Gemini 4 Hydrogenとは?Carbon・Argonと使い分ける高速実行・モデルルーティング設計

当サイトではアフィリエイト広告を利用しています。

Googleは2026年11月12日、Gemini 4シリーズの新モデル「Gemini 4 Hydrogen」を公開しました。Hydrogenは日常的なコーディングやAIエージェントの反復処理を速く回す役割を持ち、Gemini 4 CarbonやGemini 4 Argonが担う深い長時間推論と組み合わせて使う設計が示されています。

今回の発表で重要なのは、モデル選択が単純な性能順位から、タスク難度、待ち時間、推論量、処理コスト、エージェント内の役割を基準に振り分ける運用へ進んだ点です。Google AntigravityのOrchestratorは、同じセッション内でCarbonとHydrogenを動的に切り替えます。

実務では、実装・テスト・検証の反復をHydrogen、広い知識労働や複雑なソフトウェア開発をArgon、最も難しい設計や長時間の探索をCarbonへ寄せる形が基本になります。Hydrogen自身にも4段階のthinking levelがあり、モデルを切り替える前に推論量を調整できます。

Gemini 4 Hydrogenは高速実行を担うGemini 4の新しい層

Gemini 4 Hydrogenは、Gemini 4 Carbonを基に適応されたモデルです。Google DeepMindのモデルカードでは、CarbonとArgonを深い長時間推論向け、Hydrogenを多様なエージェント処理の高速実行向けとして位置付けています。

3モデルの役割を並べると、Gemini 4の階層が見えてきます。

モデルGoogleが示す主な役割向いている仕事の例
Gemini 4 Hydrogen高速・高効率な実行日常的なコーディング、実装、テスト、検証、ワーカー、ベリファイア
Gemini 4 Argon広いソフトウェア開発・知識労働複雑な実務、長めの推論、構造的な分析
Gemini 4 Carbon最も難しい深い推論・長時間タスクアーキテクチャ設計、難しいデバッグ、科学研究、統括・監査

Hydrogenは単独でも利用でき、複数モデルのワークフローでは実行エンジンとして配置できます。Carbonが設計や全体調整を担当し、Hydrogenが個別の実装や検証を並列に処理する構成もGoogleが例示しています。

CarbonとArgonの役割差、推論量、料金、既存のルーティング基準は、こちらの記事で詳しく確認できます。

Gemini 4 CarbonとArgonはどう使い分ける?高難度タスク・料金・推論量で選ぶ設計
Gemini 4 CarbonとArgonの使い分けを深掘り。高難度タスクへのCarbon配置、共通のAPI料金、推論量と仕事単位のコスト、AutomationBenchのMedium・High比較、複数エージェントでの役割分担を整理します。

Hydrogen自身にも4段階のthinking levelがある

Hydrogenはlow、medium、high、xhighの4段階のthinking levelを持ちます。デフォルトはhighです。Googleの開発者向けガイドでは、待ち時間を重視するターンでmediumを使い、より深い推論にはhighやxhighを使う考え方が示されています。

この仕組みにより、モデル選択は2段階になります。

  1. 仕事の性質からHydrogen、Argon、Carbonのどこへ送るか決める
  2. Hydrogenへ送った仕事では、必要な推論量に合わせてthinking levelを調整する

たとえば、仕様が決まった小さな修正やテストの反復では、Hydrogenの速度を活かせます。調査量や判断量が増えた場合はHydrogenのthinking levelを上げ、仕事の構造そのものが長時間の探索へ変わった場合はArgonやCarbonへ切り替える運用が考えられます。

運用例として見ると、次のように段階を作れます。

状況最初の候補次に見るもの
定型的な実装・テストHydrogen low / medium待ち時間、再試行回数
リポジトリ調査や複雑な修正Hydrogen high失敗率、影響範囲
Hydrogenで深い推論が必要Hydrogen xhighトークン量、完了時間
長い探索や全体設計が中心Argon / Carbon依存関係、レビュー負荷

