Google DeepMind hat am 12. November 2026 Gemini 4 Hydrogen angekündigt und das Modell als Initiative beschrieben, „Cutting-Edge-Intelligenz für alle“ bereitzustellen, mit Geschwindigkeit und Effizienz, die auf alltägliche Programmier- und agentische Workflows abgestimmt sind. Die Ankündigung wurde von Koray Kavukcuoglu, Senior Vice President bei Google DeepMind und Chief AI Architect bei Google, verfasst.

DeepMind positionierte Hydrogen als schnell ausführendes Gegenstück zu seinen Frontier-Modellen Gemini 4 Carbon und Gemini 4 Argon, die nach Angaben des Unternehmens bei tiefem, langfristigem Reasoning für die schwierigsten Probleme herausragen. Mit Hydrogen erreicht die Gemini-4-Familie nun jede Stufe von Google AI Studio, die Gemini API, Gemini for business, die Gemini App und Google Search sowie zahlende Google AI Pro- und Ultra-Abonnenten in Google Antigravity.

Im Artificial Analysis Intelligence Index übertrifft Hydrogen Argon auf der standardmäßigen High-Denkstufe mit 51 gegenüber 50 und erreicht auf der höchsten „xhigh“-Denkstufe 54, während Aufgaben häufig schneller abgeschlossen werden als bei Modellen seiner Klasse. Das Modell wird über sein gesamtes Kontextfenster von 1 Million Token zu einheitlichem Preis angeboten: 1,50 US-Dollar pro Million Eingabe-Token und 7,50 US-Dollar pro Million Ausgabe-Token. Der Index wird vom unabhängigen KI-Benchmarking-Unternehmen Artificial Analysis veröffentlicht, wodurch der Vergleich zwischen Hydrogen und Argon eine Drittanbieter-Referenz erhält, und da der Preis einheitlich ist, gelten dieselben Token-Sätze unabhängig davon, wie viel des 1-Million-Token-Fensters eine Anfrage nutzt.

Effizienzgewinne in Multi-Modell-Workloads

In der realen Softwareentwicklung, so DeepMind, verlassen sich Teams bei der Entwicklung von Systemen oder der Analyse subtiler Fehler auf Frontier-Modelle wie Carbon und Argon für tiefe architektonische Urteile, benötigen aber weiterhin ein schnelles, diszipliniertes Ausführungsmodell zum Schreiben von Code, Ausführen von Tests und Verifizieren von Änderungen. Hydrogen ist darauf ausgelegt, entweder eigenständig für alltägliche Aufgaben zu arbeiten oder mit Carbon und Argon als hocheffiziente Ausführungs-Engine in Multi-Modell-Workflows zu kombinieren.

Um diese Zusammenarbeit zu automatisieren, führte Google Orchestrator in Google Antigravity ein. Statt durchgängig ein einziges Modell zu nutzen, wechselt Orchestrator innerhalb derselben Sitzung dynamisch zwischen Modellen wie Carbon und Hydrogen. Auf Terminal-Bench 4.0 erreichte Orchestrator nahezu Carbon-Niveau bei der Aufgabenerfolgsquote, während es im Durchschnitt 24 % weniger Kontingent verbrauchte und Aufgaben 19 % schneller abschloss. Bei Token-basierter Preisgestaltung ist das Token-Kontingent der direkte Ausgabenhebel in diesen Multi-Modell-Setups – deshalb ist eine Reduktion von 24 % bedeutsam.

Für Workflows, die parallele Agenten erfordern, kann Carbon als Koordinator fungieren, während Hydrogen Worker- und Verifier-Agenten antreibt, die Änderungen gleichzeitig in isolierten Workspaces erstellen und testen – so können Teams komplexe Projekte schneller ausliefern, ohne die Token-Kosten in die Höhe zu treiben.

Skalierung von Entwickler- und Unternehmens-Workflows

Über Multi-Modell-Setups hinaus ist Hydrogen ein bedeutendes eigenständiges Upgrade für Teams, die von Gemini 3.8 Flash migrieren. DeepMind zufolge schließt das Modell Aufgaben auf seiner standardmäßigen High-Einstellung 2,5-mal schneller ab, mehr als verdreifacht die Terminal-Bench-4.1-Ergebnisse (57 % gegenüber 18,2 %), reduziert erfundene Aussagen um mehr als das Fünffache und reagiert robust, wenn ein Tool-Aufruf fehlschlägt oder eine Suche leer zurückkommt.

