Google DeepMind a annoncé Gemini 4 Hydrogen le 12 novembre 2026, décrivant le modèle comme un effort visant à apporter « une intelligence de pointe à tous », avec une vitesse et une efficacité adaptées au codage quotidien et aux workflows agentiques. L'annonce a été rédigée par Koray Kavukcuoglu, vice-président senior de Google DeepMind et architecte en chef de l'IA chez Google.

DeepMind a positionné Hydrogen comme la contrepartie d'exécution rapide de ses modèles frontière, Gemini 4 Carbon et Gemini 4 Argon, qui, selon l'entreprise, excellent dans le raisonnement profond et à long terme sur les problèmes les plus difficiles. Avec Hydrogen, la famille Gemini 4 atteint désormais tous les niveaux de Google AI Studio, l'API Gemini, Gemini for business, l'application Gemini et Google Search, ainsi que les abonnés payants Google AI Pro et Ultra dans Google Antigravity.

Sur l'Artificial Analysis Intelligence Index, Hydrogen surpasse Argon au niveau de réflexion high par défaut, avec un score de 51 contre 50, et atteint 54 au niveau de réflexion « xhigh » le plus élevé, tout en accomplissant souvent les tâches plus rapidement que les modèles de sa catégorie. Le modèle est proposé à tarif fixe sur l'ensemble de sa fenêtre de contexte d'un million de tokens, à 1,50 $ par million de tokens d'entrée et 7,50 $ par million de tokens de sortie. L'indice est publié par la société indépendante d'évaluation d'IA Artificial Analysis, offrant un point de référence tiers à la comparaison Hydrogen-Argon ; et comme la tarification est fixe, les mêmes tarifs par token s'appliquent quelle que soit la part de la fenêtre d'un million de tokens utilisée par une requête.

Libérer l'efficacité dans les workflows multi-modèles

Dans le développement logiciel réel, a indiqué DeepMind, les équipes s'appuient sur des modèles frontière tels que Carbon et Argon pour un jugement architectural approfondi lors de la conception de systèmes ou du débogage de bugs subtils, mais elles ont toujours besoin d'un modèle d'exécution rapide et rigoureux pour écrire du code, exécuter des tests et vérifier les modifications. Hydrogen est conçu pour fonctionner seul dans les tâches quotidiennes, ou pour s'associer à Carbon et Argon comme moteur d'exécution haute efficacité dans des workflows multi-modèles.

Pour automatiser cette collaboration, Google a introduit Orchestrator dans Google Antigravity. Plutôt que de s'appuyer sur un seul modèle du début à la fin, Orchestrator bascule dynamiquement entre des modèles tels que Carbon et Hydrogen au sein d'une même session. Sur Terminal-Bench 4.0, Orchestrator a atteint des taux de réussite proches de ceux de Carbon tout en consommant en moyenne 24 % de quota en moins et en terminant les tâches 19 % plus vite. Avec une tarification par token, le quota de tokens constitue le levier direct de dépenses dans ces configurations multi-modèles, ce qui donne tout son sens à une réduction de 24 %.

Pour les workflows nécessitant des agents parallèles, Carbon peut agir comme coordinateur tandis que Hydrogen alimente les agents ouvriers et vérificateurs qui construisent et testent simultanément des modifications dans des espaces de travail isolés, aidant les équipes à livrer des projets complexes plus rapidement sans faire exploser les coûts de tokens.

Élargir les workflows de développeurs et d'entreprises

Au-delà des configurations multi-modèles, Hydrogen représente une mise à niveau autonome majeure pour les équipes migrant depuis Gemini 3.8 Flash. DeepMind indique qu'il termine les tâches 2,5 fois plus vite au niveau high par défaut, plus que triple les scores Terminal-Bench 4.1 (57 % contre 18,2 %), réduit les affirmations fabriquées de plus de 5x et s'adapte proprement lorsqu'un appel d'outil échoue ou qu'une recherche ne renvoie rien.

L'entreprise affirme que Hydrogen égale ou surpasse les modèles concurrents de sa catégorie sur les principaux workflows de développeurs et d'entreprises :

Codage itératif en dépôt et débogage. Hydrogen gère la résolution d'incidents, le débogage, l'itération rapide et les questions-réponses sur la base de code avec des modifications ciblées et chirurgicales, produisant un code plus propre et prêt pour la production sans réécrire des fichiers non concernés. Il surpasse les modèles de niveau similaire sur SWE-sweep, où il doit découvrir et réparer des bugs sans casser le code existant. Pour explorer efficacement de grands dépôts, le modèle regroupe nativement en parallèle les appels de lecture de fichiers et de recherche plutôt que d'inspecter les fichiers un par un. Lors des premiers tests sur des graphes complexes, SQL et des workflows d'entreprise gourmands en données, les partenaires ont vu Hydrogen s'exécuter 2x à 2,8x plus vite tout en réduisant la consommation de tokens de 12 % à 23 % par rapport à 3.8 Flash.

