Gemini 4 Hydrogen発表:高速実行とマルチモデル運用で開発ワークフローを効率化


ADVERTISEMENT

高速実行モデルとしての設計と性能

Googleは、日常的なコーディングやエージェント型ワークフロー向けに、Gemini 4 Hydrogenを発表した。深い長期推論を担うGemini 4 CarbonおよびGemini 4 Argonに対し、Hydrogenは多様なタスクを迅速に実行するモデルとして位置づけられる。単独で日常業務を処理するだけでなく、CarbonやArgonと組み合わせたマルチモデル運用における実行エンジンとしても設計されている。

推論の強さと速度の両立を示す指標として、デフォルトのhigh設定でArtificial Analysis Intelligence Indexが51となり、Argonの50を上回った。最高のxhigh設定では54に達する。コンテキストウィンドウ全体で料金は一律で、入力は100万トークンあたり1.50ドル、出力は同7.50ドル。推論レベルはlow、medium、high(デフォルト)、xhighの4段階で、品質・レイテンシ・コストのトレードオフをタスクに応じて調整できる。

Gemini 3.8 Flashからの移行先としても、実行速度と性能の向上が示されている。デフォルトのhigh設定ではタスクを2.5倍速く完了し、Terminal-Bench 4.1のスコアは18.2%から57%へ上昇した。また、捏造された主張を5分の1未満に抑え、ツール呼び出しの失敗や検索結果が空の場合にも対応しやすくなったとされる。

ツール利用とマルチモデル構成が実運用の効率を左右

Google Antigravityに導入されるOrchestratorは、セッションの最初から最後まで単一モデルを使うのではなく、処理に応じてCarbonとHydrogenなどを動的に切り替える。Terminal-Bench 4.0では、Carbonに近いタスク成功率を保ちながら、平均クォータ消費量を24%削減し、完了時間を19%短縮した。重い判断を得意とするモデルと、コード作成・テスト・検証に向くモデルを分業させ、性能とコストを同時に最適化する構成である。

並列エージェントを使う場合は、Carbonを調整役にし、Hydrogenをワーカーや検証役として複数の分離されたワークスペースで変更の作成とテストを同時に進められる。Hydrogen自身も、リポジトリ内のファイル読み込みや検索を逐次処理するのではなく、並列にまとめて実行する能力を示している。初期テストでは、複雑なグラフ、SQL、データ中心の企業ワークフローにおいて、3.8 Flashと比べて2〜2.8倍高速で、トークン使用量を12〜23%削減したという。

開発用途では、既存コードを不必要に書き換えず、問題箇所に絞って修正するリポジトリ解析・デバッグに対応する。SWE-sweepでは、既存コードを壊さずにバグを発見・修復するタスクで、同クラスのモデルを上回るとしている。オープンエンドのエージェント作業ではAgent Arenaで5位。領域別評価では、HLE-Diamondで58.8%、Vals Tax Agent Benchで52.3%を記録して総合1位、Vals Legal Research Benchで55.8%の同率1位、AutomationBench-AAでは同クラスをリードしたと報告されている。

長文・マルチモーダル処理と製品展開

Hydrogenは入力・出力ともに最大100万トークンを扱い、PDF、表計算シート、図表、音声、録画動画などを統合して、引用付きレポートや構造化成果物を生成する。複雑な視覚ファイルを含むエンドツーエンドの知識作業を測るMultimodal Knowledge Agentでは53.4%、専門業務ワークフローを評価するAgents’ Last Exam v1.1では71.6%を記録した。長い入力を受け止めるだけでなく、異種資料を横断して成果物にまとめる用途を想定した設計である。

実演例として、Google Antigravity上でのWebGL2シェーダーを含むECストア構築、Google Sheetsのセルを利用したアニメーション制作、スライド生成後のレイアウト監査・修正ループなどが紹介された。Gemini in Google Sheetsでは、財務データを予測シナリオに応じて変化するモデルへ変換し、従来のSheets canvas上のモデルより30%超高速に出力するとしている。

提供先は開発者、企業、一般ユーザーにまたがる。開発者はAI StudioやGemini API、Android Studio、条件を満たす有料Google AI Pro・Ultra加入者はGoogle Antigravityから利用できる。企業向けにはGemini for business、Google Antigravity、対象のGoogle Sheets契約で提供され、一般向けにはGeminiアプリとGoogle Searchへグローバルに展開される。Searchでは、複数要素を含む自然な質問や誤字を含む入力の意図把握、視覚的で読み取りやすい応答、関連リンクの拡張が改善点として挙げられている。

安全性では、エージェント作業における過剰な実行を最大81%、必要な処理を行わない不足を最大79%抑え、ツール利用・コーディング評価における不整合な行動やタスクの近道を12分の1にしたという。実行不可能またはブロックされたタスクで権限境界を回避する可能性は最大2分の1に低下し、社内エージェント誠実性評価で96.7%を達成した。間接プロンプトインジェクションについてはGray Swan IPIベンチマークで耐性が2.3倍超に向上し、HealthBench Proでは誤拒否率を0.4%未満に抑えたとしている。

開発者・エンジニア視点での考察

  1. 推論レベルをタスク単位で設計する。 4段階の思考設定は、単一の固定構成よりも、作業の性質に応じた運用を可能にする。低遅延が重要な定型的な編集やテスト生成は低めの設定から始め、複雑な不具合解析や曖昧な要件の検討ではhighまたはxhighを使う、といった段階的なポリシーを検証できる。選択肢ごとに品質・レイテンシ・出力トークンを測り、タスク別の基準を作ることが重要になる。

  2. モデル選択をワークフロー設計の一部にする。 Orchestratorの評価は、単純なモデル単体の比較ではなく、モデル間の役割分担が成功率、処理時間、クォータ消費にどう影響するかを示す。開発チームは、設計判断、実装、テスト、レビューを別工程として計測し、どの工程で高性能モデルが必要かを特定すべきだ。並列ワーカーを導入する際は、ワークスペースの分離、変更の競合、統合後の検証を含めて評価する必要がある。

  3. 失敗時の挙動と権限境界を品質指標に含める。 ツール呼び出しの失敗、空の検索結果、実行不能な要求、間接プロンプトインジェクションは、本番のエージェントで避けられない条件である。成功率だけでなく、再試行の適切さ、権限逸脱の有無、根拠のない主張、誤拒否、最終成果物の検証可能性を継続的に評価したい。公表された安全性数値は参考になる一方、実際のツール権限やデータ境界に合わせた独自評価が必要である。

Source / 元記事

この記事について

著者
AIBloom AI編集部
初回公開
最終更新

この記事は、公開されているニュース、論文、公式発表、RSSフィードなどをもとに、AIが要約・補足調査・考察を行って作成しています。

元記事の完全な翻訳・逐語的な要約ではなく、AIによる背景説明や開発者向けの考察を含みます。

重要な技術仕様・価格・提供状況などは、必ず元記事または公式情報をご確認ください。

About AIBloom

ADVERTISEMENT