これはGoogleの役割分担を実務向けの運用条件へ置き換えた例です。実際の境界は、自分のワークロードで成功率と処理時間を測って決める必要があります。

100万トークンは入力と出力で共有する統合コンテキスト

Hydrogenは最大1,048,576トークンの統合コンテキストを持ちます。Google Cloudのモデル仕様では、この上限を入力と出力で共有します。出力側にはthinking、function calling、最終回答も含まれます。

通常の同期出力は1セグメントあたり最大65,536トークンです。Interactions APIやGenerateContent APIではlong decodeを使い、入力分を差し引いた範囲で出力を延長できます。

長いリポジトリ、複数の文書、動画や音声をまとめて扱う場合は、入力データ量に加えて推論と出力の余白もコンテキスト内に確保します。特にhighやxhighで長いエージェント処理を回すときは、会話履歴とthinkingが使う量も運用設計に入ります。

この仕様では、長いコンテキストを仕事全体で使える入力・推論・出力の共有予算として扱う視点が重要です。大量の資料を入れるほど、推論と出力に残す余白も同じ枠内で管理します。

Hydrogenの料金は100万入力1.50ドル・出力7.50ドル

Gemini 4 Hydrogenの標準グローバル料金は、100万入力トークンあたり1.50ドル、100万出力トークンあたり7.50ドルです。Googleは100万トークンのコンテキスト全体で同じ単価を適用すると案内しています。

CarbonとArgonは、Google Cloudの価格表で2026年11月30日まで100万入力トークンあたり2ドル、100万出力トークンあたり10ドルです。12月1日からは入力4ドル、出力20ドルになります。

モデル入力100万トークン出力100万トークン料金の時点
Hydrogen1.50ドル7.50ドル標準グローバル料金
Carbon2ドル10ドル2026年11月30日まで
Argon2ドル10ドル2026年11月30日まで
Carbon4ドル20ドル2026年12月1日から
Argon4ドル20ドル2026年12月1日から

モデルルーティングでは、この単価差に再試行回数と完了時間を加えて見ます。Hydrogenを3回やり直す仕事と、Carbonで1回で終わる仕事では、最終的な費用と時間の関係が逆転する場合があります。

そのため、最適化の単位は「100万トークンの価格」よりも、成功した仕事1件を終えるまでの総コストに置く方が実務に合います。

Orchestratorは同じセッション内でCarbonとHydrogenを切り替える

Google Antigravityには、複数モデルの切り替えを自動化するOrchestratorが追加されました。1つのセッションを同じモデルで通す運用から、タスクの局面に応じてCarbonとHydrogenを切り替える運用へ進められます。

Googleが示す代表例は、次の役割分担です。

  • Carbon:アーキテクチャ設計、調整、難しい判断
  • Hydrogen:実装、テスト、ワーカー処理
  • Hydrogen:変更結果を確認するベリファイア
  • Carbon:複数ワーカーの結果を横断して監査

GoogleのTerminal-Bench 4.0評価では、OrchestratorはCarbonに近いタスク成功率を維持しながら、平均でクォータ消費を24%減らし、完了時間を19%短縮しました。この値はGoogleが示した特定の評価環境の結果です。

Orchestratorでは、Carbonの推論能力を難しい判断へ集中させ、実装や検証の反復をHydrogenへ渡します。これにより、深い推論へ使う計算量と実行速度を分けて設計できます。

総合ベンチマーク順位より仕事の形をルーティング条件にする

Hydrogenは高速実行向けですが、能力評価も高い水準です。Googleの発表ではArtificial Analysis Intelligence Indexで、Hydrogenはデフォルトのhighで51、xhighで54、Argonは50とされています。

この結果とGoogleの役割設計を合わせると、ルーティングはモデル名の階層より仕事の形を基準にする方が役割設計と一致します。Hydrogenは高い能力を保ちながら反復速度を上げる層として設計され、ArgonとCarbonは深く長い推論を必要とする仕事へ置かれています。