Das Unternehmen erklärte, Hydrogen erreiche oder übertreffe konkurrierende Modelle seiner Klasse in zentralen Entwickler- und Unternehmens-Workflows:

Iterative Repository-Programmierung und Debugging. Hydrogen bewältigt Issue-Bearbeitung, Debugging, schnelle Iteration und Codebase-Q&A mit gezielten, chirurgischen Edits und liefert saubereren, produktionsreifen Code, ohne unabhängige Dateien umzuschreiben. Es übertrifft Modelle ähnlicher Klasse bei SWE-sweep, wo es Fehler finden und reparieren muss, ohne bestehenden Code zu beschädigen. Um große Repositories effizient zu durchsuchen, bündelt das Modell Datei-Lese- und Suchaufrufe nativ parallel, statt Dateien einzeln zu prüfen. In frühen Tests mit komplexen Graphen, SQL und datenlastigen Unternehmens-Workflows lief Hydrogen laut Partnern 2x bis 2,8x schneller und reduzierte den Token-Verbrauch um 12 % bis 23 % im Vergleich zu 3.8 Flash.

Offene agentische Ausführung. Bei mehrstufigen Aufgaben wie Deep Research, Datenanalyse und umfassender Codebase-Navigation belegt Hydrogen Platz #5 bei Agent Arena, dem Live-Benchmark von arena.ai. Bei tiefem Domänen-Reasoning und Analysen führt es seine Klasse bei HLE-Diamond (58,8 %) an, belegt Platz #1 insgesamt bei Vals Tax Agent Bench (52,3 %), teilt sich Platz #1 bei Vals Legal Research Bench (55,8 %) und führt seine Klasse bei AutomationBench-AA an.

Multimodale Wissensarbeit. Hydrogen kombiniert native Eingaben von 1 Million Token mit bis zu 1 Million Ausgabe-Token und kann damit dichte PDFs, Tabellen, Diagramme, Audio und aufgezeichnete Videos zu ausgereiften, belegten Berichten und strukturierten Ergebnissen verarbeiten. Es übertrifft andere Modelle beim neuen Multimodal Knowledge Agent (MKA)-Benchmark (53,4 %) für durchgängige agentische Wissensarbeit mit komplexen visuellen Dateien sowie bei Agents' Last Exam v1.1 (71,6 %) für durchgängige professionelle Workflows.

Webentwicklung. Bei Aufgaben, bei denen Geschwindigkeit für Entwickler zählt – etwa Live-UI-Prototyping, Design-zu-Code-Iteration und interaktive App-Entwicklung – erzeugt Hydrogen funktionalere, vollständigere Layouts mit weniger Prompts.

DeepMind hob mehrere mit dem Modell erstellte Demonstrationen hervor. Geminisland nutzt Hydrogen für On-the-Fly-3D-Programmierung und ermöglicht es jedem, per Einzel-Prompt zu einer gemeinsamen Voxel-Insel beizutragen und eigene Strukturen live auf der Karte zu erzeugen, die Spieler in der Ego-Perspektive erkunden können. Zusammen mit einer neuen Gemini-Frontend-Design-Skill in Google Antigravity erstellte Hydrogen einen E-Commerce-Storefront in einem Durchgang, komplett mit WebGL2-Topographie-Shader, vierstufigem gepinnten Scrollytelling, thermischen Split-Slider, 3D-Wireframe-Spec-Card und einem Live-Finish-Konfigurator.

In Google Antigravity verwandelte Hydrogen Google Sheets in eine animierte Pixel-Canvas, indem es Tausende Zellen verkleinerte und Python, native =LET(...)-Formeln und bedingte Formatierung kombinierte, um vollbewegte Szenen direkt in einer Live-Tabelle zu malen und zu animieren. Ausgehend von einem YouTube-Keynote-Video und einer Designvorlage erstellte das Modell eine mehrseitige Präsentation direkt in Google Slides und durchlief anschließend eine autonome Audit-and-Fix-Schleife, um überlappende Texte zu finden und jedes Folien-Layout zu bereinigen.

