Gemini 4 Hydrogen: Pengganti Flash dari Google Menghilangkan Nama Flash dan Berdebat soal Penyelesaian

Klaim yang Google DeepMind sampaikan dalam pengumuman itu sempit dan spesifik: Gemini 4 Hydrogen menyelesaikan tugas 2,5 kali lebih cepat daripada Gemini 3.8 Flash dan mengalahkan Gemini 4 Argon pada Artificial Analysis Intelligence Index. Kedua bagian klaim itu dapat diperiksa, dan bagian keduanya benar — pada harness independen, Hydrogen mencetak 54 berbanding 50 milik Argon. Bagian pertama adalah yang membuat peluncuran ini menarik, karena harness independen yang sama menempatkan Hydrogen pada 13,5 menit per tugas indeks dan Gemini 3.8 Flash pada 14,8 menit, yang merupakan selisih 10% dan bukan 150%. Gemini 4 Hydrogen nyata, dirilis dengan status tersedia umum pada 12 November 2026 dengan harga $1,50 per juta token masukan dan $7,50 per juta token keluaran, dan ini adalah model pertama di slot throughput yang dijual dengan nama kode, bukan label Flash. Namun, ini bukan sekadar peningkatan kecepatan atas model yang digantikannya.

Apa yang sebenarnya dirilis pada 12 November

Kartu model Google bertanggal hari yang sama dan secara tidak biasa sangat eksplisit tentang garis keturunan: Hydrogen diadaptasi dari Gemini 4 Carbon, model frontier dalam keluarga yang sama. Ini bukan model yang lebih kecil yang dilatih secara terpisah. Ini adalah basis yang sama dengan profil pasca-pelatihan dan penyajian yang berbeda, itulah sebabnya kesenjangan kemampuan antara model ini dan saudara-saudaranya lebih kecil daripada yang disiratkan oleh kesenjangan harga.

• Konteks — satu jendela 1.048.576 token yang digunakan bersama untuk input dan output, dengan 64K token output sinkron bawaan dan hingga satu juta penuh melalui dekode panjang di latar belakang.

• Input dan output — teks, gambar, audio, video, dan PDF masuk; teks keluar. Tanpa pembuatan gambar, tanpa pembuatan audio, tanpa Live API.

• Tingkat berpikir — dapat dikonfigurasi, dan Artificial Analysis mempublikasikan skor utamanya pada pengaturan xhigh, yang bukan default. Angka pembanding Google sendiri berada pada high default.

• Batas pengetahuan — Maret 2026, dinyatakan secara gamblang di bagian keterbatasan kartu model, dengan catatan bahwa sebagian domain kurang mutakhir. Satu baris itu menjawab pertanyaan yang dibiarkan terbuka oleh model G​emini 4 sebelumnya.

• Distribusi — aplikasi G​emini, API G​emini, G​oogle AI Studio, G​oogle Sheets, G​emini for business, G​oogle Antigravity, dan G​oogle Search, dengan tier gratis pada API. Tidak ada fase akses terbatas.

• Pelaporan keselamatan — Laporan Keselamatan dan Keamanan terpisah dijanjikan {{1}}"dalam beberapa hari ke depan"{{/1}} dan belum ada, sehingga semua yang tercantum di bawah ini merupakan laporan sendiri.

Klaim 2,5x, dan apa yang diukur oleh harness eksternal

Dua angka yang berperan dalam pengumuman G​oogle, dan keduanya menjawab pertanyaan yang berbeda. Yang pertama adalah throughput: 190 token keluaran per detik yang diukur oleh Artificial Analysis, dibandingkan dengan 112 untuk Gemini 3.8 Flash, 65 untuk Gemini 4 Argon, dan 72 untuk Gemini 4 Carbon. Itu benar-benar 1,7x pada kecepatan generasi mentah dan sekitar tiga kali lipat masing-masing varian G​emini 4.

Yang kedua adalah waktu per tugas yang diselesaikan, dan di sini situasinya berbalik. Artificial Analysis menyelesaikan tugas Intelligence Index dengan Hydrogen dalam 13,5 menit, dengan Gemini 3.8 Flash dalam 14,8 menit, dengan Carbon dalam 28,4 menit dan dengan Argon dalam 30,0 menit. Dibandingkan dengan Argon, itu adalah keunggulan 2,2x. Dibandingkan dengan model yang disebut G​oogle dalam posting peluncuran, itu 1,1x. Jika angka 2,5x berasal dari kumpulan tugas internal tertentu, itu adalah klaim tentang kumpulan tugas tersebut — angka eksternal serbaguna cukup dekat dengan paritas sehingga tidak ada pihak di luar G​oogle yang mereproduksi selisih tersebut.

