要点
- Hydrogenは日常のコード作業やエージェント実行の比較候補で、上位モデルを一律に置き換える根拠はない。
- 無料アプリでは適切な質問で自動選択される。APIには無料枠があり、Standard有料枠では推論を含む出力に料金がかかる。
- 約100万トークンは入力と出力の合計である。業務ごとに品質、時間、やり直し、総費用を比べたい。

Gemini 4 Hydrogenは、Googleが2026年11月12日に発表した、日常のコーディングやAIエージェントの実行を重視するモデルである。資料を読み取る、コードを直す、ツールを呼びながら手順を進めるといった仕事で、速度と処理能力の両立を狙う。
使いどころを一言でいえば、作業の実行部分を任せて、仕上がり・時間・費用を比べる候補である。CarbonやArgonをすべて置き換えるべきだとまではいえない。難しい設計判断は上位モデルに残し、修正や検証をHydrogenで試すという分担もある。以下は2026年11月13日時点の公開情報に基づく。Googleの発表
GoogleはHydrogenを、単独でも使える日常の作業モデルとして紹介している。リポジトリ内のコードを調べて修正する、資料を読み比べる、Web画面の試作品を作るといった作業が対象だ。必要に応じてツールを呼び、複数の手順を進めるエージェントの実行役にも使える。
従来のGemini 3.8 Flashから乗り換える候補にもなる。ただし、速度を重視するモデル同士でも、既定の推論設定や料金は同じとは限らない。移行を決めるときは、モデル名を変更するだけでなく、作業1件の結果と設定を比べる必要がある。Googleの開発者向け発表
Googleの位置づけでは、Carbonは最も難しい長時間の推論向け、Argonは複雑な開発や知識労働を効率よく進めるモデル、Hydrogenは日常の実行を速く回すモデルである。境界線は作業名だけでは決まらない。同じコード修正でも、変更範囲が小さい作業と、仕様が食い違う大規模な改修では必要な判断が違う。Gemini APIのモデル一覧
| モデル | Googleの位置づけ | 試し方の例 |
|---|---|---|
| Hydrogen | 日常のコード・エージェント実行で速度と効率を重視 | 範囲が決まった修正、資料の抽出、テスト実行 |
| Argon | 複雑な開発や知識労働を効率よく処理 | 複数の条件を照合しながら進める開発や調査 |
| Carbon | 特に難しい長い工程の推論 | 複雑な設計上の選択肢や高難度の問題の検討 |
右列は使い分けの提案であり、品質の保証ではない。まずHydrogenで合格基準を満たすかを見て、不足する工程にArgonやCarbonを使うと、費用と難しさのつり合いを確認しやすい。詳しい位置づけはArgonの解説とCarbonの解説でも確認できる。
HydrogenはGeminiアプリ、Google AI Studio、Gemini API、Google検索などに展開されている。Google Antigravityでは有料のGoogle AI ProまたはUltra契約者が対象で、Google Sheetsでは対象の契約から提供される。提供条件や利用上限は製品ごとに異なる。Googleの発表
個人向けGeminiアプリでは、無料利用者も自動選択を有効にすれば、質問に適したときにHydrogenが選ばれる。無料利用者が毎回Hydrogenを手動で固定できるという意味ではない。 自動選択をオフにするとFlash-Liteが使われる。Google AI PlusはHydrogenのチャットに対応し、Tasksは対象外。ProとUltraはチャットとTasksの両方で使える。企業・学校アカウントは契約条件を別に確認したい。Geminiアプリのモデルに関するヘルプ
開発者向けのGemini APIにも無料枠と有料枠がある。無料枠には利用制限があり、アプリの無料利用とは枠や条件が別である。APIで指定するモデルIDは gemini-4-hydrogen で、Gemini APIでは安定版として案内されている。アカウントやプロジェクトでの上限はAI Studioで確認できる。モデル仕様/レート制限
