米グーグルは12日（米国時間）、AIモデル「Gemini 4 Hydrogen（ハイドロジェン）」を公開した。最上位の「Gemini 4 Carbon」「Gemini 4 Argon」が難しい問題を時間をかけて考えるのに対し、Hydrogenはプログラムの作成やAIエージェント（利用者に代わって作業を進めるAI）の実作業を速くこなす用途に向ける。検索の全利用者、対話アプリ「Gemini」、開発者向けAPI（外部のプログラムから呼び出す窓口）の無料枠を含む全区分で同日から提供する。APIの料金は入力100万トークンあたり1.5ドル、出力7.5ドルとした。グーグル・ディープマインド上級副社長のコライ・カブクチュオール氏が公式ブログで明らかにした。
上位2モデルの「実行役」
Gemini 4の系列は、10月13日に一般向けに出したArgon、11月10日に一般提供を始めたCarbonに続き、Hydrogenで3つ目になる。モデルの性質を説明する公式の文書「モデルカード」によると、HydrogenはCarbonを土台に作り替えたモデルで、文章・画像・音声・動画を入力できる。扱える量は入力と出力を合わせて最大100万トークンで、出力は通常の応答で最大6万4000トークン、時間をかけて書き出す方式を使えば最大100万トークンまで延ばせる。学習した知識は2026年3月までのものとしている。
グーグルは、上位モデルとの使い分けを次のように説明した。ソフトウェア開発では、システムの設計や見つけにくい不具合の解明といった深い判断にCarbonやArgonを使う一方、コードを書き、テストを走らせ、変更を確かめる作業には速くて規律のあるモデルが要る。Hydrogenは単独でも使え、上位モデルと組んだときには実行役を担うという。
この組み合わせを自動で行う機能として、開発環境「Google Antigravity」に「Orchestrator」を加えた。1つの作業の途中で、CarbonとHydrogenのどちらを使うかを切り替える。グーグルの試験では、プログラミング作業の評価「Terminal-Bench 4.0」で、Carbonだけで解いた場合に近い成功率を保ちながら、利用枠の消費が平均24％少なく、完了までの時間が19％短かった。複数のエージェントを並べて動かす場面では、Carbonが全体を調整し、Hydrogenが作業と検証を受け持つ形を想定している。
料金は上位モデルの導入価格より低く
HydrogenのAPI料金は、100万トークンまでの全範囲で同じ単価とした。トークンはAIが文章を処理するときの単位で、料金は読み込ませた量と書き出させた量に応じてかかる。
| モデル | 入力（100万トークンあたり） | 出力（100万トークンあたり） |
|---|---|---|
| Hydrogen | 1.5ドル | 7.5ドル |
| Argon・Carbon（導入価格、11月30日まで） | 2ドル | 10ドル |
| Argon・Carbon（導入期間の後） | 4ドル | 20ドル |
ArgonとCarbonは11月30日までの導入価格で入力2ドル、出力10ドルとし、期間が終わると入力4ドル、出力20ドルになる（グーグル、最上位AI「Gemini 4 Carbon」一般提供 導入価格は11月末まで、12月から2倍）。12月以降に比べると、Hydrogenの単価は入力・出力とも上位2モデルの4割に満たない。Hydrogenの発表文には導入価格の定めは書かれていない。
性能について、グーグルは第三者の評価サイト「Artificial Analysis」の総合指数を挙げた。標準の設定でHydrogenは51で、Argonの50を上回り、最も深く考える設定では54になったという。考える度合いは「低・中・高（標準）」に新しい「最高（xhigh）」を加えた4段階で選べ、深く考えさせるほど時間と料金がかかる。
前の高速モデルより2.5倍速く
