alltäglicher Aufgaben und agentischer Workflows ausgelegt. Google stellt das Modell über die Gemini API, AI Studio, Gemini for Business, die Gemini-App und Google Search bereit. In Antigravity ist es Abonnenten von Google AI Pro und Ultra zugänglich. In Google Sheets sind die auf dem Modell basierenden Gemini-Funktionen für geeignete Abonnements ab den Plänen Pro und Ultra vorgesehen. Die Ankündigung erfolgte am 12. November, die Google-Seite wurde am 13. November aktualisiert.
Preise und Verfügbarkeit
Der API-Preis beträgt laut Google 1,50 US-Dollar pro Million Eingabe-Token und 7,50 US-Dollar pro Million Ausgabe-Token. Google gibt an, dass der Tarif über das gesamte Kontextfenster von einer Million Token konstant bleibt.
Die angegebene Verfügbarkeit ist breit gefächert, doch bieten die einzelnen Kanäle nicht in allen Ländern und für alle Konten dieselben Funktionen zu denselben Bedingungen. Der Zugang zu Hydrogen in Antigravity hängt beispielsweise vom gewählten Plan ab, während Google für Search eine Verfügbarkeit für alle Nutzer angibt. Das Unternehmen stellt nicht sicher, dass jede Funktion gleichzeitig in jedem Land oder Account verfügbar ist.
Google präsentiert Hydrogen auch als Engine für Dokument- und Datenaufgaben: Die Model Card nennt Text-, Bild-, Audio- und Video-Eingaben mit einem Kontextfenster von bis zu einer Million Token. In Google Sheets zeigt Google den Einsatz des Modells für den Aufbau interaktiver Modelle auf Basis von Finanzdaten und Prognose-Szenarien.
Orchestrator koordiniert verschiedene Modelle
Die für die professionelle Automatisierung relevanteste Neuerung ist Orchestrator, eine Funktion von Google Antigravity, die während einer einzelnen Sitzung zwischen verschiedenen Modellen wechseln kann. Im von Google beschriebenen Workflow kann ein leistungsstärkeres Modell wie Carbon die Planung übernehmen, während Hydrogen ausführende Aufgaben oder Prüfschritte erledigt. Die Agenten können dabei parallel in isolierten Arbeitsbereichen arbeiten.
In den vom Unternehmen kommunizierten Tests auf Terminal-Bench 4.0 erzielte Orchestrator laut Google Erfolgsergebnisse nahe an Carbon, verbrauchte dabei im Durchschnitt 24 % weniger Quota und schloss Aufgaben 19 % schneller ab. Diese Ergebnisse beziehen sich auf einen spezifischen Benchmark, den Google selbst durchgeführt hat. Der Quota-Wert entspricht keiner universellen Kostensenkung von 24 % in Geldeinheiten.
Google berichtet zudem, dass Hydrogen im Vergleich zu Gemini 3.8 Flash bestimmte Aufgaben 2,5-mal schneller abgeschlossen hat und auf Terminal-Bench 4.1 einen Wert von 57 % erreichte, gegenüber 18,2 % beim Vorgängermodell. Das Unternehmen erklärt außerdem eine mehr als fünffache Reduzierung von Halluzinationen im eigenen Vergleich. Diese Messwerte hängen von den gewählten Aufgaben, Einstellungen und Testmethoden des Anbieters ab und beschreiben nicht automatisch die Leistung in jedem Unternehmenseinsatz.
Search erhält das neue Modell
Google gibt an, Hydrogen weltweit in Search integriert zu haben. Das Unternehmen schreibt dem Modell eine verbesserte Verarbeitung komplexer Fragen, die gleichzeitige Suche nach mehreren Aspekten sowie strukturierte Antworten mit Bildern, Tabellen und Links zu. Die Integration betrifft auch Nutzer, die weder Software entwickeln noch Agenten aufbauen, da das Modell in ein weit verbreitetes Suchprodukt eingebunden wird.
Die Verfügbarkeit des Modells in Search bedeutet allerdings nicht, dass jede Antwort korrekt ist oder dass die Suche vollständig automatisiert abläuft. Die Model Card von Google weist auf mögliche Halluzinationen, Verlangsamungen und Timeouts hin und ergänzt, dass der Token-Verbrauch insbesondere auf höheren Reasoning-Ebenen steigen kann.
Das schnelle Modell als operative Kraft
Unsere Einschätzung: Google verlagert den Wert vom Einsatz eines einzelnen Modells hin zur Verteilung von Aufgaben auf mehrere Modelle. In dieser Logik kann das leistungsstärkere Modell den Plan definieren, während ein schnelleres Modell Recherchen durchführt, Materialien erstellt, Dateien prüft oder Verifikationsschritte wiederholt. Das Versprechen lautet, die teurere Kapazität nur dort einzusetzen, wo sie gebraucht wird. Die tatsächlichen Einsparungen hängen jedoch vom konkreten Arbeitsaufwand und der Anzahl der Schritte ab.
Für Unternehmen sind API-Preise, Reasoning-Level und Produktzugang überprüfbare Größen. Die von Google angeführten operativen Vorteile müssen hingegen erst in realen Prozessen bewertet werden. Unabhängige Daten zu den Gesamtkosten von Multi-Agenten-Workflows, einschließlich Fehler, manueller Prüfungen und etwaiger Wiederholungen von Aufgaben, wurden bislang nicht veröffentlicht.