Hydrogenはテキスト、画像、音声、動画、PDFを含む入力を扱える。たとえば会議の音声と関連資料を読み取らせ、テキストの下書きを作ることができる。Gemini APIのモデル仕様では、画像・音声・動画・PDFは入力で、出力はテキストである。画像や音声そのものを生成したい場合は、別途対応する機能を選ぶ必要がある。Gemini APIモデル仕様
Gemini APIでは、関数呼び出し、コード実行、ファイル検索、URLの読み取り、構造化出力、検索や地図を使うgroundingなどにも対応する。一方、画像生成・音声生成・Live APIは対象外である。使える機能でも、料金枠によって条件が異なる。Gemini APIモデル仕様
見落としやすいのは、約100万トークンが入力と出力を合わせた枠である点だ。Gemini APIの仕様では上限1,048,576トークンを共有し、推論と出力もこの枠に含まれる。大量の資料を入力すれば、残りの出力に使える枠は小さくなる。100万トークンを読み込んで、さらに別枠で100万トークンを出せるわけではない。Gemini APIモデル仕様
Gemini APIでは通常の同期出力は最大65,536トークン。さらに長く出すlong decodeには、出力上限の指定とバックグラウンド実行、またはクライアント側での継続処理が必要で、最大でも全体枠から入力分を引いた範囲になる。「65K/1M」を、どの呼び出しでも無条件に100万出力できるという意味で読まない方がいい。Gemini APIモデル仕様
Gemini APIのStandard料金は、2026年11月13日時点で次のとおり。いずれも100万トークンあたりの米ドル建てで、出力には考えるために使ったトークンも含まれる。無料枠の入出力は無料だが、利用上限がある。Gemini API料金表
| Standardの区分 | 無料枠 | 有料枠 |
|---|---|---|
| 入力 | 無料 | 1.50ドル |
| 出力・推論 | 無料 | 7.50ドル |
| キャッシュされた入力 | 無料 | 0.075ドル |
たとえば仮定として、キャッシュや検索を使わず、入力10万トークンと課金対象の出力1万トークンを使った場合、入力0.15ドルと出力0.075ドルで合計0.225ドルになる。さらに推論などの課金対象出力が2万トークン増えれば、0.15ドル増える。この金額は仮定に基づく。再試行、ツール呼び出し、入力の増加も含め、作業1件を終えるまでの合計を見たい。
BatchとFlexは入力0.75ドル・出力3.75ドル、Priorityは入力2.70ドル・出力13.50ドルである。いずれも100万トークンあたりの単価だが、処理モードの待ち時間や利用条件も確認したい。Hydrogenのキャッシュは暗黙的キャッシュのみで、明示的キャッシュには対応しない。Gemini API料金表
Google検索で回答の根拠を補うgroundingは、API無料枠では使えない。有料枠ではGemini 3以降のモデルで共有する月5,000件の検索リクエストが無料で、超過分は1,000件あたり14ドルになる。1回の依頼から複数の検索が行われると、それぞれが課金対象になる。トークンだけで予算を決めない方がいい。検索ツールの料金と条件
Gemini APIの料金表では、無料枠の内容は製品改善に使われ、有料のStandard枠では使われないとされる。ただし、招待制のContributorは有料でも製品改善への利用がある。さらに、改善に使われないことと、保存や安全性のための限定的なログが一切ないことは別である。顧客情報や機密情報を扱う前に、実際の契約と利用規約を確認したい。無料サービスには機密情報や個人情報を送らない。料金表/Gemini API利用規約
Googleがモデル向けに示す推論レベルはlow、medium、high、xhighの4段階で、既定はhighである。短い分類や抽出から複数手順の開発まで、必要な推論量に応じて選べる。モデル発表/Gemini APIの変更点
| レベル | 試す作業の目安 |
|---|---|
| low | 分類、短い要約、項目の抽出 |
| medium | 一般的なコード作業、資料の質疑 |
| high | 複数のツールを使う作業、複雑な分析 |
| xhigh | 特に難しい推論や複数ファイルにまたがる課題 |
