一文要約
2026年11月12日、GoogleはGemini 4 Hydrogenを発表した。Gemini 4ファミリーにおける「高頻度の実行層」として位置づけ、日常のコーディング、テスト実行、情報検索、ツール連携を担う。長期的な深い推論を担うCarbonとArgonとは役割を分ける。Google検索とAI Modeの既定モデルであるGemini 3.8 Flashを置き換え、100万トークンの文脈全体を入力100万トークンあたり1.50ドル、出力100万トークンあたり7.50ドルで均一に価格設定している。
出来事の概要
2026年11月12日、GoogleはGemini 4 Hydrogenを発表した。公式ブログはGoogle DeepMindのシニアバイスプレジデント兼GoogleのチーフアーキテクトであるKoray Kavukcuoglu名義で公開され、同日にGoogle DeepMindのモデルカードも掲載された。
Googleの位置づけは明確である。深く長期的な推論を得意とするフロンティアモデルGemini 4 CarbonとGemini 4 Argonを代替するのではなく、「高速実行」の層を補う。日常のコード記述、テストの実行、変更の検証、資料の検索、ツール呼び出しの連鎖といったエージェント型ワークフローがその対象である。
同日、GoogleはGemini 4 HydrogenをGoogle検索に配備し、AI Modeの既定モデルであるGemini 3.8 Flashを置き換えた。AI Overviewsの最も複雑な質問も担う。Googleの検索担当バイスプレジデントであるRobby Steinは、ソーシャルメディア上でこれを「Google検索史上最大のモデルアップグレード」と表現した。ただしこれはメディアによる引用であり、ブログ本文の記述ではない。
主要データ
| 項目 | 内容 |
|---|---|
| 発表日と署名 | 2026年11月12日、Koray Kavukcuoglu（Google DeepMind シニアバイスプレジデント、Google チーフアーキテクト） |
| 位置づけ | Gemini 4ファミリーの「高頻度実行層」。日常のコーディングとエージェント型ワークフロー向け |
| モデル間の関係 | Carbon（深い推論）、Argon（フロンティア）と並列。両者を代替しない |
| 価格 | 入力100万トークンあたり1.50ドル、出力100万トークンあたり7.50ドル。100万トークン文脈全体で同一価格 |
| コンテキスト | ネイティブで入力100万トークン、出力は最大100万トークン |
| 3.8 Flashとの比較 | 既定のhigh設定でタスク完了が2.5倍速い。Terminal-Bench 4.1が18.2%から57%へ。虚偽の主張が5倍以上減少 |
| 知能指数 | Artificial Analysis Intelligence Index：既定のhigh設定で51（Argonは50）、最高のxhigh設定で54 |
| 置き換え対象 | Gemini 3.8 Flashの後継として、Google検索／AI Modeの既定モデルに |
| 提供範囲 | Google AI Studio、Gemini API、Gemini for business、Gemini app、Google Search、Google AI ProとUltraの購読者（Google Antigravityを含む） |
| 併載機能 | Google AntigravityのOrchestrator。同一セッション内でCarbonとHydrogenを動的に切り替える |
Googleが公開したベンチマーク比較（Gemini 4 Hydrogen／Claude Sonnet 5.5／GPT-6.1 Terra）：
| ベンチマーク | Hydrogen | Claude Sonnet 5.5 | GPT-6.1 Terra |
|---|---|---|---|
| SWE-sweep（エージェント型コーディング） | 13.5% | 3.1% | 5.8% |
| Terminal-Bench 4.1（不正対策調整済み） | 57.0% | 63.9% | — |
| Agents' Last Exam v1.1（知識作業） | 71.6% | 60.4% | 69.8% |
| AutomationBench-AA | 76.1% | 71.8% | 60.2% |
| Vending-Bench 2（口座残高） | 14,549ドル | 11,165ドル | 9,107ドル |
| OSWorld-2.1（オフライン部分集合） | 77.6% | 83.9% | 74.2% |
| MKA（マルチモーダル知識作業） | 53.4% | 52.0% | 43.8% |
| Chartography | 66.6% | 61.6% | 63.2% |
| Terminal-Bench-Science 0.1 | 51.4% | 59.9% | 58.3% |
| HLE-Diamond（推論） | 58.8% | 53.3% | 47.3% |
1. Gemini 4を「実行層」へ下ろす——より強い推論モデルを積むのではなく
今回の発表で最も注目すべきはスコアではなく、製品の階層化である。
Gemini 4ファミリーの中で、CarbonとArgonは「難問」を対象とする。長時間・深い推論、たとえばシステム設計の判断や厄介なバグの切り分けである。Hydrogenは「作業」を対象とする。コードを書き、テストを走らせ、変更を検証し、資料をまとめて検索する。Googleは両者の協働を率直に書いている。チームにはアーキテクチャ判断のためのフロンティアモデルと、作業を着地させるための高速で規律ある実行モデルの両方が必要だ、と。
価格設定もこの階層化に沿っている。100万トークン文脈全体で1.50／7.50ドルの均一価格は、長い文脈にも追加料金を課さないことを意味する。この価格は「高頻度呼び出しに耐える」水準に置かれている。実行層の呼び出し量は推論層よりはるかに大きく、単価を下げなければエージェント型ワークフローのコストモデルが成立しない。
2. ベンチマーク表の読み方：コーディングと知識作業で先行、端末と計算機利用で後退
10項目を勝ち負けで分けると、「全面的に先行」より複雑な像が現れる。
