Google DeepMind stellt Gemini 4 Hydrogen vor
Google DeepMind hat Gemini 4 Hydrogen in einem Unternehmensbeitrag angekündigt, der Benchmark-Ergebnisse und Preise nennt. Diese Zahlen stammen allerdings von Google selbst.
Google DeepMind hat Gemini 4 Hydrogen veröffentlicht, ein schnelles und effizientes Modell, das das Unternehmen für alltägliches Coding und agentische Arbeit positioniert. Zu den Frontier-Reasoning-Modellen des Hauses zählt es nicht. In einem Beitrag vom 12. November 2026 erklärte Koray Kavukcuoglu, SVP von Google DeepMind und Chief AI Architect bei Google, das Modell mache Spitzenintelligenz für alle zugänglich. Das Unternehmen stellt Hydrogen neben Gemini 4 Carbon und Gemini 4 Argon, die nach eigenen Angaben bei tiefem Reasoning über lange Zeiträume glänzen. Hydrogen ist dagegen auf schnelle Ausführung in agentischen Workflows ausgelegt. Der Preis liegt bei 1,50 US-Dollar pro Million Input-Token und 7,50 US-Dollar pro Million Output-Token, einheitlich über das gesamte Kontextfenster von 1 Million Token.
Im Artificial Analysis Intelligence Index erreicht Hydrogen auf der standardmäßigen Denkstufe high 51 Punkte, Argon kommt auf 50. Mit der neuen Einstellung xhigh steigt der Wert auf 54. Der Vorsprung vor Argon beträgt in der Standardeinstellung also einen Punkt. Nutzer können zwischen vier Denkstufen wählen (low, medium, high und xhigh) und so festlegen, wie viel Reasoning eine Aufgabe erhält. Der Preis dafür sind laut Beitrag sowohl längere Wartezeiten als auch höhere Kosten. Die folgenden Vergleiche beziehen sich auf Gemini 3.8 Flash, das Modell, von dem aus der Beitrag den Umstieg nahelegt. Demgegenüber erledige Hydrogen Aufgaben in der Standardeinstellung 2,5-mal schneller, erreiche auf Terminal-Bench 4.1 57 % statt 18,2 % und reduziere erfundene Behauptungen um mehr als das Fünffache, so Google. Partner, die das Modell an komplexen Graphen, SQL und datenintensiven Enterprise-Workflows testeten, berichteten laut Beitrag von 2- bis 2,8-fach höherer Geschwindigkeit und 12 % bis 23 % geringerem Token-Verbrauch.
Google beschreibt zudem Orchestrator in Google Antigravity, das innerhalb derselben Session zwischen Carbon und Hydrogen wechselt. Carbon übernimmt die Architekturentscheidungen, Hydrogen schreibt Code, führt Tests aus und prüft Änderungen. Auf Terminal-Bench 4.0 erreichte Orchestrator Erfolgsquoten nahe an jenen von Carbon. Im Schnitt verbrauchte es 24 % weniger Kontingent und schloss Aufgaben 19 % schneller ab. Diese Werte stammen aus Version 4.0 des Benchmarks, die Migrationszahlen hingegen aus 4.1. Die beiden Ergebnisreihen sind daher nicht direkt vergleichbar. Für parallele Arbeit kann Carbon laut Beitrag koordinieren, während Hydrogen Worker- und Verifier-Agenten in isolierten Workspaces ausführt.
Google nennt außerdem Ergebnisse aus mehreren weiteren Evaluierungen. Hydrogen belegt Platz fünf in der Agent Arena, die der Beitrag als Live-Benchmark von arena.ai beschreibt. Auf HLE-Diamond führt es seine Klasse mit 58,8 % an, im Vals Tax Agent Bench liegt es mit 52,3 % insgesamt auf Platz eins. Im Vals Legal Research Bench teilt es sich mit 55,8 % den ersten Platz. Im neuen Multimodal Knowledge Agent Benchmark, den der Beitrag vorstellt, erreicht Hydrogen 53,4 %, bei Agents' Last Exam v1.1 sind es 71,6 %. Wie viele Aufgaben diese Evaluierungen umfassen und wie sie bewertet wurden, beschreibt der Beitrag nicht. Die Prozentwerte sind also Googles eigene Angaben.
