Présentation de Gemini 4 Hydrogen
Google a dévoilé Gemini 4 Hydrogen, un nouveau modèle destiné à rendre l'intelligence de pointe accessible au plus grand nombre, avec un accent sur la rapidité et l'efficacité pour le codage quotidien et les flux de travail agentiques. Il est déployé dans tous les niveaux de Google AI Studio, l'API Gemini, Gemini pour les entreprises, l'application Gemini et Google Search, ainsi que pour les abonnés payants Google AI Pro et Ultra dans Google Antigravity. Sur l'Artificial Analysis Intelligence Index, Hydrogen dépasse Gemini 4 Argon à son niveau de réflexion par défaut (51 contre 50) et atteint 54 en réglage maximal « xhigh ». Sa tarification est uniforme sur toute sa fenêtre de contexte de 1 million de jetons : 1,50 dollar par million de jetons en entrée et 7,50 dollars en sortie. Google introduit aussi Orchestrator dans Antigravity, qui bascule dynamiquement entre modèles, par exemple Carbon et Hydrogen, au sein d'une même session. Sur Terminal-Bench 4.0, il atteint un taux de réussite proche de celui de Carbon tout en consommant en moyenne 24 % de quota en moins et en finissant 19 % plus vite.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de DeepMind Blog. Lire l'article original →
Pour les équipes de développement, l'enjeu est de répartir intelligemment le travail entre modèles. Les modèles de frontière Carbon et Argon restent destinés au jugement architectural et à la résolution de bogues subtils, tandis qu'Hydrogen sert de moteur d'exécution pour écrire du code, lancer des tests et vérifier les modifications. Dans les scénarios multi-agents, Carbon peut coordonner pendant qu'Hydrogen alimente des agents ouvriers et vérificateurs travaillant en parallèle dans des espaces isolés, ce qui accélère la livraison sans faire exploser les coûts en jetons. Pour les équipes qui migrent depuis Gemini 3.8 Flash, le gain est net : tâches terminées 2,5 fois plus vite, score Terminal-Bench 4.1 multiplié par plus de trois (57 % contre 18,2 %), affirmations fabriquées divisées par plus de cinq, et meilleure adaptation quand un appel d'outil échoue ou qu'une recherche ne renvoie rien. Des partenaires ont constaté en test précoce des exécutions 2 à 2,8 fois plus rapides, avec 12 à 23 % de jetons en moins.
Les performances revendiquées couvrent plusieurs usages. Hydrogen effectue des modifications ciblées sans réécrire les fichiers non concernés, surpasse les modèles de sa catégorie sur SWE-sweep et regroupe nativement les lectures de fichiers et recherches en parallèle. Il se classe cinquième sur Agent Arena d'arena.ai, domine sa catégorie sur HLE-Diamond (58,8 %), prend la première place du Vals Tax Agent Bench (52,3 %), partage la première place du Vals Legal Research Bench (55,8 %) et mène sur AutomationBench-AA. Avec une entrée native de 1 million de jetons et jusqu'à 1 million en sortie, il synthétise PDF denses, tableurs, graphiques, audio et vidéos en rapports sourcés, et obtient 53,4 % sur le nouveau benchmark Multimodal Knowledge Agent ainsi que 71,6 % sur Agents' Last Exam v1.1. Côté web, il produit des interfaces plus fonctionnelles en moins de requêtes. Google illustre ces capacités avec Geminisland, une île de voxels partagée où chacun ajoute des structures en 3D à partir d'une seule requête, explorables à la première personne.
Les développeurs et entreprises européens peuvent adopter ce modèle via l'API Gemini et Google AI Studio, sans mesure spécifique à la France ou à l'UE.