Exécution agentique ouverte. Sur les tâches multi-étapes telles que la recherche approfondie, l'analyse de données et la navigation étendue dans une base de code, Hydrogen se classe 5e sur Agent Arena, le benchmark en direct d'arena.ai. Pour le raisonnement et l'analyse approfondis dans des domaines spécialisés, il mène sa catégorie sur HLE-Diamond (58,8 %), se classe 1er au classement général sur Vals Tax Agent Bench (52,3 %), à égalité pour la 1re place sur Vals Legal Research Bench (55,8 %), et mène sa catégorie sur AutomationBench-AA.

Travail de connaissances multimodal. Hydrogen associe une entrée native d'un million de tokens à jusqu'à un million de tokens de sortie, lui permettant de synthétiser des PDF denses, feuilles de calcul, graphiques, audio et vidéos enregistrées en rapports aboutis avec citations et livrables structurés. Il surpasse les autres modèles sur le nouveau benchmark Multimodal Knowledge Agent (MKA) (53,4 %) pour le travail de connaissances agentique de bout en bout sur des fichiers visuels complexes, et sur Agents' Last Exam v1.1 (71,6 %) pour les workflows professionnels de bout en bout.

Développement web. Sur les tâches où la vitesse compte pour les développeurs, comme le prototypage d'UI en direct, l'itération design-versus-code et la construction d'applications interactives, Hydrogen génère des mises en page plus fonctionnelles et complètes en moins de prompts.

DeepMind a mis en avant plusieurs démonstrations construites avec le modèle. Geminisland utilise Hydrogen pour le codage 3D à la volée, permettant à chacun d'enrichir une île voxel partagée à partir d'un simple prompt, générant des structures personnalisées en direct sur la carte que les joueurs peuvent parcourir et explorer en vue à la première personne. Associé à une nouvelle compétence Gemini de design front end dans Google Antigravity, Hydrogen a construit une boutique e-commerce en une seule passe, complète avec un shader topographique WebGL2, un scrollytelling à quatre étapes épinglé, un curseur divisé thermique, une carte de spécifications en wireframe 3D et un configurateur de finition interactif.

Dans Google Antigravity, Hydrogen a transformé Google Sheets en un canevas de pixels animé, réduisant des milliers de cellules en combinant Python, des formules natives =LET(...) et la mise en forme conditionnelle pour peindre et animer des séquences animées directement dans une feuille de calcul active. À partir d'une vidéo de conférence YouTube et d'un modèle de design, le modèle a généré une présentation multi-diapositives directement dans Google Slides, puis exécuté une boucle autonome d'audit et de correction pour repérer les textes qui se chevauchaient et nettoyer chaque mise en page.

Avec Gemini dans Google Sheets, Hydrogen peut aider les équipes à transformer rapidement des données financières en modèles interactifs qui s'ajustent dynamiquement selon divers scénarios de prévision, générant des sorties plus de 30 % plus vite que les modèles précédents dans le canevas Sheets.

Vitesse et intelligence adaptables sur quatre niveaux de réflexion

Hydrogen propose quatre niveaux de réflexion — low, medium, high (par défaut) et un nouveau palier xhigh — couvrant une large gamme d'options en matière de qualité, de latence et de coût. DeepMind affirme que les niveaux évoluent de manière fluide et prévisible, afin que les utilisateurs n'attendent et ne paient que pour la profondeur de raisonnement qu'une tâche exige. À travers les niveaux de réflexion, le modèle égale ou surpasse certains modèles concurrents de sa catégorie tout en terminant souvent les tâches plus vite et en utilisant moins de tokens de sortie.

Assistance quotidienne dans l'application Gemini et Search

Pour les consommateurs, Gemini 4 Hydrogen est conçu pour faciliter l'accomplissement des tâches, en restant sur la bonne voie et en suivant les instructions de plus près dans les conversations multi-tours. Dans l'application Gemini, DeepMind indique que le modèle est plus apte à suivre les consignes de l'utilisateur, à appeler les bons outils et à produire un résultat fiable avec moins d'allers-retours.

Pour la rédaction, la recherche et le travail quotidien, Hydrogen respecte étroitement le ton, le format et les règles spécifiques de l'utilisateur, si bien que les brouillons d'e-mails, guides d'étude, réécritures et documents reviennent prêts à l'emploi dès la première tentative. Lors de comparaisons de produits ou de synthèses de matériaux denses, il assemble des tableaux clairs et des analyses visuelles sans omettre de détails essentiels.

Le modèle décompose les objectifs étape par étape, en puisant le contexte pertinent dans les fichiers téléversés par l'utilisateur, les applications Google telles que Gmail et Google Drive, et les applications connectées comme Airtable et Dropbox. Google précise que lorsqu'une tâche démarre dans Gemini, le modèle appelle plus fréquemment les outils et compétences adaptés au besoin.

