Google prezanton Gemini 4 Hydrogen për programim më të shpejtë me inteligjencën artificiale

Google publikoi Gemini 4 Hydrogen më 12 nëntor për zhvilluesit që ndërtojnë asistentë kodimi dhe softuerë të tjerë që kryejnë detyra me mjete. Modeli i ri i IA-së ofron arsyetim të përshtatshëm: vlerësuesi i pavarur Artificial Analysis zbuloi se kalimi mbi cilësimin e tij fillestar rriti rezultatin e testit, ndërsa më shumë se dyfishoi kohën e parashikuar të detyrës.

Hydrogen pranon tekst, imazhe, audio dhe video dhe prodhon tekst. Google e pozicionon atë për ekzekutim të shpejtë së bashku me Gemini 4 Carbon dhe Argon, të cilët trajtojnë arsyetime më të thella dhe më të gjata. Në një demonstrim të Google, Hydrogen përdori një video kryesore dhe një shabllon dizajni për të krijuar një prezantim me Slide, pastaj kontrolloi slidet dhe riparoi problemet e mbivendosjes së tekstit dhe paraqitjes.

Google raporton se Hydrogen i përfundon detyrat 2.5 herë më shpejt se Gemini 3.8 Flash në cilësimin e tij të paracaktuar të arsyetimit të lartë. Në Terminal-Bench 4.1, i cili teston agjentët e softuerëve që punojnë përmes një terminali kompjuterik, rezultati i tij i rregulluar për mashtrim u rrit nga 18.2% i Flash në 57%. Google mesatarisht shënoi pesë përpjekje për detyrë në arsyetim të lartë. Vlerësuesit e automatizuar të testit të referencës kontrollojnë punën e përfunduar dhe i rezistojnë përpjekjeve për të manipuluar pikëzimin.

Claude Sonnet 5.5 i Anthropic ruan një avantazh ndaj Hydrogen në punën në terminal dhe përdorimin e kompjuterit në krahasimet e zgjedhura të Google. Karta e modelit e vendos Sonnet në 83.9% kundrejt 77.6% të Hydrogen në nëngrupin offline me 82 detyra të OSWorld-2.1, një vlerësim i përdorimit të kompjuterit. Google testoi të dy modelet në atë nëngrup dhe raportoi më të mirën nga tre ekzekutime.

Në rezultatet e testit të Artificial Analysis, Hydrogen në arsyetim mesatar mori rezultatin më të lartë në GDP.pdf, i cili teston arsyetimin vizual mbi dokumente të gjata dhe komplekse. Në AA-Briefcase, i cili vlerëson punën e njohurive duke përdorur mjete, vlerësuesit e vlerësuan prezantimin e Hydrogen mbi atë të modeleve të tjera Gemini, përfshirë Carbon.

Vlerësuesi i pavarur Vals AI testoi Hydrogen në xHigh dhe e renditi atë të parin nga 85 modele në Tax Agent Bench, me 52.30%. Testi i referencës u kërkon agjentëve të hulumtojnë 193 pyetje private tatimore në SHBA, kryesisht në lidhje me taksat e korporatave, dhe të japin përgjigje të cituara.

Rezultati i tij mesatarizon rezultatet e pyetjeve me rregullime të citimeve: një përgjigje që nuk kalon asnjë kontroll të kërkuar merr zero, ndërsa krediti për përgjigjet e sakta varet gjithashtu nga citimet e vlefshme. Një model gjuhësor kryen vlerësimin. Rezultati i veçantë i kodimit Terminal-Bench 4.0 i Hydrogen u rendit i 11-ti nga 64.

Hidrogjeni parazgjedhur përdor arsyetimin e lartë në vend të mediumit të Flash dhe shton një opsion xhigh për problemet më të vështira. Të menduarit konsumon tokenat e daljes, kështu që rritja e përpjekjes mund të rrisë si pritjen ashtu edhe ngarkesën. Google paralajmëron se xhigh mund të mendojë shumë për pyetje më të thjeshta.

Indeksi i Inteligjencës v5.0.1 i Artificial Analysis kombinon nëntë vlerësime. Masa e tij kohore ndan vëllimin e tokenëve të daljes me shpejtësinë e daljes dhe peshon rezultatet në të gjitha testet; kostot e detyrave të tij në mënyrë të ngjashme kombinojnë përdorimin e tokenëve dhe çmimet.

Hidrogjeni në nivelin e lartë ofroi një kohë më të shkurtër të vlerësuar të detyrës sesa GPT-6.1 Terra e OpenAI, por Terra kushtoi më pak për detyrë testimi. Zhvendosja e Hidrogjenit në nivelin xhigh bleu tre pikë indeksi shtesë duke rritur koston e matur nga 1.87 dollarë në 3.16 dollarë dhe kohën e vlerësuar nga gjashtë në 13 minuta.