高い設定を選べば必ず仕事がうまくいくわけではない。考える量が増えると、待ち時間や出力トークンが増える場合もある。簡単な抽出まで全部xhighにすると、合格率がほとんど変わらないのに費用と時間だけが増える可能性がある。まず同じ課題で必要十分な設定を探したい。DeepMindモデルカード
ここでアプリの設定と混同しないようにしたい。個人向けGeminiアプリのヘルプにある推論設定はLow・Medium・Highで、手動選択時に指定がなければLowである。API側で示された既定のhighやxhighを、そのままアプリの選択肢として扱うことはできない。Geminiアプリのヘルプ
次はGoogleがモデルカードで公表した比較値であり、独自の実測ではない。数値が高いほどよいが、何を測るかは行ごとに異なる。「—」は未掲載であり、0点ではない。DeepMindモデルカード
| 評価 | Hydrogen | Claude Sonnet 5.5 | GPT-6.1 Terra |
|---|---|---|---|
| Agents’ Last Exam v1.1 知識業務 | 71.6% | 60.4% | 69.8% |
| AutomationBench-AA 業務の自動化 | 76.1% | 71.8% | 60.2% |
| Terminal-Bench 4.1 端末環境での作業(Cheating-adjusted) | 57.0% | 63.9% | — |
| OSWorld-2.1 画面操作(offline subset) | 77.6% | 83.9% | 74.2% |
| Terminal-Bench-Science 0.1 科学・数学 | 51.4% | 59.9% | 58.3% |
評価によって順位は変わる。たとえば実務系の評価でHydrogenが高い行がある一方、端末操作や科学の評価では別のモデルが高い。1つの数値から、すべての開発業務や資料作成で上回るとは判断できない。
別の評価機関Artificial Analysisの総合指標では、Hydrogenはlow 27、medium 41、high 51、xhigh 54と示されている。同機関のArgonは50、Carbon highは60である。HydrogenのhighがArgonを上回る数値もあるが、推論設定の違いと評価範囲に注意が必要だ。点数は利用者の業務での成功率ではない。Artificial Analysisの公開情報/Hydrogen highの評価
Google AntigravityのOrchestratorは、同じ作業セッションの中でCarbonとHydrogenなどを切り替える仕組みである。難しい判断と、修正・検証のような実行を分ける使い方につながる。GoogleはTerminal-Bench 4.0でCarbonに近い成功率を保ち、平均のquota消費が24%少なく、完了が19%速かったと説明している。Googleのモデル発表
この24%はquotaの比較であり、請求額が24%下がるという意味ではない。19%もその評価の平均で、すべての仕事に当てはまる保証はない。モデルに渡す資料の量や、失敗時のやり直しを含め、使う作業で確認する必要がある。
GoogleはHydrogenを検索へ世界展開し、複数の条件や誤字を含む質問の意図をつかみやすくすると発表した。質問を関連する複数の論点に分けて同時に検索するquery fan-outを改善し、より幅広いリンクにつなげるという。画像や比較表など、視覚的で整理された回答も増えるとしている。言語については、AI Modeが対応する言語で改善すると説明している。Google検索の公式発表
同発表は、AI Modeのすべての回答で常にHydrogenが使われることや、AI Overviews全体への採用を明示していない。また、個々のサイトの掲載順位、引用、訪問数が上がる保証でもない。日本語で実際にどのアカウントへ届いているかも、ここでは実測していない。
サイト担当者にとっての考え方としては、利用者が条件を比較する際に必要な情報を、本文で読み取れるよう整理することが考えられる。Googleの検索セントラルは、AI機能のための特別な構造化データや追加の最適化要件はないと案内している。まずは検索への登録状態、スニペットの許可、内容をテキストで確認できるかといった基本を押さえたい。これはサイト改善の提案であり、Hydrogen固有の順位決定要因ではない。Google検索セントラル:検索のAI機能
