Gemini 4 Hydrogen הזול עוקף את Argon במדד Artificial Analysis, פחות מחודש אחרי השקת Argon

גוגל השיקה את Gemini 4 Hydrogen, מודל מהיר וזול שנועד למשימות יומיומיות, לפיתוח קוד ולתהליכי עבודה אגנטיים, כלומר משימות שבהן המודל פועל בכמה שלבים ומשתמש בכלים בעצמו. לפי הנתונים שהחברה מציגה, הוא כבר עוקף את Gemini 4 Argon, מודל גדול ממנו שהושק לפני פחות מארבעה שבועות. כך דיווח האתר The Decoder.

המספרים

במדד Artificial Analysis Intelligence Index, שמשקלל שורה של מבחנים לכדי ציון אחד, Hydrogen קיבל 51 ברמת החשיבה "high", שהיא ברירת המחדל. Argon קיבל 50. ברמת החשיבה הגבוהה ביותר, "xhigh", Hydrogen הגיע ל-54. בכך הוא נמצא נקודה אחת בלבד מתחת ל-Claude Sonnet 5.5 של אנתרופיק ול-GPT-6.1 Sol, שקיבלו שניהם 55 ברמת החשיבה המרבית שלהם. Gemini 4 Carbon, מודל הדגל החדש של גוגל, קיבל 59.

ל-Hydrogen ארבע רמות חשיבה: low, medium, high ורמה חדשה בשם xhigh. ל-Argon יש רק medium ו-high. חלון ההקשר, כלומר כמות הטקסט שהמודל יכול לעבד בבת אחת, הוא מיליון טוקנים בקלט, והמודל יכול גם להפיק עד מיליון טוקנים בפלט.

המחיר

המחיר הוא 1.50 דולר למיליון טוקנים בקלט ו-7.50 דולר למיליון טוקנים בפלט. כשהקלט כבר שמור במטמון (cache), המחיר יורד ל-0.075 דולר. לפי The Decoder, ככל הנראה Hydrogen גם חזק יותר מ-Argon וגם זול ממנו.

לא מנצח בכל מקום

טבלת הנתונים המלאה מראה תמונה מורכבת יותר מהכותרת:

• Chartography (הבנת תרשימים): ‏Hydrogen קיבל 66.6%, פחות מ-Argon ‏(71.6%) ומ-Carbon ‏(72.5%).
• Agents' Last Exam v1.1: ‏71.6%. זה יותר מ-Argon ‏(69.0%), אבל פחות מ-Carbon ‏(77.4%).
• OSWorld-2.1 (שליטה במחשב): ‏77.6%, לעומת 74.7% ל-Argon ו-81.5% ל-Carbon.
• SWE-sweep (קוד אגנטי): כאן Hydrogen מוביל עם 13.5%, לעומת 9.6% ל-Carbon ו-4.3% ל-Argon.

ב-Terminal-Bench, ‏Hydrogen נבדק בגרסה 4.1 וקיבל 57%. ‏Argon ו-Carbon נבדקו בגרסה 4.0, ולכן ככל הנראה אי אפשר להשוות ביניהם ישירות.

קפיצה מעל Flash

גוגל מציגה את Hydrogen כיורש של Gemini 3.8 Flash. לטענתה, ברמת החשיבה של ברירת המחדל הוא מסיים משימות מהר פי 2.5. ב-Terminal-Bench 4.1 הציון עלה מ-18.2% ל-57%. לפי גוגל, ההזיות (מידע שגוי שהמודל ממציא) ירדו פי חמישה, והמודל מתאושש טוב יותר כשקריאה לכלי נכשלת. בדירוג Agent Arena הוא במקום החמישי. ב-Vals Tax Agent Bench הוא במקום הראשון עם 52.3%, וב-Vals Legal Research Bench הוא חולק את המקום הראשון עם 55.8%.

בלבול במדף המוצרים

רק לפני יומיים, כשהשיקה את Carbon, גוגל המליצה להמשיך להשתמש ב-Argon לעבודת קוד יומיומית. לפי The Decoder, ההשקה של Hydrogen מבטלת למעשה את ההמלצה הזאת.

זמינות

Hydrogen נפתח בכל העולם. מפתחים מקבלים גישה דרך Gemini API ב-AI Studio וב-Android Studio. מנויי Pro ו-Ultra יכולים להשתמש בו ב-Google Antigravity, לקוחות עסקיים דרך Gemini for Business, וכל המשתמשים יכולים להשתמש בו באפליקציית Gemini ובחיפוש של גוגל.

המשמעות

מודל זול שמגיע לנקודה אחת מתחת למודלים מובילים של אנתרופיק ו-OpenAI מטשטש את ההבדל בין מודל "מהיר" למודל "חזק". סביר שהלחץ על המחירים בשוק יגבר. עם זאת, רוב הנתונים מגיעים מגוגל עצמה, ומבחנים בלתי תלויים יהיו מבחן האמת.