Terminal-Bench 4.0 qëndroi në 54% si në nivelin e lartë ashtu edhe në atë xigh. Në testin e detyrave shkencore Terminal-Bench-Science 0.1, rritja e përpjekjes nga niveli i lartë në atë xigh e rriti rezultatin nga 41% në 50%.

Mjedisi i kodimit Antigravity i Google gjithashtu përfiton Orchestrator, i cili kalon midis Carbon dhe Hydrogen gjatë një detyre . Carbon mund të inspektojë varësitë dhe të ndërtojë një plan, pastaj Hydrogen modifikon kodin, përditëson paketat dhe kryen teste. Nëse ekzekutimi has vështirësi, Carbon mund të inspektojë gjendjen e ndryshuar dhe të rishikojë planin përpara se t’ia kthejë punën Hydrogen.

Hidrogjeni po lançohet në Antigravity për abonentët me pagesë të Google AI Pro dhe Ultra. Lëshimi i Orchestrator është i kufizuar për abonentët e Ultra.

Hydrogen është i disponueshëm përmes Gemini API, i cili u lejon zhvilluesve të lidhin aplikacionet me modelin dhe Google AI Studio, ndërfaqen e tij të zhvillimit, në nivele falas dhe me pagesë. Niveli falas ka kufizime çmimi. Modeli i API-t të ndërmarrjes është një version afatshkurtër i disponueshëm përgjithësisht, i nënshtruar njoftimit të paktën 45 ditë para daljes në pension.

API- ja ndan 1,048,576 tokena në të dhënat hyrëse, të menduarit dhe të daljes. Tokenat janë njësitë e përdorura për të përpunuar tekstin dhe të dhënat e tjera hyrëse, kështu që dokumentet e gjata dhe arsyetimi i gjerë përdorin të njëjtin kapacitet të disponueshëm për një përgjigje. Në vend të kësaj, Flash kishte buxhete të ndara prej një milion tokenash hyrëse dhe 64 mijë tokenash dalëse. Një përgjigje e vetme në plan të parë, e prodhuar direkt për një kërkesë, është e kufizuar në 65,536 tokena; gjenerimi i më shumë kërkon vazhdimësi ose përpunim në sfond.

Google përfshin aplikacionin Gemini në lançimin e tij. Për llogaritë personale, kufijtë e kapacitetit të aplikacionit janë 32 mijë tokena pa një plan IA, 128 mijë me Plus dhe një milion me Pro ose Ultra.

Hidrogjeni është gjithashtu i disponueshëm globalisht në Kërkimin Google. Google thotë se mund të kërkojë më shumë nëntema njëkohësisht kur përgjigjet në një pyetje, të mbështetet në më shumë faqe interneti dhe të ofrojë më shumë përgjigje vizuale dhe të strukturuara.

Qasja standarde e API-t kushton 1.50 dollarë amerikanë për milion tokena hyrëse dhe 7.50 dollarë për milion tokena dalëse , duke përfshirë edhe të menduarit. Tarifat përkatëse të Flash mbeten 0.75 dollarë dhe 3.75 dollarë deri më 31 dhjetor 2026, pastaj rriten në çmimet e Hydrogen më 1 janar 2027.

Hydrogen gjithashtu ndryshon mënyrën se si zbritet hyrja e përsëritur. Ai heq memorjet e përkohshme të kontekstit të krijuara në mënyrë eksplicite dhe përdor ruajtjen automatike dhe të nënkuptuar të të dhënave për kërkesat prej të paktën 4,096 tokenësh. Goditjet në memorje kushtojnë 0.075 dollarë për milion tokenësh hyrës, një zbritje prej 95% nga hyrja standarde. Baza e Kërkimit në Google, e cila furnizon informacion të kërkimit në internet për një përgjigje, tarifohet për çdo pyetje kërkimi të gjeneruar pas lejimit; një kërkesë përdoruesi mund të gjenerojë disa pyetje.

Google mund të përdorë të dhëna të nivelit falas për të përmirësuar produktet e saj; të dhënat standarde të nivelit të paguar përjashtohen.

Karta model e Google DeepMind raporton më shumë refuzime të pajustifikuara sesa me Flash, veçanërisht në kërkesat multimodale që përfshijnë futje jo-tekstuale, siç janë imazhet. Vlerësimi i saj i brendshëm i automatizuar gjeti një rritje prej 5.57 pikë përqindjeje në refuzimet e kërkesave beninje ose kufitare që mund të përmbusheshin në mënyrë të sigurt. Karta rendit halucinacionet, ndërprerjet e rastit të kohës dhe përdorimin e tepërt të tokenëve midis kufizimeve të mbetura.

Google thotë se Raporti i plotë i Sigurisë dhe Mbrojtjes do të jetë i disponueshëm në ditët në vijim.