Penjelasan yang paling mungkin adalah verbositas, dan itu berdampak dua arah. Hydrogen menghasilkan 304 juta token keluaran untuk menyelesaikan indeks, dibandingkan 72,8 juta untuk model median dan 126 juta untuk Gemini 3.8 Flash. Ia menghasilkan lebih dari dua kali teks per tugas dan tetap selesai sedikit lebih cepat, karena ia menghasilkan teks itu dengan cepat. Kecepatan dan verbositas adalah fakta yang sama yang dilihat dari dua ujung.

Apa yang dikatakan tabel Google sendiri, dengan catatan-catatan yang menyertainya

Setiap angka di bagian ini dilaporkan oleh vendor, dari kartu model 12 November, dan tidak satu pun telah direproduksi di luar Google. Himpunan pembandingnya adalah Claude Sonnet 5.5 dan GPT-6.1 Terra, bukan model Flash yang digantikan.

• SWE-sweep — 13,5% untuk Hydrogen dibandingkan 3,1% untuk Claude Sonnet 5.5 dan 5,8% untuk GPT-6.1 Terra, selisih relatif terbesar dalam tabel.

• Terminal-Bench 4.1 — 57.0% untuk Hydrogen dibandingkan 63.9% untuk Claude Sonnet 5.5, tanpa skor yang dipublikasikan untuk GPT-6.1 Terra. Ini adalah satu-satunya benchmark coding agentik di mana Hydrogen kalah, dan Google menyebutnya telah disesuaikan terhadap kecurangan.

Pekerjaan pengetahuan — Agents' Last Exam v1.1 pada 71,6% (60,4%, 69,8%), AutomationBench-AA pada 76,1% (71,8%, 60,2%), dan Vending-Bench 2 dengan saldo bank US$14.549 dibandingkan dengan US$11.165 dan US$9.107.

Penggunaan komputer — OSWorld-2.1 pada 77,6% berbanding 83,9% untuk Claude Sonnet 5.5 dan 74,2% untuk GPT-6.1 Terra. Kekalahan kedua kepada pesaing yang sama.

• Multimodal dan sains — MKA 53,4%, Chartography 66,6%, Terminal-Bench-Science 0.1 sebesar 51,4%, dan HLE-Diamond sebesar 58,8% dibandingkan 53,3% dan 47,3%.

Bacalah nilai-nilai loss itu secara bersama-sama, dan sebuah pola akan muncul: Hydrogen kuat ketika tugasnya adalah mengakumulasi pekerjaan selama banyak langkah dan lebih lemah ketika tugasnya adalah menjaga sesi panjang yang menggunakan alat tetap utuh. Itu konsisten dengan model yang disetel untuk throughput alih-alih daya tahan, dan itulah perbedaan yang penting jika Anda memilih antara model ini dan model frontier untuk loop agen yang berjalan selama satu jam.

Angka independen adalah yang harus dijadikan acuan dalam menyusun anggaran.

Artificial Analysis adalah satu-satunya instrumen di sini yang tidak berasal dari vendor, dan angka biaya per tugasnya adalah angka tunggal paling berguna dalam peluncuran ini. Hydrogen rata-rata membutuhkan inferensi senilai $3,16 untuk menyelesaikan satu tugas indeks pada xhigh, dan $1,87 pada high default. Gemini 4 Argon membutuhkan biaya $4,97, Gemini 4 Carbon $7,76, dan Gemini 3.8 Flash — model murah — membutuhkan biaya $7,77, karena model ini membakar 126 juta token dengan harga rendah untuk mencapai hasil tersebut.

Inversi itulah argumen sebenarnya untuk Hydrogen, dan itu lebih kuat daripada klaim kecepatan. Model yang biayanya seperempat dari Carbon per token, biayanya seperlima per tugas yang diselesaikan, dan kurang dari seperempat biaya model yang digantikannya. Harga per token justru akan menunjukkan hal sebaliknya.

Ada dua catatan yang menyertainya. Pertama, biaya per tugas merupakan sifat dari komposisi tugas indeks, bukan dari beban kerja Anda; pipeline yang mengeluarkan jawaban 200 token lalu berhenti akan melihat harga per token dan tidak mendapat penghematan per tugas sama sekali. Kedua, latensi: Hydrogen membutuhkan 37,8 detik untuk token jawaban pertamanya pada xhigh — 16,7 pada high default — dibandingkan 17,3 untuk Gemini 3.8 Flash. Pada setelan yang dikutip dalam liputan peluncuran, model ini cepat dalam menghasilkan tetapi lambat dalam memulai, sehingga antarmuka interaktif akan terasa lebih lambat daripada model yang digantikannya meskipun loop agen selesai lebih cepat.