Hydrogenが明確に先行するのは3項目である。SWE-sweep（13.5%に対し3.1%と5.8%）、Agents' Last Exam v1.1（71.6%）、HLE-Diamond（58.8%）。いずれも「リポジトリ内で問題を特定して修復する」「専門的な作業を端から端まで完結させる」ことに関係し、実行型という位置づけに正確に対応する。
Hydrogenが後退するのは3項目である。Terminal-Bench 4.1（57.0%に対しClaude Sonnet 5.5は63.9%）、OSWorld-2.1（77.6%に対し83.9%）、Terminal-Bench-Science 0.1（51.4%に対し59.9%）。端末操作とGUI操作の2種類は、競合モデルの方が依然として強い。
この結果が示すのは、モデル比較が「総合点」から「分業」へ移ったということだ。同じモデルがリポジトリのコーディングで大きく先行し、端末インタラクションで後退する。この二つの結論は同時に成立し、どちらが重要かは用途で決まる。
測定の前提に注意が必要である。この表はGoogleが提供したもので、テストハーネス、プロンプト、採点方法はいずれも発表側が設定している。同名ベンチマークの実装はベンダーごとに異なり、表をまたいで合算や平均化はできない。Vending-Bench 2は口座残高（ドル）を報告し、OSWorld-2.1はオフライン部分集合と明記されている。こうした注記自体が前提の注意書きである。
3. Orchestrator：マルチモデル編成が製品機能になる
Hydrogenと同時に、Google AntigravityのOrchestratorも発表された。単一モデルを最初から最後まで走らせるのではなく、同一セッション内でタスクに応じてCarbonとHydrogenを動的に切り替える。
Googleの実測値はこうである。Terminal-Bench 4.0において、OrchestratorはCarbonに近いタスク成功率に達しつつ、平均でクォータを24%少なく消費し、19%速く完了した。並列エージェントの場面では、Carbonが調整役、Hydrogenが実行と検証のワーカーとなり、隔離されたワークスペースで同時に構築とテストを行う。
この設計の意味は、モデルの組み合わせが既定の体験になることだ。利用者はどの段階でどのモデルを使うかを自分で判断しなくてよい。システムがタスク種別で切り替える。この路線が成立すれば、モデル価値の尺度は単体スコアから「組み合わせ後の単位タスクコスト」へ移る。
4. 検索への影響：既定モデルの交代は新モデル発表より重い
同日、Gemini 4 HydrogenはGemini 3.8 Flashに代わり、Google検索とAI Modeの既定モデルになった。この動作の影響範囲は、モデル発表よりはるかに広い。
検索は配信の入口である。既定モデルが変わると、AI要約の言い回し、追加質問の扱い、引用元の選び方の論理がまとめて変わる。コンテンツ制作やGEO（生成エンジン最適化）に携わる側にとっては、観測の基準を作り直す必要がある。新しいモデルがどの種類のページを引用しやすいか、構造化コンテンツが好まれるか、複数ターンの質問をどう処理するかである。
Googleは検索側の改善として3点を挙げている。複数の要素からなる複雑な質問の意図理解がより正確になり、より多くの関連サイトとリンクに接続し、視覚的な出力（構造化回答、比較表、カスタムツール）を増やす。いずれも同じ方向を指す。検索結果が「リンクの一覧」から「使える回答部品」へ変わるということだ。
影響と限界
第一に、モデル競争の重心は「単体で最強」から「階層化＋編成」へ移っている。フロンティアモデルが難問を担い、実行モデルがスループットを担い、オーケストレーターが両者の間でスケジューリングする。この路線が検証されれば、モデルベンダーの競争はベンチマーク順位ではなくシステム工学の競争になる。
第二に、価格構造は別途注目に値する。100万トークン文脈の均一価格は、長い文脈を「希少な能力」から「既定の能力」へ変える。エージェント型アプリケーションの文脈消費量を押し上げ、1タスクあたりのコストを押し下げる。
第三に、コンテンツ側への直接の含意は、既定モデルの交代がAI検索の引用行動に短期的な変動をもたらすということだ。GEOの観測基準は更新が必要であり、旧モデルの引用パターンを使い続けることはできない。
明示すべき限界：
- すべてのベンチマーク数値と「2.5倍速」「虚偽の主張が5倍以上減少」「クォータ24%減・19%速」といった比較は、Googleの公式ブログとモデルカードに由来する発表側の測定であり、第三者が独立に再現したものではない。
- 比較対象はClaude Sonnet 5.5とGPT-6.1 Terraで、ハーネスとプロンプトはGoogleが設定している。ベンダーをまたいだ同名ベンチマークの結果は直接同一視できない。
- パートナーの評価（Box、Pixelcut、STAN、LatchBio、Astrocade、Cartwheel、Discovery Loop、Zingroll）は顧客自身の記述であり、個別の体験であって一般的な性能結論ではない。
- 「Google検索史上最大のモデルアップグレード」はGoogleの検索担当バイスプレジデントのソーシャルメディア発言をメディアが引用したもので、公式ブログの原文ではない。
- Googleは学習データの規模、パラメータ数、学習計算量、蒸留の詳細を開示していない。
- 本稿は他社に対する総合的な優劣を判断せず、公開された項目別データに基づいて勝敗関係を述べるのみである。
公式情報源
- Google公式ブログ：Introducing Gemini 4 Hydrogen（2026年11月12日、Koray Kavukcuoglu署名）
- Google公式ブログ：Gemini 4 Hydrogen: Fast agentic development for coders（2026年11月12日）
- Google公式ブログ：Google Search gets a major upgrade with Gemini 4 Hydrogen（2026年11月12日）
- Google DeepMind モデルカード：Gemini 4 Hydrogen（2026年11月12日公開）
- 当サイトの関連記事：Gemini 4 Argon 発表、Gemini 4 Argon 仕様と価格データ、Gemini 4 Carbon と Claude Opus 5.5、GPT-6 Astra の比較