グーグルは、これまでの高速モデル「Gemini 3.8 Flash」からの乗り換えを見込む。発表文によると、標準の設定で作業を2.5倍速く終え、Terminal-Bench 4.1の正答率は18.2％から57％に上がった。事実と異なる内容をでっち上げる回答は5分の1未満に減り、外部の道具の呼び出しに失敗したり検索結果が空だったりしたときにも、やり方を切り替えて作業を続けられるようになったとしている。先行して試した協力企業の作業では、3.8 Flashに比べて2〜2.8倍速く、使うトークンは12〜23％少なかったという。
ほかの評価では、調べもの・データ分析などの作業を比べる「Agent Arena」で5位、高度な専門知識を問う「HLE-Diamond」で58.8％、税務の作業を測る「Vals Tax Agent Bench」で全モデル中1位の52.3％、法律の調査を測る「Vals Legal Research Bench」で1位タイの55.8％だった。図表や設計図を含む資料を読み解く「Multimodal Knowledge Agent」では53.4％だった。いずれもグーグルが発表文で示した値で、比べた相手や条件の詳細は発表文の範囲でしか分からない。
表計算ソフト「Google スプレッドシート」に組み込んだGeminiでは、財務データから予測の模型を作る作業で、従来のモデルより30％超速く結果を出すという。
検索は「過去最大のモデル更新」
一般の利用者向けには、Geminiアプリでモデルを選ぶ画面に加え、グーグル検索の全利用者に世界で提供する。Geminiアプリの無料の利用者は、質問の内容に合うとアプリが判断したときに自動でHydrogenが選ばれる形で使える。検索担当副社長のロビー・スタイン氏は別のブログで、検索にとって「これまでで最大のモデルの更新」だと述べた。
変わる点として、スタイン氏は3つを挙げた。いくつもの要素を含む質問や打ち間違いのある質問でも意図をくみ取ること、質問を細かい論点に分けて同時に調べる手法を強め、これまでより幅広いサイトへのリンクを示すこと、画像や比較表を増やして答えを見やすくすることだ。AIモードが対応するすべての言語で答えの質が上がるとしている。
開発者は、Google AI Studio と Android Studio から Gemini API で使える。Antigravityで使えるのは有料プラン「Google AI Pro」「Google AI Ultra」の加入者だ。企業は「Gemini for business」でAPIか画面上の選択で使う。スプレッドシートのGeminiでは、まずAI Pro・Ultraの加入者と対象の企業契約から使えるようにする。
安全性は「警戒水準」に達する
安全面について、グーグルは、エージェントとして動くときに頼まれていない作業まで踏み込む例を最大81％、頼まれた作業をこなしきらない例を最大79％減らしたとする。不可能な作業や止められた作業を前にして、許された権限の範囲を越えようとする割合は最大で半分になった。ウェブページなどに仕込まれた命令でAIを操る攻撃への強さは、評価「Gray Swan IPI」で2.3倍超に上がったという。生物の危険に関わる質問と、医療・科学の正当な質問の見分けも改め、医療の評価「HealthBench Pro」で正当な質問を誤って断る割合を0.4％未満に抑えたとしている。
モデルカードによると、グーグルはHydrogenについて、自社の安全基準「Frontier Safety Framework」に沿って、直近に詳しく評価したArgonから能力が大きく伸びたかを調べ、大きな伸びは無いと判断した。そのため全項目の詳しい評価は行わなかった。一方、ArgonとCarbonで、生物兵器の情報とサイバー攻撃の2つの分野で危険な能力の水準に達した可能性を否定できなかったため、Hydrogenにはこの2分野で追加の試験をした。結果は、危険な水準には達しないものの、2分野とも手前の「警戒水準」には達したとし、対策を続けるとした。詳しい結果をまとめた報告書は近く出すとしている。
グーグルは11日（米国時間）にも、決まった選択肢から選ぶ用途向けに、文章を生成せず確率で答える判断専用のモデルを公開している（グーグル、判断専用AI「Gemini Decision 1」公開 文章を生成せず確率で答える）。Carbonの一般提供から3日のうちに、用途の違うモデルを続けて出したことになる。