次は公開情報を踏まえた試し方の提案であり、Hydrogenを使った独自の実測結果ではない。いずれも、同じ入力と合格基準で既存の方法と比べる。最初から本番への書き込みや社外送信まで任せず、人が確認できる状態で結果を受け取る。
開発担当者が開発環境で、再現できる不具合の修正と関連テストの実行を依頼する。合格基準は、再現手順で不具合が解消し、関連テストが通り、指定外の変更がないこと。Hydrogenには変更案とテスト結果を出させ、人が差分、失敗したテスト、権限に関わる変更を確認してから取り込む。
失敗しやすいのは、テストが通っただけで仕様も満たしたと判断することだ。テスト自体が不足していれば、誤った変更が通ることもある。要件が曖昧だったり、複数の仕組みを横断する判断が必要だったりする箇所は、人や上位モデルで検討する。
資料担当者が、利用を許可された資料をAI Studioなどに渡し、製品名・費用・条件と出典箇所を表にする。合格基準は、指定した資料の対象項目を漏らさず、数字と単位が原文と一致すること。出典のない項目を推測で埋めないよう指示し、人が各数値と該当ページを照合する。契約書や顧客情報を使う前には、利用枠とデータの扱いを確認する。
知識のカットオフは2026年3月で、分野によってはさらに古い場合がある。モデルの記憶だけで現行料金や制度を決めず、最新の一次資料を渡して確認する。もっともらしい誤りやタイムアウトも起こり得る。DeepMindモデルカード
チームの責任者が、過去の代表的な作業を数件選び、Hydrogenと現在のモデルに同じ条件で依頼する。たとえば資料からの抽出なら「項目の一致率」、コード修正なら「指定のテストと人の差分確認を通ること」を先に決める。各案件の完了時間、やり直し回数、推論を含むトークン、最終的な費用も記録する。
比較するときは、すべてを同じ高い推論設定にせず、lowやmediumで合格する作業も探す。合格しない工程だけhighや別モデルへ回せば、何を変えると結果が改善するか見えやすい。少数案件の結果は全社での性能を保証しないため、例外の多い仕事は範囲を広げる前に追加で確かめたい。
すでにGeminiをAPIで使っている場合、モデルIDだけを置き換える前に、推論、サンプリング、キャッシュ、ツール呼び出しを確認する。Gemini APIの移行ガイドでは、3.8 Flashからの変更点として、既定の推論レベルがmediumからhighになること、入出力が合算になること、明示的キャッシュが使えないことを挙げている。また、temperature、top_p、top_kの指定値は無視され、会話を自前で保持する場合はthought signatureの扱いにも注意が必要だ。設定を見直したうえで、同じ仕事の品質と費用を比較したい。Gemini API移行ガイド
Geminiアプリの無料利用者は、自動選択を有効にすると質問に応じてHydrogenが選ばれる。無料でHydrogenを手動固定できるわけではない。Gemini APIにも利用制限のある無料枠がある。
モデルIDは gemini-4-hydrogen である。APIやSDKの機能と設定は、利用する提供先の最新仕様を確認したい。
入出力を合わせた枠なので、100万トークンずつは使えない。Gemini APIでは上限1,048,576トークンを入力、推論、出力で共有する。長い出力には所定の継続処理も必要である。
一部の評価指標では上回るが、あらゆる課題で優れるとはいえない。評価の推論設定や成功率、時間、費用を確認し、実際の業務で比較する必要がある。
テキスト、画像、音声、動画などを入力として扱えるが、Gemini APIのモデル仕様では出力はテキストである。画像や音声の生成には対応する別のモデルや機能を確認したい。
個人向けGeminiアプリの推論設定として案内されているのはLow・Medium・Highである。API向けに紹介されているxhighと混同しない方がよい。
AIに仕事を任せる範囲を決めたら、AntigravityとMCPを使ってCRMにつなぐ方法で、ツール接続と人が確認する範囲も考えてみたい。





