W środę Google wprowadziło na rynek Gemini 4 Hydrogen, nowy model średniej klasy stworzony z myślą o szybkości codziennego kodowania i pracy agentowej, który natychmiast zastępuje Gemini 3.8 Flash we wszystkich produktach firmy. Oświadczenie ogłoszone w poście na blogu Koraya Kavukcuoglu, wiceprezesa Google DeepMind i głównego architekta AI, pozycjonuje wodór jako wysokoprzepustowy odpowiednik pionierskich modeli Google, Gemini 4 Carbon i Gemini 4 Argon.
Debiut Hydrogenu jest jedną z najchętniej oglądanych premier modelu AI w tym miesiącu i pojawił się zaledwie kilka godzin po poruszających rynek wiadomościach Google dotyczących interfejsu API Gemini Decisions na początku tego tygodnia. Programiści śledzący najnowsze osiągnięcia sztucznej inteligencji znajdą poniżej ceny i szczegóły testów porównawczych — ponieważ w przeciwieństwie do poprzednich wydań Gemini 4, Google udostępnił wodór powszechnie już od pierwszego dnia.
Wdrożenie inne niż węgiel i argon
Kiedy Google wypuściło na rynek Gemini 4 Argon i Gemini 4 Carbon, dostęp był etapowy: wdrażanie rozpoczęło się od badaczy cyberbezpieczeństwa, a ogólna dostępność początkowo pozostawała ograniczona, za najdroższym poziomem subskrypcji Google. Ars Technica, która relacjonowała start, zauważyła, że ograniczenia dotyczące wodoru są znacznie łagodniejsze, a dostęp rozpoczyna się natychmiast.
Wodór jest teraz dostępny na wszystkich poziomach Google AI Studio, Gemini API, Gemini dla firm, aplikacji Gemini, wyszukiwarki Google i Google Antigravity dla płatnych subskrybentów Google AI Pro i Ultra. W aplikacji Gemini Ars Technica informuje, że użytkownicy wersji bezpłatnej i AI Plus na razie pozostają przy starszym modelu 3.5 Flash-Lite, natomiast abonenci AI Pro i Ultra dostają dziś wodór.
Stworzony z myślą o agentycznych przepływach pracy, a nie o głębokim rozumowaniu
Google rysuje jasny podział pracy w swojej ofercie Gemini 4. Węgiel i argon, pionierskie modele firmy, są przygotowane do głębokiego, długoterminowego rozumowania w przypadku najtrudniejszych problemów. Wodór jest opisywany jako „stworzony do szybkiego wykonywania różnych przepływów pracy agentów” — pisania kodu, uruchamiania testów, weryfikowania zmian i zasilania agentów roboczych w równoległych kompilacjach.
Model działa na czterech poziomach myślenia: niskim, średnim, wysokim i nowo wprowadzonym ustawieniu xhigh. Google twierdzi, że na domyślnym wysokim poziomie Hydrogen kończy zadania 2,5 razy szybciej niż Gemini 3.8 Flash, a model zawiera okno kontekstowe wprowadzania danych na 1 milion tokenów z obsługą do 1 miliona tokenów wyjściowych.
Testy porównawcze reklamowane przez Google
Główne twierdzenie: Wodór osiąga 51 punktów w indeksie sztucznej inteligencji analitycznej przy domyślnym, wysokim poziomie myślenia, przewyższając 50 punktów Gemini 4 Argon — i osiąga 54 przy ustawieniu xhigh. W przypadku modelu wycenianego na poziomie wydajności przebicie jego czołowego rodzeństwa w niezależnym indeksie jest godnym uwagi stwierdzeniem, które Ars Technica określiła jako „wymianę ciosów” wodorem z argonem.
W porównaniu z bezpośrednim poprzednikiem zyski są większe:
- Terminal-Bench 4.1: 57 procent w porównaniu do 18,2 procent w przypadku Gemini 3.8 Flash — ponad trzykrotnie
- Sfabrykowane roszczenia: zgodnie z analizą Google zmniejszone ponad pięciokrotnie
- Testowanie przez partnerów: na złożonych wykresach, SQL i przepływach pracy w przedsiębiorstwach wymagających dużej ilości danych pierwsi partnerzy zaobserwowali, że rozwiązanie Hydrox działa od 2x do 2,8x szybciej niż 3.8 Flash przy użyciu od 12 do 23 procent mniej tokenów
Firma Google podała także czołowe w swojej klasie lub niemal najlepsze wyniki w kilku ocenach skupiających się na agentach: 58,8% w rankingu HLE-Diamond, pierwsze miejsce w Vals Tax Agent Bench z wynikiem 52,3%, drugie miejsce w Vals Legal Research Bench z wynikiem 55,8%, 53,4% w nowym teście Multimodal Knowledge Agent, 71,6% w badaniu Agents' Last Exam v1.1 i piąte miejsce w rankingu Tabela liderów Areny Agent Arena na żywo arena.ai.