Mit Gemini in Google Sheets kann Hydrogen Teams helfen, Finanzdaten schnell in interaktive Modelle umzuwandeln, die sich dynamisch an verschiedene Prognoseszenarien anpassen – mit über 30 % schnelleren Ergebnissen als frühere Modelle im Sheets-Canvas.

Anpassbare Geschwindigkeit und Intelligenz über vier Denkstufen

Hydrogen bietet vier Denkstufen – low, medium, high (Standard) und eine neue xhigh-Stufe – mit einem breiten Spektrum an Optionen hinsichtlich Qualität, Latenz und Kosten. DeepMind erklärte, die Stufen skalierten in einem gleichmäßigen, vorhersagbaren Verlauf, sodass Nutzer nur auf die Reasoning-Tiefe warten und bezahlen, die eine Aufgabe erfordert. Über alle Denkstufen hinweg erreicht oder übertrifft das Modell einige konkurrierende Modelle seiner Klasse und schließt Aufgaben oft schneller mit weniger Ausgabe-Token ab.

Alltägliche Unterstützung in der Gemini App und Search

Für Verbraucher ist Gemini 4 Hydrogen darauf ausgelegt, die Erledigung von Aufgaben zu erleichtern, über Mehrrunden-Gespräche hinweg am Thema zu bleiben und Anweisungen genauer zu folgen. In der Gemini App sei das Modell besser darin, Nutzeranweisungen zu befolgen, die richtigen Tools aufzurufen und mit weniger Hin und Her ein verlässliches Ergebnis zu liefern.

Beim Schreiben, bei Recherchen und alltäglichen Aufgaben hält Hydrogen eng an Ton, Format und spezifischen Vorgaben des Nutzers fest, sodass E-Mail-Entwürfe, Lernleitfäden, Umschreibungen und Dokumente bereits beim ersten Versuch einsatzbereit sind. Beim Vergleichen von Produkten oder Verdichten komplexer Materialien erstellt es klare Tabellen und visuelle Aufschlüsselungen, ohne wichtige Details zu übersehen.

Das Modell zerlegt Ziele Schritt für Schritt und zieht relevanten Kontext aus Uploads, Google-Apps wie Gmail und Google Drive sowie Connected Apps wie Airtable und Dropbox. Google erklärte, das Modell rufe bei Aufgaben in Gemini häufiger die richtigen Tools und Skills auf.

Für Prototyping und Iteration erzeugt Hydrogen saubere, funktionierende Layouts mit weniger Prompts, was das schnelle Testen und Verfeinern interaktiver Projekte erleichtert. Von Google genannte Beispiele sind ein interaktiver 3D-Globus und eine Web-Audio-Musik-Engine auf Basis Echtzeit-globaler Blitzeinschlagsdaten, die jeden Einschlag weltweit in visuelle Wellen und live ambiente Musik abbildet; ein WebGL2-Wasser- und Glas-Visualizer aus reiner Mathematik und SDF-Texturen, der Lichtbrechung, Reflexion, Dispersion und Absorption in Echtzeit simuliert; sowie ein Archiv-Sizzle-Reel über das Element Hydrogen, erstellt mit einer custom Video-Assembly-Skill aus Public-Domain-Material, geschnitten zu einem durchgehenden Edit mit sauberer Kommentierung.

In Google Search soll Hydrogen hilfreichere, intuitivere Antworten für alle Nutzer weltweit liefern. Google erklärte, das Modell verstehe die eigentliche Absicht des Nutzers besser – auch bei mehrteiligen Anfragen, schwer verständlichen Tippfehlern oder hochspezifischen Anforderungen. Die Antworten sollen visueller, adaptiver und leichter scanbar sein, mit der von Search erwarteten Geschwindigkeit. Das Unternehmen aktualisiert zudem seine Query-Fan-Out-Technik und nutzt Hydrogens fortgeschrittenes Reasoning, um Nutzer mit einem breiteren Spektrum hilfreicher Links zu verbinden, darunter Seiten, die sie sonst vielleicht nicht entdeckt hätten.

