Gemini 4 Hydrogen: Googles günstiges Modell liegt fast gleichauf mit Sonnet 5.5

Worum es geht

Google DeepMind hat am 12. November 2026 Gemini 4 Hydrogen vorgestellt. Es ist das dritte Modell der Gemini-4-Familie nach Argon (30. September) und Carbon (28. Oktober), also das dritte neue Modell innerhalb von sechs Wochen. Die Modelle sind nach chemischen Elementen benannt. Wasserstoff ist das leichteste Element, und so ist auch Hydrogen gedacht: als schnelles, günstiges Arbeitstier für den Alltag. Früher hätte Google so ein Modell „Flash“ genannt. Laut 9to5Google hat sich Google diesmal bewusst gegen diesen Namen entschieden.

Das Modell steht ab sofort weltweit bereit: in der Gemini-App, in Google Search (AI Mode), in Google AI Studio, über die Gemini API, über Vertex AI und für Unternehmen über „Gemini for business“. Zahlende Google-AI-Pro- und Ultra-Abonnenten können es außerdem in der Programmierumgebung Google Antigravity nutzen, für Bezahlnutzer auch in Android Studio. Gratisnutzer der Gemini-App bekommen Hydrogen über die automatische Modellauswahl, wenn das System es für die Anfrage für passend hält. Argon und Carbon waren laut Business Insider bisher nur zahlenden Nutzern vorbehalten.

Ganz überraschend kam der Start nicht. Laut Cryptobriefing wurde das Modell seit Ende Oktober unter dem Namen „gemini-3.8-flash“ in der Community getestet. Business Insider berichtete einen Tag vor dem Start, dass Google-Mitarbeiter es auf der internen Entwicklungsplattform „Jetski“ ausprobieren konnten. Ein Ingenieur beschrieb es dort als „sehr leistungsfähig, schnell und effizient“.

Wo Hydrogen im Vergleich steht

Das unabhängige Analysehaus Artificial Analysis bewertet Modelle mit seinem Intelligence Index. Das ist eine Gesamtnote aus mehreren Tests, in Version 5.0.1 aus neun Einzelprüfungen, die stark auf nicht öffentlichen Datensätzen beruhen. Hydrogen kennt vier Denkstufen: low, medium, high (Standard) und das neue xhigh. Je höher die Stufe, desto länger „denkt“ das Modell vor der Antwort nach. Das kostet mehr Rechenzeit und mehr Tokens, also die Textstückchen, nach denen abgerechnet wird.

Auf der Stufe xhigh landet Hydrogen auf Platz sieben der Gesamtwertung. Vor ihm liegen Claude Fable 5.2 (65), Gemini 4 Carbon (60), Claude Opus 5.5 (59), GPT-6 Astra (57) sowie GPT-6.1 Sol und Claude Sonnet 5.5 (je 55). Damit überholt es Gemini 4 Argon (50), Metas Muse Wonder Full (50) und OpenAIs GPT-6.1 Terra (51). Bemerkenswert ist das schon auf der Standardstufe: Mit 51 Punkten liegt das günstige Hydrogen dort einen Punkt vor Googles eigenem Spitzenmodell Argon.

Stärken: wenig Erfundenes, gute Dokumentarbeit

Am deutlichsten fällt Hydrogen durch seine geringe Halluzinationsrate auf, also die Neigung, Antworten zu erfinden, statt eine Wissenslücke zuzugeben. Im Test AA-Omniscience werden selbstbewusst falsche Antworten bestraft. Dort erfindet Hydrogen laut Artificial Analysis nur in 8 Prozent der Fälle etwas. Bei Claude Sonnet 5.5 sind es 43 Prozent, bei GPT-6.1 Sol 52 Prozent. Nur Argon und Carbon raten noch seltener. Auf niedrigeren Denkstufen steigt die Rate allerdings an. Gegenüber dem Vorgänger Gemini 3.8 Flash sollen erfundene Behauptungen laut Google um mehr als das Fünffache seltener sein.

Im Test GDP.pdf geht es um visuelles Verständnis langer, komplexer Dokumente. Dort erreicht Hydrogen schon auf der Stufe medium 33 Prozent und teilt sich damit den Spitzenplatz. Bei AA-Briefcase, einem Test für eigenständige Büroarbeit, bewerteten die Prüfer die Präsentation der Ergebnisse besser als bei allen anderen Gemini-Modellen, Carbon eingeschlossen.