Auch der Abschnitt zur Sicherheit enthält vergleichende Aussagen. Laut Google verringert Hydrogen Übergriffigkeit bei agentischen Aufgaben um bis zu 81 % und Unterleistung um bis zu 79 %. Fehlausgerichtete Aktionen und Abkürzungen bei Aufgaben in Tool-Use- und Coding-Evaluierungen sinken um das Zwölffache, und Berechtigungsgrenzen umgeht das Modell bis zu zweimal seltener, wenn Aufgaben unmöglich oder blockiert sind. Google meldet eine Ehrlichkeitsquote von 96,7 % in einer Evaluierung, die das Unternehmen als interne Agent-Ehrlichkeitsevaluierung bezeichnet und die der Beitrag nicht näher beschreibt. Hinzu kommen 99,9 % Lesbarkeit der Chain of Thought über mehr als 200.000 geprüfte Turns, eine mehr als 2,3-fach bessere Widerstandsfähigkeit gegen indirekte Prompt Injection im Gray Swan IPI Benchmark sowie falsche Ablehnungen auf HealthBench Pro unter 0,4 %. Die Sicherheitsvergleiche beziehen sich auf Gemini 3.8 Flash, Konkurrenzmodelle nennt der Beitrag für diese Werte nicht.
Die Verfügbarkeit ist nach Zielgruppen gestaffelt. Entwickler können mit der Gemini API in AI Studio und in der kostenpflichtigen Stufe von Android Studio damit arbeiten. Zahlende Abonnenten von Google AI Pro und Ultra nutzen es in Google Antigravity. Unternehmen können es über Gemini for business, Google Antigravity und Gemini in Google Sheets für berechtigte Business-Abos einsetzen. Für Privatnutzer steht es im Modell-Dropdown der Gemini-App und in der Google-Suche für alle zur Verfügung, Gemini in Google Sheets startet zunächst für Abonnenten von Google AI Pro und Ultra. Gratisnutzer der Gemini-App erhalten es über die automatische Modellauswahl, wenn das System es für einen Prompt als passendes Modell einstuft. Laut Beitrag erfolgt der Rollout weltweit und beginnt heute.
Was sich ändert
Art: Neue Funktion · Gilt ab: Donnerstag, 12. November 2026 · Betrifft: Gemini 4 Hydrogen, Gemini API, AI Studio, Android Studio, Google Antigravity, Gemini for business, Gemini in Google Sheets, Gemini app, Google Search
Warum es wichtig ist
Teams, die ihre Modellwahl an Googles Roadmap ausrichten, sollten die Details zu Leistungsfähigkeit und Preisen abwarten, bevor sie ihre Pläne ändern.
Wie sich die Meldung entwickelt hat
Ergänzt, dass Hydrogen vier Wochen nach dem Start des größeren Argon-Modells besser abschneidet als dieses und alltägliche Aufgaben zu niedrigeren Preisen anpeilt.
Ergänzt unabhängige Ergebnisse von Artificial Analysis und Arena sowie von Nutzern gemeldete Einschränkungen zu Reasoning-Kosten und Schwächen bei Benchmarks.
Ergänzt die für 1. Dezember geplante Preiserhöhung für Carbon und Argon, den Preis für gecachten Input sowie einen Preisvergleich mit Claude Haiku 5.5 und GPT-6 Luna.
Originalquelle
Weitere Berichte
Wo wir es gesehen haben
Google DeepMind, Latent Space, Simon Willison, THE DECODER
KI hat diese Zusammenfassung aus den genannten Quellen geschrieben und ins Deutsche übersetzt. Niemand hat sie vor der Veröffentlichung einzeln geprüft. Bitte prüfen Sie die Originalquelle, bevor Sie sich darauf verlassen. So funktioniert es