Du code à Search, Gemini 4 Hydrogen privilégie l’exécution rapide

Du développement à Search, Gemini 4 Hydrogen vise une exécution plus rapide, avec quatre niveaux de raisonnement et un routage entre modèles.

Une même tâche de programmation peut désormais être répartie automatiquement entre plusieurs modèles dans Google Antigravity. Le déploiement de Gemini 4 Hydrogen accompagne l’arrivée d’Orchestrator, qui alterne planification et exécution au cours d’une session. Le nouveau modèle est aussi proposé seul pour le code, l’analyse de documents et les tâches utilisant des outils. Son déploiement s’étend à l’application Gemini et à Google Search.

La répartition décrite dans le billet consacré à Antigravity peut commencer par une exploration en lecture seule confiée à Carbon : examiner les dépendances, lever les ambiguïtés et préparer un plan. Hydrogen prend ensuite en charge les modifications, les mises à jour et les tests. Si l’exécution rencontre un blocage, le système peut revenir à Carbon pour revoir le plan. Le choix du modèle évolue donc pendant le travail, au lieu d’être fixé uniquement à partir de la demande initiale.

L’accès dépend de l’abonnement. Dans Antigravity, le modèle Hydrogen est en cours de déploiement pour les abonnés Google AI Pro et Ultra. Le mode Orchestrator fondé sur Argon est proposé aux deux offres, tandis que celui utilisant Carbon est réservé à Ultra. Les entreprises disposent d’un accès par Gemini for business. Le fournisseur décrit aussi des montages où Carbon coordonne plusieurs agents Hydrogen chargés de développer et de vérifier des changements dans des espaces de travail séparés.

Le positionnement de modèle rapide s’accompagne de quatre niveaux de raisonnement : low, medium, high, activé par défaut, et xhigh. Les mesures d’Artificial Analysis au niveau high donnent un score de 51 sur son Intelligence Index. Le réglage xhigh atteint 54. Lors du lancement, le laboratoire comparait ces résultats au score de 50 d’Argon. Cet indice agrège plusieurs évaluations de raisonnement, de programmation et de travail avec des outils ; l’écart ne signifie pas une supériorité dans chaque tâche.

L’effort supplémentaire a un coût mesurable. Sur les évaluations de cet indice, Artificial Analysis calcule un coût moyen pondéré de 1,87 dollar par tâche en high, contre 3,16 dollars en xhigh. Le volume total de jetons de sortie passe de 110 millions à 304 millions sur l’ensemble des évaluations. Ces volumes décrivent la campagne de tests, pas une réponse individuelle. Un prix identique par jeton peut donc produire des factures différentes selon la quantité de raisonnement et de texte générée.

Face à Gemini 3.8 Flash, les chiffres publiés par le fournisseur annoncent des tâches achevées 2,5 fois plus vite au réglage high et un score de 57 % sur Terminal-Bench 4.1, contre 18,2 %. Les améliorations décrites concernent les corrections ciblées dans un dépôt, les lectures de fichiers et recherches exécutées en parallèle, ainsi que la reprise du travail lorsqu’un outil échoue. Ce facteur de vitesse correspond à la comparaison présentée par Google, sans garantir le même gain sur tout projet.

Le travail multimodal couvre les PDF, tableaux, graphiques, images, enregistrements audio et vidéos. Les démonstrations publiées vont de la création d’une présentation à partir d’une conférence filmée à la production d’interfaces Web interactives. Une autre démonstration assemble des archives du domaine public en un montage accompagné d’une narration, à l’aide d’un outil de production vidéo. La sortie propre du modèle est textuelle : ces exemples mobilisent des logiciels et ne correspondent pas à un nouveau générateur natif de vidéos.

La documentation de l’API précise une limite importante derrière l’annonce du million de jetons. L’entrée, le raisonnement et la sortie partagent une fenêtre de 1 048 576 jetons. Ce n’est pas un million en entrée auquel s’ajouterait un million en sortie. Les réponses synchrones sont plafonnées à 65 536 jetons par étape ; les générations plus longues passent par une exécution en arrière-plan ou des continuations, dans la limite du contexte restant.

La tarification standard est de 1,50 dollar par million de jetons d’entrée et de 7,50 dollars par million de jetons de sortie, raisonnement compris, sans majoration annoncée selon la longueur du contexte. Une offre gratuite, soumise à des limites de débit, est disponible dans AI Studio et l’API Gemini. L’intégration concerne aussi Android Studio, tandis que l’usage dans Sheets commence avec les abonnements grand public et professionnels éligibles.

La réduction des réponses inventées fait également partie des promesses du lancement. Le fournisseur annonce une baisse de plus d’un facteur cinq par rapport à 3.8 Flash dans sa comparaison. La fiche du modèle conserve les hallucinations parmi les limites connues et mentionne des lenteurs, des expirations de requêtes et une consommation de jetons accrue aux niveaux de raisonnement élevés. Ses évaluations automatisées signalent aussi davantage de refus injustifiés, particulièrement sur les demandes multimodales. Le rapport détaillé de sûreté et de sécurité est annoncé pour les jours suivants.

Dans l’application Gemini, l’accès gratuit ne correspond pas à un choix systématique du modèle dans le menu : une note du lancement précise que les comptes gratuits y accèdent par sélection automatique lorsque la demande s’y prête. Les améliorations annoncées portent sur le respect du format demandé, les échanges suivis et l’utilisation des applications connectées pour réunir les informations nécessaires à une tâche.

Le déploiement dans Google Search est annoncé mondialement pour tous les utilisateurs. La technique de query fan-out décompose une question en plusieurs recherches simultanées sur ses sous-thèmes, afin d’élargir les liens examinés pour préparer la réponse. Les changements visibles doivent prendre la forme de davantage d’images, de tableaux comparatifs et d’outils adaptés à la demande, avec une compréhension linguistique améliorée dans les langues prises en charge par AI Mode.