Zusammenfassung:
Am 12. November 2026 hat Google das künstliche Intelligenzmodell Gemini 4 Hydrogen der neuen Generation offiziell auf den Markt gebracht. Ursprünglich sollte dieses Modell dem Flash-Namenssystem folgen, doch Google entschied sich schließlich für den neuen Namen Hydrogen und positionierte es als hocheffizientes Modell für den täglichen Gebrauch, schnelle Programmierung und Agenten-Workflow.
Zuvor hat Google Gemini 4 Carbon und Gemini 4 Argon für komplexe Überlegungen und schwierige Aufgaben eingeführt. Wasserstoff übernimmt ein breiteres Spektrum täglicher Aufgaben und hofft, schnellere Reaktionszeiten und geringere Nutzungskosten zu ermöglichen und gleichzeitig ein hohes Maß an Intelligenz beizubehalten.
Google gab an, dass Gemini 4 Hydrogen im Vergleich zu Gemini 3.8 Flash, das im September 2026 auf den Markt kam, erhebliche Verbesserungen bei Geschwindigkeit und Intelligenz erzielt hat. Es handelt sich nicht mehr nur um ein leichtes Modell, bei dem niedrige Kosten und schnelle Reaktion im Vordergrund stehen, sondern es ist auch in der Lage, komplexe Programmieraufgaben und mehrstufige Agentenarbeit zu bewältigen.
In Bezug auf die Kontextverarbeitung unterstützt Gemini 4 Hydrogen nativ 1 Million Token-Eingaben und kann bis zu 1 Million Token-Ausgaben generieren. Dadurch ist es in der Lage, große Code-Repositories, lange technische Dokumente und komplexe Multi-Turn-Aufgaben zu bewältigen. Insbesondere in Agenten-Workflows können Modelle kontinuierlich eine große Menge an Kontextinformationen speichern, wodurch die Notwendigkeit verringert wird, bei der Ausführung langer Aufgaben wiederholt Hintergrundinformationen bereitzustellen.
Google hob auch die Leistung von Hydrogen bei der Programmierung intelligenter Agenten hervor. Es kann an kontinuierlichen Arbeiten wie dem Schreiben, Debuggen, Testen und Ändern von Code teilnehmen, anstatt nur einen Codeabschnitt basierend auf Benutzeranforderungen zu generieren. Bei Entwicklungsaufgaben, deren Abschluss mehrere Schritte erfordert, können Modelle den Kontext zwischen verschiedenen Phasen aufrechterhalten, sodass sie besser für alltägliche Softwareentwicklungsaufgaben geeignet sind.
In Bezug auf Leistungstests zeigen die von Google veröffentlichten Daten, dass Hydrogen im Terminal-Bench 4.1-Test 57 % erreichte, während Gemini 3.8 Flash 18,2 % erreichte. Dieser Test bewertet hauptsächlich die Fähigkeit des Modells, tatsächliche Softwareentwicklungsaufgaben in einer Terminalumgebung auszuführen, einschließlich Befehlsausführung, Codeänderung und Fehlerbehebung.
Im Artificial Analysis Intelligence Index erreichte Hydrogen unter der Standardeinstellung „Hohe Inferenz“ 51 Punkte, etwas mehr als die 50 Punkte von Gemini 4 Argon; Unter der höchsten XHigh-Inferenzeinstellung erreichte die Punktzahl weiterhin 54 Punkte. Laut Google erreicht Hydrogen diese Ergebnisse und erledigt Aufgaben im Allgemeinen in kürzerer Zeit.
Google positioniert Wasserstoff jedoch nicht als Flaggschiffmodell, um Kohlenstoff und Argon zu ersetzen. Kohlenstoff und Argon zielen immer noch hauptsächlich auf komplexes Denken, langfristige autonome Ausführung und schwierigere berufliche Aufgaben ab, während Wasserstoff die schnelle Ausführung und tägliche Arbeitseffizienz betont. Google hofft, dass Nutzer durch die Zusammenarbeit verschiedener Modelle nicht immer auf das rechenintensivere Flaggschiff-Modell zurückgreifen müssen, um einfache Aufgaben zu erledigen.
Im Hinblick auf die Agentenzusammenarbeit kann die Orchestrator-Funktion von Google einige Routinearbeiten an Hydrogen übergeben, während Carbon für komplexere Entscheidungen und Überlegungen verantwortlich ist. Google beschreibt dieses Modell als eine Reduzierung des Token-Verbrauchs bei gleichzeitiger größtmöglicher Beibehaltung der Arbeitsqualität auf Kohlenstoffniveau. Durch die Zuweisung von Aufgaben zwischen Modellen können Unternehmen die Betriebskosten senken, wenn sie KI-Agenten in großem Maßstab einsetzen.
Was den Preis betrifft, beträgt der API-Eingabepreis von Gemini 4 Hydrogen 1,50 US-Dollar pro Million Token und der Ausgabepreis 7,50 US-Dollar pro Million Token. Google gab an, dass das gesamte 1-Million-Token-Kontextfenster eine einheitliche Preisgestaltung anwendet und aufgrund der zunehmenden Kontextlänge keine unterschiedlichen Preisstufen einführen wird.
Wasserstoff verfolgt dieses Mal eine ziemlich umfassende Freisetzungsstrategie. Es steht allen Nutzern von Google AI Studio, Gemini-API-Entwicklern, Gemini for Business-Unternehmensnutzern und Gemini-Anwendungsnutzern offen und ist auch in die Google-Suche integriert. Nutzer mit kostenpflichtigen Google AI Pro- und Ultra-Abonnements können das Modell auch in Google Antigravity aufrufen.
In der Gemini-App wird Wasserstoff als alltagstaugliches Modell positioniert. Benutzer können es für allgemeine Fragen und Antworten, Informationsverarbeitung und Programmierunterstützung verwenden, während Entwickler es über APIs mit ihren eigenen Anwendungen und Agentensystemen verbinden können.
Diese Veröffentlichung bedeutet auch, dass Google die Positionierung der Gemini-Produktlinie weiter ändert. In der Vergangenheit standen bei der Flash-Serie vor allem Geschwindigkeits- und Kostenvorteile im Vordergrund, während die Pro-Serie komplexere Aufgaben übernahm. Heute übertrifft Hydrogen in einigen Intelligenzindextests sogar Argon, was darauf hindeutet, dass Google hofft, kostengünstigere Modelle zu entwickeln, die recht komplexe Aufgaben bewältigen können.
Aus Sicht des Produktlayouts bildet die Gemini 4-Serie eine klarere Arbeitsteilung: Kohlenstoff und Argon sind für schwierige Überlegungen verantwortlich, und Wasserstoff ist für die schnelle Ausführung und tägliche Agentenaufgaben verantwortlich. Durch die Zusammenarbeit mehrerer Modelle versucht Google, ein immer realeres Problem zu lösen: Da KI-Agenten beginnen, Dutzende oder sogar Hunderte von Schritten kontinuierlich auszuführen, ist es nicht nur langsamer, sich bei der Erledigung der gesamten Arbeit ausschließlich auf das stärkste Modell zu verlassen, sondern verursacht auch hohe Rechenkosten.
Die Einführung von Gemini 4 Hydrogen ist Googles Versuch, ein neues Gleichgewicht zwischen Modellintelligenz, Ausführungsgeschwindigkeit und Betriebskosten zu finden.
Kommentare