Google hat eigene Zahlen veröffentlicht, die das Modell gegen Claude Sonnet 5.5 und GPT-6.1 Terra stellen. Nach diesen Angaben gewinnt Hydrogen bei sieben von zehn Tests gegen Sonnet 5.5. Ein paar Beispiele:

• Vending-Bench 2: Hier betreibt das Modell ein simuliertes Geschäft. Hydrogen erwirtschaftet 14.549 Dollar, fast 3.400 Dollar mehr als Sonnet 5.5.
• SWE-sweep: Das Modell soll Fehler finden und beheben, ohne vorhandenen Code kaputtzumachen. Hydrogen erreicht 13,5 Prozent, mehr als das Vierfache von Sonnet 5.5.
• HLE-Diamond: Hydrogen kommt auf 58,8 Prozent. Argon schafft 69,1 Prozent, Sonnet 5.5 liegt mehr als fünf Punkte hinter Hydrogen.
• Vals Tax Agent Bench: Platz 1 mit 52,3 Prozent. Beim Vals Legal Research Bench teilt sich Hydrogen mit 55,8 Prozent den ersten Platz.
• Agents' Last Exam v1.1: 71,6 Prozent bei durchgehenden beruflichen Arbeitsabläufen.

Zusätzlich nennt Google Werte zur Zuverlässigkeit von Agenten, also KI-Systemen, die selbstständig mehrere Schritte ausführen und Werkzeuge bedienen. Gegenüber 3.8 Flash schieße Hydrogen bis zu 81 Prozent seltener über den Auftrag hinaus und erledige bis zu 79 Prozent seltener zu wenig. Abkürzungen und unpassende Aktionen gebe es zwölfmal seltener. In Googles interner Ehrlichkeitsprüfung für Agenten erreicht das Modell 96,7 Prozent. All das sind Herstellerangaben.

Schwäche: Arbeit im Terminal

Auf der Kommandozeile (dem textbasierten Fenster, in dem Entwickler Befehle eintippen und Programme starten) schneidet Hydrogen schwächer ab. Das gilt schon für Argon. Laut Artificial Analysis erreicht Hydrogen im Terminal-Bench 4.0 54 Prozent und im Terminal-Bench-Science 0.1 50 Prozent. Claude Sonnet 5.5 kommt auf 64 und 53 Prozent, GPT-6.1 Sol auf 56 und 58 Prozent. Die Stufe xhigh hilft bei den Wissenschaftsaufgaben (von 41 auf 50 Prozent), beim normalen Terminal-Bench aber gar nicht.

Googles eigene Tabelle zeigt dasselbe Bild. Im Terminal-Bench 4.1 steht es 57,0 zu 63,9 Prozent für Sonnet. Im OSWorld-2.1 (Offline-Teil), bei dem es um die Bedienung eines Computers geht, steht es 77,6 zu 83,9 Prozent. Im Terminal-Bench-Science liegt Sonnet mit 59,9 zu 51,4 Prozent vorn, dort liegt Hydrogen auch hinter Terra. Gegenüber dem Vorgänger ist der Fortschritt trotzdem groß: 3.8 Flash schaffte im Terminal-Bench 4.1 nur 18,2 Prozent.

Preise und Tempo

Hydrogen kostet 1,50 Dollar pro Million Eingabe-Tokens und 7,50 Dollar pro Million Ausgabe-Tokens. Bereits zwischengespeicherte Eingaben (Caching, nützlich, wenn derselbe lange Text immer wieder mitgeschickt wird) kosten 95 Prozent weniger, also 0,075 Dollar. Der Preis bleibt im gesamten Kontextfenster von 1 Million Tokens gleich. Das Kontextfenster ist die Textmenge, die das Modell auf einmal überblicken kann. Laut 9to5Google kann das Modell auch bis zu 1 Million Tokens ausgeben. Als Eingabe nimmt es Text, Bilder, Video und Sprache an, die Ausgabe ist Text.

