Présentation du modèle Hydrogen

Google a annoncé Gemini 4 Hydrogen, le troisième modèle de la série Gemini 4. Selon l’entreprise, Hydrogen se positionne comme une version à moindre coût tout en affichant de meilleures performances que le modèle Argon sur l’Artificial Analysis Intelligence Index (AAII). Au niveau de pensée « high » par défaut, Hydrogen obtient 51 points contre 50 pour Argon ; le nouveau niveau « xhigh » porte le score à 54.

Le lancement a été immédiat : contrairement à Argon, qui a d’abord été testé pendant deux semaines avec le programme Fairwind, Hydrogen a été rendu accessible à tous dès le jour même, y compris aux utilisateurs de la version gratuite de l’application Gemini.

Performances et benchmarks

Sur le benchmark Terminal‑Bench 4.1, qui mesure l’efficacité des tâches en ligne de commande, Hydrogen atteint un score de 57 %, soit plus de trois fois le 18,2 % du modèle précédent. En comparaison avec Gemini 3.8 Flash, Hydrogen réalise les mêmes tâches 2,5 fois plus rapidement au réglage par défaut.

L’outil Orchestrator, intégré à Antigravity, alterne entre Hydrogen et Gemini 4 Carbon pendant une session. Les tests de Google sur Terminal‑Bench 4.0 montrent qu’Orchestrator réduit la consommation de quota d’environ 24 % tout en conservant un taux de réussite proche de celui de Carbon.

Architecture, tarification et déploiement

Koray Kavukcuoglu, responsable de DeepMind, décrit Hydrogen comme « construit pour une exécution rapide ». Le modèle introduit le niveau de pensée « xhigh », qui augmente la capacité de raisonnement sans multiplier les paramètres. Il est disponible via l’API Gemini, Google AI Studio, la recherche Google et, pour les abonnés payants, dans Antigravity.

Le prix est fixé à 1,50 $ par million de tokens d’entrée et 7,50 $ par million de tokens de sortie, sur une fenêtre contextuelle de 1 million de tokens. Argon, en revanche, coûte 2 $/1 M d’entrée et 10 $/1 M de sortie jusqu’au 30 novembre, puis passe à 4 $ et 20 $ respectivement.

Implications et limites

Les premiers retours d’utilisateurs, dont l’ancien scientifique d’OpenAI Andrew Carr, soulignent que Hydrogen a identifié deux problèmes bloquants en dix jours de travail. Cette capacité à détecter rapidement des impasses peut accélérer les cycles de développement, surtout dans les startups comme Discovery Loop.

Le modèle reste soumis aux mêmes contraintes de biais et de consommation énergétique que les autres Gemini 4. L’absence de phase Fairwind pourrait limiter la collecte de retours de sécurité avant le déploiement large, un point à surveiller pour les applications critiques.