Gemini 4 Hydrogenが全員に開放、Argon超えの51点を「日常の実行役」に。100万トークン一律で入力1.50ドル

まず初めに

Gemini 4の3人目である。長考型のCarbon、Argonに続いて、今度は「速くて安い実行役」のHydrogenが出てきた。しかもGoogleの主張では、この実行役が総合指標でArgonを1点上回る。役割分担の話だったはずが、下の者が上の者を追い越し始めている。モデル一家の序列が、また少し崩れた。

※個人の感想です

何が発表されたのか

Google DeepMindのKoray Kavukcuoglu氏（SVP、Chief AI Architect）は2026年11月12日、公式ブログでGemini 4 Hydrogenを発表しました。

位置づけは明確です。CarbonとArgonが「最も難しい問題への深い、長期的な推論」を担う一方、Hydrogenは多様なエージェント型の作業を高速に実行するために作られました。同社はHydrogenを「エージェント型ワークフローのための日常の実行役（daily driver）」と呼んでいます。

今回の新規点はモデルの追加だけではありません。Gemini 4が初めて「全員」に開かれました。AI Studioの全プラン、Gemini API、Gemini for business、Geminiアプリ、Google検索に展開され、有料プランの利用者はAntigravityでも使えます。開発者向けにはAndroid Studioの有料プランも対象です。

性能と料金（同社公表値）

料金は単純です。100万トークンの文脈ウィンドウ全体で一律の単価が適用され、入力100万トークン1.50ドル、出力100万トークン7.50ドルです。文脈が長くなっても単価が上がらない設計で、入力は最大100万トークン、出力も最大100万トークンまで対応します。

性能について同社が挙げる主な数値は次のとおりです。いずれもGoogleの公表値で、第三者の独立検証は発表に含まれていません。

指標	Hydrogen	比較対象
Artificial Analysis Intelligence Index（high）	51	Argon 50
同（xhigh）	54	—
Terminal-Bench 4.1	57%	Gemini 3.8 Flash 18.2%
実行速度（high、対3.8 Flash）	約2.5倍高速	—
HLE-Diamond	58.8%（同クラス首位）	—
Vals Tax Agent Bench	52.3%（全体1位）	—

思考レベルはlow、medium、high（既定）、そして新しいxhighの4段階です。必要な推論の深さに応じて、待ち時間と費用を選べるという設計です。同社は、3.8 Flashからの移行では、根拠のない主張（fabricated claims）が5分の1以下に減り、ツール呼び出しの失敗や検索結果が空の場合にも適応しやすくなったとしています。初期のパートナー検証では、複雑なグラフやSQL、データ中心の企業ワークフローで2〜2.8倍高速になり、トークン使用量が12〜23%減った例があったとしています（同社公表値）。

Orchestrator——モデルを使い分ける仕組み

あわせて発表されたのが、Antigravityの「Orchestrator」です。1つのモデルで最初から最後まで処理するのではなく、セッションの中でCarbonとHydrogenを動的に切り替えます。

同社によると、Terminal-Bench 4.0ではOrchestratorはCarbonに近いタスク成功率を保ちながら、平均でクォータ消費が24%少なく、19%速く完了しました。並列エージェントが必要な作業では、Carbonが調整役、Hydrogenが作業役と検証役を担い、隔離されたワークスペースで変更とテストを同時に進める使い方を想定しています。

前日に発表された判定専用モデルGemini Decision 1が「書かないモデル」だったのに対し、Hydrogenは「速く書いて速く動くモデル」です。GoogleのGemini 4は、考える者、判定する者、実行する者という分業体制を一気にそろえてきました。

検索とGeminiアプリでは何が変わるのか

一般利用者に最も影響が大きいのは、Google検索への組み込みです。Hydrogenは検索の全利用者に展開され、同社は「検索にとって過去最大のモデル更新」と位置づけています。複数部品からなる質問や誤字を含む質問でも意図をくみ取り、視覚的に読みやすい回答と、より広い範囲のリンクを返すとしています。

Geminiアプリでも、指示への追随やツールの呼び分けが改善され、文章作成や調査、日常業務の成果物が「一回で使える」形に近づいたと同社は説明します。Google SheetsのGeminiでも、対象のビジネス契約とAI Pro／Ultra契約者から提供が始まります。

安全性については、エージェント作業での「やりすぎ（overreach）」を最大81%、「やらなさすぎ（under-service）」を最大79%減らし、不整合な行動や近道行為を12分の1にしたと同社は公表しています。内部のエージェント誠実性評価では96.7%の誠実率、20万件超の監査ターンで思考過程の可読性99.9%を保ったとしています。これらも同社の自己評価であり、外部検証はこれからです。

IT Postの見方

IT Postでは、今回の主役は性能表ではなく「価格と配置」だと考えます。入力1.50ドルという単価を、文脈の長さによらず一律にしたこと。そして最上位モデルではなく実行役を、検索を含む全利用者の入り口に置いたこと。この2つで、Hydrogenは「試すモデル」ではなく「既定で回り続けるモデル」になる条件をそろえています。

もう1つ見逃せないのは、Argonを総合指標で上回ったという同社の主張です。序列の逆転が本当なら、「高いモデルほど賢い」という単純な買い分けは崩れます。ただし数字はすべてGoogleの公表値で、ベンチマークの条件も同社の選んだものです。実務の評価は、自分のワークロードでhighとxhighを使い分け、費用と失敗率を測ってから付けるべきものになります。

今後どうなりそうか

短期的には、3.8 Flashからの移行が進むかどうかが焦点です。2.5倍の高速化と指標の改善が同社の主張どおりなら、エージェント型の実行コストは一段下がります。Orchestratorのような「モデルを使い分ける層」が標準になると、競争の単位はモデル単体から、組み合わせの運用設計へ移っていきます。

次の確認点は、第三者ベンチマークでの再現、xhighの実際の待ち時間と費用、そして検索の回答品質が日本の利用者環境でも同じように上がるかです。新しい公式発表や実測が確認できれば、本記事を更新します。