Pelaporan keselamatan yang mencakup regresi

Kartu model memuat pengakuan yang tidak biasa untuk dokumen peluncuran. Dibandingkan Gemini 3.8 Flash, skor keamanan konten otomatis meningkat pada teks (+0,80 poin persentase), multibahasa (+1,10), dan gambar-ke-teks (+7,00), sedangkan nada menurun sebesar 0,65. Penolakan yang tidak berdasar — model menolak permintaan yang tidak berbahaya — memburuk sebesar 5,57 poin, terkonsentrasi pada prompt multimodal.

Terkait keselamatan frontier, Google menjalankan penilaian Perubahan Kapabilitas Material terhadap Gemini 4 Argon dan menyimpulkan Hydrogen tidak menunjukkan peningkatan kapabilitas umum yang material, sehingga rangkaian lengkap pengujian kapabilitas kritis tidak diperlukan. Pengujian CBRN dan siber yang ditargetkan menemukan bahwa model tersebut tidak mencapai salah satu tingkat kapabilitas kritis, meskipun mencapai ambang peringatan untuk keduanya. Ini adalah penilaian mandiri dengan laporan yang mendasarinya masih tercantum sebagai akan segera terbit.

Bagaimana posisi tier Flash dengan ini

Google belum menghentikan Gemini 3.8 Flash. Model ini masih ada di katalog, harganya tetap $0,75 / $3,75 per juta token, dan tetap menjadi jawaban yang tepat untuk panggilan singkat yang sensitif terhadap latensi: dengan 17,3 detik ke token jawaban pertama, model ini mulai dua kali lebih cepat daripada Hydrogen pada xhigh, dan kurang lebih setara dengan Hydrogen pada setelan default-nya. Yang berubah adalah default-nya: model yang kini Google sediakan bagi pengguna API tingkat gratis dan bagi agen Antigravity di Gemini Managed Agents adalah model yang memiliki nama kode tersebut, dan label tier yang dulu mendeskripsikan slot itu sudah tidak ada.

Bagi tim yang menjalankan stack campuran, konsekuensi praktisnya adalah kedua model menginginkan pekerjaan yang berbeda. Hydrogen untuk eksekusi — panggilan alat, pengeditan file, menjalankan tes, giliran subagen paralel — dan model frontier untuk giliran perencanaan. Itulah tepatnya pengaturan yang didokumentasikan Google, di mana Carbon merencanakan antarmuka dan menyelesaikan hambatan berat serta Hydrogen mengerjakan pengeditan kode, dan itulah pengaturan yang dirancang untuk didukung OrcaRouter: Gemini 4 Carbon, Gemini 4 Argon, Gemini 3.8 Flash, dan Gemini 3.1 Pro Preview semuanya dapat dipanggil dari satu kunci dengan harga daftar penyedia tanpa markup, sehingga penetapan harga ulang Carbon dan Argon pada 1 Desember berlaku di sini pada hari yang sama saat berlaku di kartu harga Google, dan tier gratis yang dibatasi laju dapat beralih ke jalur berbayar tanpa kontrak kedua. Gemini 4 Hydrogen tidak ada dalam katalog kami — model itu berasal dari API dan AI Studio Google — jadi konfigurasi yang jujur adalah Hydrogen dipanggil langsung untuk eksekusi dengan model yang dirutekan di belakangnya untuk perencanaan dan failover.

Apa yang harus ditonton alih-alih benchmark lain

Tanggal yang akan memberi tahu Anda lebih banyak daripada skor apa pun adalah 1 Desember 2026. Gemini 4 Carbon dan Gemini 4 Argon keduanya berlipat ganda pada tanggal itu, dari $2.00 / $10.00 menjadi $4.00 / $20.00 per juta token. Kartu Hydrogen tidak memuat langkah bertanggal sama sekali. Jika asimetri itu bertahan, Google telah menciptakan keluarga dua tingkat yang stabil — plafon $4/$20 dan kuda pekerja $1.50/$7.50 — dan nama Flash kemungkinan besar tidak akan kembali. Jika Hydrogen beralih ke jadwal yang sama, maka yang dirilis minggu ini adalah tarif pengenalan dengan nama kode yang menyertainya.

Hal kedua yang perlu diperhatikan adalah laporan keselamatan, yang menurut kartu model akan segera hadir dan merupakan satu-satunya dokumen yang bisa bertentangan dengan penilaian kemampuan di atas. Yang ketiga adalah apakah ada pihak di luar Google yang mereproduksi selisih penyelesaian tugas sebesar 2.5x. Sampai ada yang melakukannya, versi klaim yang dapat dipertahankan adalah versi yang didukung oleh harness independen: Hydrogen adalah Gemini 4 termurah per tugas yang diselesaikan, dengan throughput sekitar tiga kali lipat dibandingkan model-model saudaranya, lambat untuk memulai dan sangat bertele-tele — dan model yang digantikannya kini menjadi opsi hemat untuk panggilan singkat alih-alih menjadi default untuk segala hal.