Google DeepMind、日常のエージェント業務向け高速モデル「Gemini 4 Hydrogen」を発表

Google DeepMind は 2026年11月12日、Gemini 4 ファミリーの一般向け・日常業務向けモデル「Gemini 4 Hydrogen」を発表した。Google は公式ブログで、これをエージェント型ワークフローの「日常使いの主力」と位置づけ、最先端の知能をすべての人に届けるモデルだと説明している。記事の執筆者は Google DeepMind の SVP で Google のチーフ AI アーキテクトを務める Koray Kavukcuoglu 氏で、11月13日に更新された。

位置づけ：迅速な実行とツール呼び出しに特化

Google は Gemini 4 を二つの役割に分けている。Gemini 4 Carbon と Gemini 4 Argon はフロンティアモデルで、最も難しい問題に対する長期的で深い推論を担当する。Hydrogen は、日常的なコーディングやさまざまなエージェント型ワークフローでの素早い実行を目的に作られた。システム設計や厄介なバグの切り分けといったアーキテクチャ上の判断には引き続き Carbon や Argon が使われる一方、コードの記述、テストの実行、変更の検証には、速くて規律のある実行モデルが必要だというのが Google の説明である。Hydrogen は単独でも使えるし、複数モデルのワークフローで高効率な実行エンジンとしても使える。

価格とベンチマーク

既定の「high」思考レベルで、Hydrogen は Artificial Analysis Intelligence Index で 51 点を記録し、Argon の 50 点を上回った。最上位の xhigh では 54 点に達する。料金は 100万トークンのコンテキスト全体で一律で、入力は 100万トークンあたり 1.50 ドル、出力は 7.50 ドルである。Google は、同クラスのモデルより速く完了することが多いとも述べている。ただし、これらの数値はいずれも Google 自身の発表によるものである。本稿では外部のランキングや独立した再現を確認しておらず、これらの成績を独立して確認することはできない。

前世代の Gemini 3.8 Flash との比較として、Google は次の数字を挙げている。既定の high 設定でタスクが 2.5 倍速く完了し、Terminal-Bench 4.1 のスコアは 18.2% から 57% へと 3 倍以上に上がり、事実と異なる主張は 5 分の 1 以下に減った。ツール呼び出しが失敗したり検索結果が空だったりしても、柔軟に対応できるという。既存コードを壊さずにバグを発見して修正する SWE-sweep では、同クラスのモデルを上回ると Google は述べる。パートナーの初期テストでは、複雑なグラフ、SQL、データ中心の企業ワークフローで、3.8 Flash より 2 倍から 2.8 倍速く、トークン使用量は 12% から 23% 少なかった。

自由度の高いエージェントタスクでは、arena.ai のライブベンチマーク Agent Arena で 5 位。専門分野の推論では、HLE-Diamond で 58.8%（同クラスでトップと Google は説明）、Vals Tax Agent Bench で 52.3%（総合 1 位）、Vals Legal Research Bench で 55.8%（1 位タイ）を記録し、AutomationBench-AA でも同クラスで首位とされる。マルチモーダルでは、新しい Multimodal Knowledge Agent（MKA）ベンチマークで 53.4%、Agents' Last Exam v1.1 で 71.6% だった。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、PDF、スプレッドシート、図表、音声、動画を扱える。

Google Antigravity の Orchestrator

複数モデルの協調を自動化するため、Google は Google Antigravity に Orchestrator を導入した。最初から最後まで単一のモデルを使うのではなく、同じセッション内で Carbon と Hydrogen などを動的に切り替える。Google によれば、Terminal-Bench 4.0 で Carbon に近いタスク成功率を達成しながら、平均でクォータ消費が 24% 少なく、完了が 19% 速かった。並列エージェントの構成では、Carbon が調整役を務め、Hydrogen がワーカーや検証役のエージェントとして、隔離されたワークスペースで変更の構築とテストを同時に進められる。

四つの思考レベルと顧客の声

Hydrogen の思考レベルは、low、medium、high（既定）、そして新設の xhigh の四つ。品質、遅延、コストが滑らかに変化するため、タスクに必要な推論の深さの分だけ待ち時間と費用を払えばよい、と Google は説明する。

発表には初期顧客の声も引用されている。Box は、3.8 Flash より精度が大きく向上し、速度は約 2 倍、トークンは 12% 少ないと報告した。STAN は、精度を維持しつつ形式遵守 100%、エンドツーエンドの遅延 28% 減、トークン使用量 23% 減としている。Pixelcut は 276 回の実行で全てのデザイン依頼をこなし、1.8 倍速く、コードも 30% きれいだったという。LatchBio は、抗体開発ベンチマークの毒性・安全性セクションで Hydrogen が 67% の試行を通過し、非 Gemini の最良モデルの 37% を上回ったと述べ、1 タスクは約 13 分だった。これらはベンダーが選んだ証言であり、監査ではない点に注意が必要だ。

Gemini アプリと検索

Gemini アプリでは、口調、形式、細かなルールにより忠実に従い、アップロードしたファイル、Gmail、Google ドライブ、Airtable や Dropbox などの連携アプリから文脈を取り込むという。Google 検索では、複数の要素を含む質問、誤字、非常に具体的な要望をより正しく理解し、視覚的で読み取りやすい回答を返す。クエリ・ファンアウトも改良し、より幅広いリンクを提示する。

安全性の数値

Google は、Hydrogen に最新の Gemini 4 の安全・セキュリティスタックを適用したと述べる。Gemini 3.8 Flash との比較という文脈で、エージェントタスクでの行き過ぎは最大 81%、サービス不足は最大 79% 減少し、ツール利用とコーディングの評価でのずれた行動やタスクの近道は 12 分の 1 になった。不可能またはブロックされたタスクで権限の境界を回避する可能性は最大 2 分の 1 になり、社内のエージェント誠実性評価では 94% を記録した。20万回を超える監査済みのターンで、思考の連鎖の可読性は 99.9% を保ち、欺瞞的な推論の改変はゼロだった。Gray Swan IPI ベンチマークの測定条件では、間接プロンプトインジェクションへの耐性が、Google 自身の比較対象の 2.3 倍以上になったと Google は述べる。攻撃を受けないという意味ではない。HealthBench Pro での誤った拒否は 0.4% 未満である。いずれも社内評価で、詳細はモデルカードにある。

提供範囲

Hydrogen は発表当日から、世界の開発者、企業、一般ユーザーへの段階的な提供が始まった。開発者は Google AI Studio や Android Studio の Gemini API で利用でき、有料の Google AI Pro と Ultra の契約者は Google Antigravity でも使える。企業は Gemini for business の API またはモデル選択メニュー、Antigravity、対象の法人プランの Google スプレッドシート内 Gemini で利用できる。一般ユーザーは Gemini アプリのモデル選択メニューと Google 検索で使える。無料ユーザーは、プロンプトに適している場合に自動モデル選択で利用する。スプレッドシートの Gemini は、まず Pro と Ultra の契約者向けである。

注目点

今回の発表の主眼は、性能の天井を上げることではなく、実行コストを下げることにある。Google は最強のモデルを「判断」に、Hydrogen を「実行」に割り当て、Orchestrator で両者をつないだ。この設計が通用するかどうかは、Google が公表した速度、コスト、精度の数値を独立した評価が再現できるかにかかっている。