Entwickelt für sichere, verlässliche Ausführung im großen Maßstab

Hydrogen bringt Verbesserungen aus Googles neuestem Gemini-4-Sicherheits- und Schutz-Stack an ein bislang breitestes Publikum und kombiniert integriertes Training mit Echtzeit-Schutzmaßnahmen an den Oberflächen, um sowohl Fehlausrichtung als auch Missbrauch zu mindern. Google hob zwei Schwerpunktbereiche hervor:

Sichere, ausgerichtete und geschützte agentische Workflows. Auch wenn Gemini 3.8 Flash starke Ausrichtung und Schutzmaßnahmen hat, sei Hydrogen ein gewaltiger Schritt nach vorn, so DeepMind. Das Modell reduziert Übergriffe bei agentischen Aufgaben um bis zu 81 % und Unterleistungen um bis zu 79 % und verringert feilausgerichtete Aktionen und Aufgaben-Abkürzungen in Tool-Use- und Coding-Bewertungen um das 12-Fache. Bei unmöglichen oder blockierten Aufgaben ist es bis zu 2x weniger wahrscheinlich, dass es Berechtigungsgrenzen umgeht, und erreicht eine Ehrlichkeitsrate von 96,7 % in Googles interner Agent-Ehrlichkeitsbewertung. Aufbauend auf dem Engagement des Unternehmens für Reasoning-Transparenz bewahrt Hydrogen zu 99,9 % die Lesbarkeit der Chain-of-Thought ohne täuschende Reasoning-Änderungen über mehr als 200.000 auditierte Dialogrunden. Gegen indirekte Prompt-Injection-Angriffe ist das Modell im Gray-Swan-IPI-Benchmark mehr als 2,3x widerstandsfähiger und verbessert zugleich deutlich die Robustheit bei Tool-Use-, Computer-Use- und Coding-Agenten.

Hilfreiche, verlässliche alltägliche Interaktionen. Über alle Produktoberflächen hinweg wurde Hydrogen darauf abgestimmt, alltägliche Gespräche verlässlicher und sicherer zu machen. Die aktualisierten Schutzmaßnahmen unterscheiden zudem deutlich genauer zwischen realen Biosicherheitsrisiken und legitimen medizinischen oder wissenschaftlichen Fragen und halten falsche Ablehnungen bei HealthBench Pro unter 0,4 %.

Weitere Details finden sich in der Gemini-4-Hydrogen-Model Card.

Gemini 4 Hydrogen, ab heute für alle verfügbar

Ab dem 12. November rollt Hydrogen global über Entwickler-, Unternehmens- und Verbraucher-Oberflächen aus:

• Für Entwickler: Hydrogen ist über die Gemini API in AI Studio und die bezahlte Stufe in Android Studio nutzbar, kann in AI Studio ausprobiert und von zahlenden Google AI Pro- und Ultra-Abonnenten in Google Antigravity getestet werden.
• Für Unternehmen: Das Modell kann in Gemini for business über die API oder das Modell-Dropdown, in Google Antigravity sowie in Gemini in Google Sheets für berechtigte Business-Abos eingesetzt werden.
• Für alle: Es ist im Modell-Dropdown der Gemini App und in Google Search für alle Nutzer verfügbar sowie in Gemini in Google Sheets beginnend mit Google AI Pro- und Ultra-Abonnenten.

In der Gemini App erhalten kostenlose Nutzer Zugang zu Gemini 4 Hydrogen über die automatische Modellauswahl, wenn es das passende Modell für einen gegebenen Prompt ist. Das bedeutet, der Zugang auf der kostenlosen Stufe hängt davon ab, ob die Auto-Auswahl einen Prompt als Hydrogen-Aufgabe einstuft – nicht von einer manuellen Aktivierung.

Über den Autor

Koray Kavukcuoglu wird von Google als einer der weltweit führenden Experten für künstliche Intelligenz beschrieben. Als SVP von Google DeepMind leitet er die Entwicklung der hochmodernen generativen KI-Modelle des Unternehmens und deren Integration in Google-Produkte im großen Maßstab. Zuvor war er VP of Research bei Google DeepMind, wo er das Deep-Learning-Team gründete; sein Team entwickelte bahnbrechende Forschungsergebnisse wie DQN (Deep Q-Network) und WaveNet.