Der Listenpreis liegt 25 Prozent unter dem von Sonnet 5.5 (2 und 10 Dollar). Der Abstand ist in der Praxis noch größer, weil Sonnet pro Aufgabe viele Tokens verbraucht: Auf xhigh kostet Hydrogen laut Artificial Analysis nur etwa 32 Prozent dessen, was Sonnet 5.5 pro Aufgabe kostet. Gegenüber GPT-6.1 Sol ist Hydrogen auf xhigh allerdings rund 2,5-mal so teuer.

Das beste Preis-Leistungs-Verhältnis bietet vermutlich die Standardstufe. Die Stufe xhigh verdoppelt fast die ausgegebenen Tokens und bringt dafür nur drei Punkte mehr. Auf high erreicht Hydrogen das Niveau von Argon zu etwa 19 Prozent von dessen Kosten pro Aufgabe. Das Modell gibt rund 200 Tokens pro Sekunde aus. Auf den Stufen low bis high gibt es laut Artificial Analysis kein Modell, das zugleich klüger und schneller ist. Google gibt an, dass Hydrogen Aufgaben 2,5-mal schneller erledigt als 3.8 Flash. Partner berichten von ähnlichen Werten: Pixelcut misst das 1,8-fache Tempo, Box etwa das doppelte bei 12 Prozent weniger Tokens. Der Chefwissenschaftler von Cartwheel nannte das Modell „gründlich und skeptisch“. Es habe zwei Probleme in einem Ansatz entdeckt, an dem sein Team zehn Tage gearbeitet hatte.

Gemini-App, Suche und Orchestrator

In der Gemini-App ist Hydrogen in der Modellauswahl als „Everyday help“ eingeordnet. Darüber stehen 3.1 Pro für ausführliche Recherche, 4 Argon für Code und Analyse und 4 Carbon für die komplexesten Aufgaben. Google verspricht, dass Hydrogen Tonfall, Format und Vorgaben besser einhält und häufiger die richtigen Werkzeuge wie verbundene Apps aufruft. In der Google-Suche soll es Anfragen mit mehreren Teilen oder Tippfehlern besser verstehen, visuellere Antworten liefern und mehr Links anzeigen.

Für Entwickler gibt es in Antigravity neu den Orchestrator. Statt eine Sitzung von Anfang bis Ende mit einem Modell zu bestreiten, wechselt er dynamisch zwischen Carbon und Hydrogen. Routinearbeit übernimmt das günstigere Modell. Im Terminal-Bench 4.0 erreichte das laut Google fast die Erfolgsquote von Carbon, mit 24 Prozent weniger Kontingentverbrauch und 19 Prozent schneller. Bei parallelen Agenten kann Carbon die Arbeit koordinieren, während mehrere Hydrogen-Instanzen in getrennten Arbeitsbereichen Änderungen bauen und testen.

Einordnung

Google hatte in diesem Jahr Gemini 3.5 Pro abgesagt und galt lange als abgehängt. Mit Gemini 4 ist das Unternehmen in schnellem Takt zurück. Hydrogen ist dabei das Modell mit der größten Reichweite: Gratisnutzer, Suche und Entwickler bekommen ein Modell, das in vielen Tests mit der Mittelklasse von Anthropic und OpenAI mithält, dabei deutlich günstiger ist und seltener Antworten erfindet.

Einige Punkte sollte man aber kritisch sehen. Googles eigene Tabelle vergleicht bewusst mit Sonnet 5.5, nicht mit Anthropics Spitzenmodellen wie Fable 5.2. Die Ergebnisse von Artificial Analysis lassen sich nicht direkt mit älteren Werten vergleichen: Sonnet 5.5 hatte in einer früheren Indexversion 56 Punkte, jetzt sind es 55. Bei Coding-Agenten, die viel im Terminal arbeiten, bleibt Anthropic vorn. Außerdem stellt sich eine Frage, auf die Cryptobriefing hinweist: Wenn das günstige Modell auf der Standardstufe besser abschneidet als das Spitzenmodell Argon, wann lohnt sich dann noch Argon? Google antwortet darauf mit dem Orchestrator, der jede Aufgabe an das passende Modell weiterleitet. Wie gut das im Alltag funktioniert, müssen unabhängige Tests erst zeigen.