Gemini 4 Hydrogen：GoogleのFlash代替モデルが「Flash」という名称を捨て、仕上げをめぐって議論

Google DeepMindが発表で示した主張は限定的かつ具体的だ。Gemini 4 HydrogenはGemini 3.8 Flashより2.5倍速くタスクを終え、Gemini 4 ArgonをArtificial Analysis Intelligence Indexで上回る。主張の両半分は検証可能で、後半は正しい。独立したハーネスでは、HydrogenはArgonの50に対して54を記録する。前半がこのローンチを興味深いものにする。同じ独立系ハーネスでは、Hydrogenはインデックスタスクあたり13.5分、Gemini 3.8 Flashは14.8分とされており、これは10%の差であって150%の差ではない。Gemini 4 Hydrogenは実在する。2026年11月12日に一般提供が開始され、価格は入力100万トークンあたり1.50ドル、出力100万トークンあたり7.50ドルだ。そして、スループット枠でFlashというラベルではなくコードネームで販売される最初のモデルである。そうではないのは、置き換え対象のモデルに対する単純な速度向上ではないという点だ。

11月12日に実際に出荷されたものは何ですか

Googleのモデルカードは同じ日付で、系譜について異例なほど明示している。HydrogenはGemini 4 Carbon、同じファミリーのフロンティアモデルから適応されている。それは別々に訓練された小型モデルではない。同じベースモデルに異なるポストトレーニングとサービングのプロファイルを適用したものであり、そのため、これと兄弟モデルとの能力差は、価格差が示唆するよりも小さい。

• コンテキスト — 入力と出力で共有される単一の1,048,576トークンウィンドウ。デフォルトの同期出力は64Kトークンで、バックグラウンドのロングデコードにより最大100万トークンまで対応します。

• 入力と出力 — テキスト、画像、音声、動画、PDF を入力し、テキストを出力します。画像生成、音声生成、Live API はありません。

• 思考レベル — 設定可能で、Artificial Analysis はヘッドラインスコアをデフォルトではない xhigh 設定で公開しています。G​oogle 自身の比較数値はデフォルトの high 設定によるものです。

• 知識カットオフ — 2026年3月。モデルカードの制限事項セクションに明記され、一部の領域ではより最新でない場合があるとの注意書き付き。このたった一行が、以前のG​emini 4モデルが未解決のままにしていた疑問を解決する。

• 提供形態 — G​emini app、G​emini API、G​oogle AI Studio、G​oogle Sheets、G​emini for business、G​oogle Antigravity、G​oogle Search。APIには無料枠があります。アクセス制限付きの段階はありません。

• 安全報告 — 別途の安全・セキュリティ報告書は「今後数日中に」提出すると約束されていますが、まだ存在しないため、以下の内容はすべて自己申告によるものです。

2.5倍という主張と、外部ハーネスが測定した内容

G​oogleの発表では2つの数字が鍵を握っており、それぞれ異なる問いに答えている。1つ目はスループットだ。Artificial Analysisが測定した毎秒190出力トークンに対し、Gemini 3.8 Flashは112、Gemini 4 Argonは65、Gemini 4 Carbonは72となっている。これは生の生成速度で真に1.7倍であり、G​emini 4の兄弟2モデルのどちらと比べても約3倍だ。

2つ目は完了したタスクあたりの時間で、ここで状況は一変する。Artificial AnalysisはIntelligence IndexのタスクをHydrogenで13.5分、Gemini 3.8 Flashで14.8分、Carbonで28.4分、Argonで30.0分で完了する。Argonに対しては2.2倍の優位だ。ローンチ投稿でGoogleが名指ししたモデルに対しては1.1倍である。2.5倍という数字が特定の社内タスクセットに由来するなら、それはそのタスクセットについての主張であり、汎用的な外部の数値はほぼ互角に近いため、Googleの外部でこの差を再現した者はいない。