Orchestrator: Sesje wielomodelowe w antygrawitacji
Oprócz modelu Google wprowadziło Orchestrator w Google Antigravity, system, który dynamicznie przełącza się między modelami takimi jak Carbon i Hydrogen w ciągu jednej sesji. Google twierdzi, że w Terminal-Bench 4.0 Orchestrator osiągnął współczynnik powodzenia zadań bliski emisji dwutlenku węgla, zużywając przy tym o 24 procent mniej przydziału i kończąc pracę średnio o 19 procent szybciej.
Wzorzec, który Google promuje, łączy Carbona jako koordynatora z pracownikiem zajmującym się zasilaniem wodorem i agentami weryfikatorów w odizolowanych obszarach roboczych – konfiguracja mająca na celu zespoły realizujące złożone projekty bez zawyżania kosztów tokenów.
Ceny utrzymują się na poziomie 1,50/7,50 USD
Według Ars Technica cena Gemini 4 Hydrogen jest stała w całym oknie kontekstowym obejmującym 1 milion tokenów i wynosi 1,50 dolara za milion tokenów wejściowych i 7,50 dolara za milion tokenów wyjściowych – bez zmian w stosunku do opłat pobieranych za Gemini 3.8 Flash. Ciągłość cen ma znaczenie dla zespołów obsługujących duże floty agentów.
W ofercie jest pewien haczyk: Ars Technica donosi, że węgiel i argon kosztują obecnie odpowiednio 2 i 10 dolarów za milion tokenów wejściowych i wyjściowych, a ceny te wzrosną do 4 i 20 dolarów od przyszłego miesiąca.
Wyszukiwarka Google też korzysta z wodoru
Wodór zasila także coś, co Google nazywa największą jak dotąd aktualizacją swojego wyszukiwania opartego na sztucznej inteligencji. Firma twierdzi, że model lepiej radzi sobie z długimi, wieloczęściowymi pytaniami zarówno w przeglądach AI, jak i w trybie AI, że odpowiedzi będą zawierać więcej elementów wizualnych, a wyszukiwanie rozproszone Hydrogenu zostało dostrojone tak, aby wyświetlać więcej linków źródłowych. Ars Technica przyjęła twierdzenie o linku źródłowym ze sceptycyzmem, zauważając, że Google składał już podobne obietnice.
Co to oznacza dla programistów
Zespołom migrującym z Gemini 3.8 Flash Google oferuje technologię Hydrogen jako aktualizację typu drop-in przy tej samej cenie, szybszej realizacji, większej wierności instrukcji i lepszych wynikach testów porównawczych — szczególnie w przypadku kodowania repozytoriów, debugowania, dogłębnych badań i syntezy dokumentów multimodalnych. Zwyczaj modelu polegający na równoległym grupowaniu wywołań odczytu plików i wyszukiwania jest ukierunkowany bezpośrednio na nawigację w dużej bazie kodu, czyli w obszarze, w którym sekwencyjne wywołania narzędzi długo ograniczają przepustowość agenta.
Większą historią strukturalną jest formalizowanie przez Google rozwoju wielu modeli: modele wnioskowania granicznego dla architektury i oceny, modele szybkiego wykonywania dla setek małych kroków pomiędzy nimi oraz koordynator, który automatycznie przenosi pracę między nimi. Dostępność wodoru na wszystkich poziomach od pierwszego dnia sugeruje, że Google postrzega poziom wydajności – a nie granicę – jako obszar, na którym faktycznie znajduje się większość zapotrzebowania deweloperów.
Wyprzedź sztuczną inteligencjęPremiery modeli nadchodzą szybciej niż kiedykolwiek, a szczegóły – poziomy cenowe, wyniki testów porównawczych, bramki wdrożeniowe – decydują, które z nich mają znaczenie dla Twojego stosu. Aby zapoznać się z najświeższymi wiadomościami o sztucznej inteligencji, dogłębną analizą modeli i najnowszymi osiągnięciami w dziedzinie sztucznej inteligencji, AI Buzz Wire omawia każdą ważną wersję.
Przeczytaj więcej aktualności o sztucznej inteligencji →