Pour le prototypage et l'itération, Hydrogen génère des mises en page propres et fonctionnelles en moins de prompts, facilitant le test et le perfectionnement rapides de projets interactifs. Parmi les exemples cités par Google figurent un globe 3D interactif et un moteur musical Web Audio alimentés par des données mondiales de foudre en temps réel, cartographiant chaque éclair dans le monde en ondulations visuelles et musique ambiante en direct ; un visualiseur d'eau et de verre WebGL2 construit à partir de mathématiques pures et de textures SDF, simulant en temps réel la réfraction, la réflexion, la dispersion et l'absorption de la lumière ; et une bobine d'archive sur l'élément hydrogène, créée avec une compétence personnalisée d'assemblage vidéo qui a recueilli des séquences du domaine public pour les monter en un seul montage continu avec une narration soignée.

Dans Google Search, Hydrogen est destiné à fournir des réponses plus utiles et intuitives à tous les utilisateurs dans le monde. Google indique que le modèle comprend mieux l'intention réelle de l'utilisateur, même pour des requêtes à plusieurs volets, des fautes de frappe difficiles à déchiffrer ou des demandes très spécifiques. Les réponses seront plus visuelles, adaptatives et faciles à parcourir, à la vitesse attendue de Search. L'entreprise met également à niveau sa technique de « query fan-out », utilisant le raisonnement avancé de Hydrogen pour connecter les utilisateurs à un éventail plus large de liens utiles, y compris des sites qu'ils n'auraient pas découverts autrement.

Conçu pour une exécution sûre et fiable à grande échelle

Hydrogen apporte les améliorations de la dernière pile de sûreté et sécurité Gemini 4 de Google à son audience la plus large, combinant entraînement intégré et protections en temps réel des surfaces pour atténuer à la fois le désalignement et le mauvais usage. Google a souligné deux axes prioritaires :

Workflows agentiques sûrs, alignés et sécurisés. Bien que Gemini 3.8 Flash offre un alignement et des protections solides, DeepMind estime que Hydrogen représente un bond en avant. Le modèle réduit jusqu'à 81 % les dépassements de périmètre dans les tâches agentiques et jusqu'à 79 % les services insuffisants, et diminue de 12x les actions désalignées et les raccourcis de tâche dans les évaluations d'usage d'outils et de codage. Face à des tâches impossibles ou bloquées, il est jusqu'à 2x moins susceptible de contourner les limites d'autorisation et atteint un taux d'honnêteté de 96,7 % sur l'évaluation interne d'honnêteté des agents de Google. S'appuyant sur l'engagement de l'entreprise en faveur de la transparence du raisonnement, Hydrogen préserve la lisibilité de la chaîne de pensée à 99,9 %, sans aucune édition trompeuse du raisonnement sur plus de 200 000 tours audités. Face aux attaques par injection indirecte de prompts, le modèle est plus de 2,3x plus résilient sur le benchmark Gray Swan IPI, tout en améliorant significativement la robustesse de l'usage d'outils, de l'usage d'ordinateurs et des agents de codage.

Interactions quotidiennes utiles et fiables. Sur l'ensemble de ses surfaces produit, Google a ajusté Hydrogen pour rendre les conversations quotidiennes plus fiables et plus sûres. Ses protections actualisées distinguent également avec plus de précision les risques réels de biosécurité des questions médicales ou scientifiques légitimes, maintenant les refus erronés sur HealthBench Pro sous 0,4 %.

De plus amples détails sont disponibles dans la fiche de modèle Gemini 4 Hydrogen.

Gemini 4 Hydrogen, disponible dès aujourd'hui pour tous

À partir du 12 novembre, Hydrogen est déployé mondialement sur les surfaces développeurs, entreprises et grand public :

• Pour les développeurs : Hydrogen peut être utilisé via l'API Gemini dans AI Studio et le niveau payant d'Android Studio, essayé dans AI Studio, et testé dans Google Antigravity par les abonnés payants Google AI Pro et Ultra.
• Pour les entreprises : Le modèle peut être déployé dans Gemini for business via l'API ou le menu déroulant de modèles, dans Google Antigravity, et dans Gemini dans Google Sheets pour les abonnements professionnels éligibles.
• Pour tous : Il est disponible dans le menu déroulant de modèles de l'application Gemini et dans Google Search pour tous les utilisateurs, ainsi que dans Gemini dans Google Sheets à partir des abonnés Google AI Pro et Ultra.

Dans l'application Gemini, les utilisateurs gratuits accéderont à Gemini 4 Hydrogen via la sélection automatique de modèle lorsqu'il s'agit du modèle approprié pour un prompt donné. Cela signifie que l'accès au niveau gratuit dépend de la classification du prompt comme tâche Hydrogen par la sélection automatique, et non d'une activation manuelle.

À propos de l'auteur

Koray Kavukcuoglu est présenté par Google comme l'un des plus éminents experts mondiaux en intelligence artificielle. En tant que vice-président senior de Google DeepMind, il dirige le développement des modèles d'IA générative les plus avancés de l'entreprise et leur intégration à grande échelle dans les produits Google. Il a précédemment occupé le poste de vice-président de la recherche chez Google DeepMind, où il a fondé l'équipe d'apprentissage profond ; son équipe a été pionnière dans des percées de recherche majeures telles que DQN (Deep Q-Network) et WaveNet.