おそらく説明は冗長性であり、それは諸刃の剣だ。Hydrogenはインデックスを完成させるために3億400万出力トークンを生成したが、中央値のモデルは7,280万、Gemini 3.8 Flashは1億2,600万だった。タスクあたり2倍以上のテキストを生成しながら、それでもわずかに早く終えている。そのテキストを速く生成するからだ。速度と冗長性は、同じ事実を両端から見たものだ。

Google自身の表が示していること、ただし注意書き付きで

このセクションの数値はすべてベンダー報告によるもので、11月12日のモデルカードに基づいており、Googleの外部で再現されたものは一つもありません。比較対象はClaude Sonnet 5.5とGPT-6.1 Terraであり、置き換えられるFlashモデルではありません。

• SWE-sweep — Hydrogenの13.5%に対し、Claude Sonnet 5.5は3.1%、GPT-6.1 Terraは5.8%で、表中で最大の相対差です。

• Terminal-Bench 4.1 — Hydrogenは57.0%、Claude Sonnet 5.5は63.9%で、GPT-6.1 Terraのスコアは公表されていない。Hydrogenが負けている唯一のエージェント型コーディングベンチマークであり、Googleはこれをチート調整済みと位置づけている。

• ナレッジワーク — Agents' Last Exam v1.1 は 71.6%（60.4%、69.8%）、AutomationBench-AA は 76.1%（71.8%、60.2%）、Vending-Bench 2 は銀行残高 $14,549 に対し $11,165 と $9,107。

• コンピュータ操作 — OSWorld-2.1では77.6%、Claude Sonnet 5.5は83.9%、GPT-6.1 Terraは74.2%だった。同じ競合相手への2度目の敗北。

• マルチモーダルと科学 — MKA 53.4%、Chartography 66.6%、Terminal-Bench-Science 0.1 は 51.4%、HLE-Diamond は 58.8% で、53.3% と 47.3% に対しての結果です。

損失をまとめて読むと、ある形が見えてくる。Hydrogenは、多くのステップにわたって作業を積み上げることが求められる場面では強く、長いツール利用セッションをまとまりとして維持することが求められる場面では弱い。これは、耐久性よりもスループットに最適化されたモデルと整合しており、1時間稼働するエージェントループのためにHydrogenとフロンティアモデルのどちらを選ぶかという場合、その違いが重要になる。

予算を立てる際の基準にすべきは、独立した数値の方です。

Artificial Analysis はここで唯一ベンダー由来ではない計測ツールであり、そのタスクあたりコストの数値は今回のローンチで最も有用な単一の数字だ。Hydrogen は xhigh で1つのインデックスタスクを完了するのに推論コストが平均3.16ドル、デフォルトの high では1.87ドルかかる。Gemini 4 Argon は4.97ドル、Gemini 4 Carbon は7.76ドル、そして安価なモデルである Gemini 3.8 Flash は7.77ドルかかる。なぜなら低価格ながら1億2600万トークンを消費してそこに到達するからだ。

その逆転こそがHydrogenの実際の論拠であり、速度に関する主張よりも強力だ。Carbonの4分の1のトークン単価で済むモデルは、完了したタスクあたりでは5分の1のコストで済み、それが置き換えるモデルのコストの4分の1未満だ。トークン単位の価格設定では、正反対のことが示されていただろう。

これには注意点が2つある。第一に、タスクあたりのコストはインデックスのタスク構成の特性であり、あなたのワークロードの特性ではない。200トークンの回答を出して停止するパイプラインでは、トークンあたりの価格だけが見え、タスクあたりの節約はまったく見えない。第二はレイテンシだ。Hydrogen は xhigh で最初の回答トークンまで37.8秒、デフォルトの high では16.7秒かかるのに対し、Gemini 3.8 Flash は17.3秒だ。ローンチ時の報道が引用した設定では、生成は速いが開始が遅いため、エージェントループがより早く完了しても、インタラクティブなサーフェスは置き換えたモデルより遅く感じられるだろう。