実務で見る軸は次の5つです。

  • 前提の明確さ:仕様や完了条件が決まっているか
  • 探索の長さ:調査や仮説検証をどこまで続けるか
  • 依存関係:複数システムや多数の資料を横断するか
  • 待ち時間の重要度:短い反復を何回も回す仕事か
  • 失敗時の再作業:やり直しや人のレビューがどれだけ重いか

この軸で見ると、Hydrogenは速い反復が成果につながる仕事へ置く役割が明確になります。難しいコードでも、範囲と完了条件が明確ならHydrogenへ置く価値があります。対象範囲そのものを探す必要がある設計や研究には、ArgonやCarbonの長時間推論が合います。

実務では開始モデルと切り替え条件を先に決める

モデルルーティングを運用へ落とすときは、最初のモデルとエスカレーション条件をセットで決めます。

仕事最初の候補切り替え条件の例
仕様が確定した実装Hydrogen影響範囲が複数システムへ広がる
テスト・検証の反復Hydrogen前提の再設計が必要になる
リポジトリ内の原因調査Hydrogen high原因候補が広範囲に分散する
複数システムの設計Argon / Carbon最初から長い探索と設計判断を行う
オープンエンドな研究Carbon仮説形成と長い検証ループを継続する
マルチエージェントのワーカーHydrogen統括側で全体整合を確認する

Hydrogenへ送った仕事では、lowからxhighまでのthinking levelも記録します。モデル名だけを残すより、どのthinking levelで何分かかり、何回やり直したかまで記録した方が、次回のルーティング条件を改善できます。

仕事1件あたりの成功率・時間・総コストを記録する

モデルルーティングでは、実際の結果から自分の仕事に合う境界を更新していきます。導入時のルールは、成功率・時間・総コストの実績に合わせて調整します。

最低限、次の項目を記録すると比較できます。

  • 使用モデル
  • thinking level
  • 入力・出力トークン
  • 完了までの経過時間
  • ツール実行回数
  • 再試行回数
  • テストや評価の合格率
  • 人が修正した箇所
  • 成功した仕事1件あたりの費用

Hydrogenの速度が効く仕事では、短い反復を増やしても総時間を抑えられます。Carbonを選ぶ価値は、設計のやり直しや人のレビューがどこまで減るかで評価できます。

運用データがたまると、「この種類の仕事はHydrogen highから始める」「この条件を超えたらCarbonへ上げる」といったルールを、自分の環境に合わせて具体化できます。

提供先と本番運用で確認すること

HydrogenはGoogle AI Studio、Gemini API、Gemini for business、Geminiアプリ、Google Searchなどへ展開されています。Google Antigravityでは、有料のGoogle AI ProまたはUltraユーザー向けに提供されています。Geminiアプリの無料ユーザーは、プロンプトに適すると判断された場合に自動モデル選択を通じて利用できます。

Google CloudのGemini Enterprise Agent Platformでは、HydrogenはGAとして提供されています。同時に「short-term GA release」として扱われ、終了時には最低45日前の通知を行うライフサイクル方針が示されています。

本番システムでHydrogenを固定モデルとして使う場合は、性能・料金に加えて、モデルライフサイクルと移行先を定期的に確認する運用が必要です。ルーティング層を設けると、モデル更新時の変更を振り分け先の設定へ集約し、アプリ本体との責任を分離できます。

まとめ

Gemini 4 Hydrogenの登場で、Gemini 4は高速実行のHydrogen、広い複雑業務を担うArgon、最も難しい長時間推論を担うCarbonという役割分担が具体化しました。

Hydrogenは4段階のthinking levelを持ち、入力と出力で共有する最大1,048,576トークンの統合コンテキストを使います。標準グローバル料金は100万入力トークンあたり1.50ドル、100万出力トークンあたり7.50ドルです。

実務での中心は、モデルを固定することより、仕事の難度、探索の長さ、待ち時間、再試行、人のレビューを見ながらルーティングすることです。Orchestratorのように難しい判断をCarbonへ、実装と検証をHydrogenへ振り分ける構成は、その考え方を具体的なワークフローへ落とし込んでいます。

公式情報・参照先

タイトルとURLをコピーしました