回帰を含む安全性報告

モデルカードには、ローンチ文書としては異例の告白が記されている。Gemini 3.8 Flash と比較して、自動コンテンツ安全性スコアはテキスト（+0.80ポイント）、多言語（+1.10）、画像からテキスト（+7.00）で改善し、トーンは0.65低下した。不当な拒否、つまりモデルが無害なリクエストを断るケースは5.57ポイント悪化し、マルチモーダルプロンプトに集中していた。

フロンティア安全性について、GoogleはGemini 4 Argonに対してMaterial Capability Change評価を実施し、Hydrogenは一般的な能力に重大な増加を示さないと結論付けたため、重要能力の全スイートは不要だった。CBRNとサイバーの標的型テストでは、モデルはどちらの重要能力レベルにも達しないものの、両方のアラート閾値には達していることが判明した。これらは自己評価であり、根拠となる報告書は依然として公開予定とされている。

これによりFlashティアはどうなるか

GoogleはGemini 3.8 Flashを廃止していません。今もカタログに残っており、100万トークンあたり$0.75 / $3.75のままで、短くレイテンシーに敏感な呼び出しには依然として最適な選択肢です。最初の回答トークンまで17.3秒で、xhighのHydrogenより2倍速く起動し、デフォルトのHydrogenとほぼ同等です。変わったのはデフォルトです。Googleが無料枠のAPIユーザーとGemini Managed AgentsのAntigravityエージェントに提供するモデルはコードネームを持つものになり、その枠を表していたティアのラベルはなくなりました。

混在スタックを運用するチームにとっての実務的な帰結は、2つのモデルがそれぞれ別の仕事を求めるということだ。実行にはHydrogen——ツール呼び出し、ファイル編集、テスト実行、並列サブエージェントのターン——を、計画のターンにはフロンティアモデルを使う。まさにそれがGoogleが文書化している構成であり、そこではCarbonがインターフェースを計画し難所を解決し、Hydrogenがコード編集を担う。そしてそれはOrcaRouterが保持するために作られた構成でもある。Gemini 4 Carbon、Gemini 4 Argon、Gemini 3.8 Flash、Gemini 3.1 Pro Previewはすべて、1つのキーからプロバイダーの定価でマークアップなしに呼び出せる。そのため、CarbonとArgonの12月1日の価格改定は、Googleの料金表に反映される当日にここにも反映され、レート制限された無料枠は2つ目の契約なしに有料パスへフォールバックできる。Gemini 4 Hydrogenは当社のカタログにはない——それはGoogleのAPIとAI Studioから提供される——ため、正直な構成は、実行にはHydrogenを直接呼び出し、その背後に計画とフェイルオーバー用のルーティングされたモデルを置くというものだ。

別のベンチマークの代わりに注目すべきこと

どんなスコアよりも多くを語る日付は、2026年12月1日だ。Gemini 4 CarbonとGemini 4 Argonはどちらもその日に倍になり、100万トークンあたり$2.00 / $10.00から$4.00 / $20.00になる。Hydrogenの料金カードには、日付付きの段階が一切ない。この非対称性が保たれるなら、Googleは安定した二層ファミリー、つまり$4/$20の上限と$1.50/$7.50の働き手を生み出したことになり、Flashという名前が戻る可能性は低い。もしHydrogenが同じスケジュールに移るなら、今週出荷されたのはコードネームが付いた導入価格だったことになる。

2つ目に注目すべきは安全性レポートだ。モデルカードによれば今後公開される予定で、上記の能力評価と矛盾しうる唯一の文書である。3つ目は、Google の外の誰かが 2.5 倍のタスク完了率の差を再現するかどうかだ。誰かが再現するまでは、擁護できる主張は独立系ハーネスが支持する版、つまり Hydrogen は完了タスクあたりで最も安価な Gemini 4 であり、同僚モデルの約3倍のスループットを持ち、起動が遅く極めて冗長である——そして置き換えられたモデルは今や、何にでも使う既定の選択肢ではなく、短い呼び出し向けの低予算オプションになっている、という版だ。