წარმოგიდგენთ Gemini 4 Hydrogen-ს

ეს სტატია არის ორიგინალური სტატიის — „Introducing Gemini 4 Hydrogen“ — თარგმანი.

ასევე, მე ვმართავ ტელეგრამ-არხს „Frontend по‑флотски“, სადაც ვყვები საინტერესო ამბებს ინტერფეისების დეველოპმენტისა და ხელოვნური ინტელექტის სამყაროდან.

შესავალი

დღეს ჩვენ წარმოგიდგენთ Gemini 4 Hydrogen-ს. ეს მოდელი AI-ის მოწინავე შესაძლებლობებს ყველასთვის ხელმისაწვდომს ხდის და უზრუნველყოფს სისწრაფესა და ეფექტურობას კოდთან ყოველდღიური მუშაობისა და აგენტური პროცესებისთვის. ჩვენი მოწინავე მოდელები Gemini 4 Carbon და Gemini 4 Argon შესანიშნავად უმკლავდებიან ღრმა და ხანგრძლივ მსჯელობას ყველაზე რთულ ამოცანებზე. Hydrogen კი შექმნილია მრავალფეროვანი აგენტური ამოცანების სწრაფი შესრულებისთვის. ჩვენ ასევე ხელმისაწვდომს ვხდით Gemini 4-ს Google AI Studio-ს, Gemini API-ის, Gemini ბიზნესისთვის, Gemini-ის აპლიკაციისა და Google ძიების ყველა მომხმარებლისთვის, ასევე Google AI Pro-სა და Ultra-ს ფასიანი გამომწერებისთვის Google Antigravity-ში. Hydrogen ჯობნის Argon-ს Artificial Analysis Intelligence Index-ში მსჯელობის სტანდარტულ მაღალ დონეზე (51 ქულა 50-ის წინააღმდეგ, და 54 მაქსიმალურ xhigh დონეზე), თანაც ამოცანებს ხშირად თავისი კლასის მოდელებზე სწრაფად ასრულებს. Gemini 4 Hydrogen-ის ფასი უცვლელია მთლიანი 1-მილიონიანი კონტექსტური ფანჯრისთვის: 1,50 აშშ დოლარი 1 მილიონ შემავალ (input) და 7,50 აშშ დოლარი 1 მილიონ გამომავალ (output) ტოკენზე.

მრავალმოდელიანი მუშაობის ეფექტურობა

პროგრამული უზრუნველყოფის შემუშავებისას გუნდები ეყრდნობიან მოწინავე Carbon და Argon მოდელებს რთული არქიტექტურული გადაწყვეტილებების მისაღებად სისტემების დაპროექტებისას და რთულად შესამჩნევი ხარვეზების ძიებისას. თუმცა მათ ასევე სჭირდებათ სწრაფი და მოწესრიგებული მოდელი კოდის დასაწერად, ტესტების გასაშვებად და ცვლილებების შესამოწმებლად. Hydrogen გამოდგება როგორც დამოუკიდებელი ყოველდღიური მუშაობისთვის, ისე ეფექტურ შემსრულებლად Carbon-თან და Argon-თან ერთად მიმდინარე პროცესებში.

მოდელების ერთობლივი მუშაობის ავტომატიზაციისთვის ჩვენ წარმოგიდგენთ Orchestrator-ს Google Antigravity-ში. იგი დინამიკურად გადაერთვება მოდელებს შორის, მაგალითად Carbon-სა და Hydrogen-ს შორის, ერთი სესიის ფარგლებში. Terminal-Bench 4.0-ზე Orchestrator-მა მიაღწია ამოცანების წარმატებით შესრულების თითქმის იმავე დონეს, რასაც Carbon-მა, თანაც მოიხმარა საშუალოდ 24%-ით ნაკლები კვოტა და იმუშავა 19%-ით სწრაფად. პარალელური აგენტების პროცესებში Carbon-ს შეუძლია იმოქმედოს კოორდინატორად, ხოლო Hydrogen-ს შეუძლია მართოს შემსრულებელი და შემმოწმებელი აგენტები, რომლებიც ერთდროულად ქმნიან და ტესტავენ ცვლილებებს იზოლირებულ სამუშაო გარემოებში. ეს ეხმარება გუნდებს, უფრო სწრაფად გამოუშვან რთული პროექტები ტოკენების ხარჯების ზრდის გარეშე.

დეველოპმენტისა და ბიზნესპროცესების მასშტაბირება

Gemini 4 Hydrogen-ის, Claude Sonnet 5.5-ისა და GPT-6.1 Terra-ს შედეგების შედარება. წყარო: Google.

სხვა მოდელებთან ერთად გამოყენების გარდა, Hydrogen თავისთავადაც სერიოზული განახლება გახდა იმ გუნდებისთვის, რომლებიც Gemini 3.8 Flash-იდან გადმოდიან. იგი მნიშვნელოვნად აღემატება თავის წინამორბედს სისწრაფესა და ინტელექტში: მსჯელობის სტანდარტულ მაღალ დონეზე ამოცანებს 2,5-ჯერ სწრაფად ასრულებს, სამჯერ მეტად აუმჯობესებს შედეგს Terminal-Bench 4.1-ში (57% 18,2%-ის წინააღმდეგ), ხუთჯერ მეტად ამცირებს მოგონილი მტკიცებულებების რაოდენობას და უკეთ ეგუება ინსტრუმენტების გამოძახების შეცდომებსა და ძიების ცარიელ შედეგებს. დეველოპერებისა და საწარმოების ძირითად ამოცანებში იგი ასევე არ ჩამოუვარდება ან სჯობნის თავისი კლასის კონკურენტებს:

• იტერაციული მუშაობა კოდთან და გამართვა (debugging). Hydrogen წყვეტს ამოცანებს, ასწორებს შეცდომებს, სწრაფად ასრულებს იტერაციებს და პასუხობს კითხვებს კოდის ბაზის შესახებ მიზნობრივი ცვლილებების შეტანით. მოდელი აგენერირებს უფრო სუფთა, წარმოებისთვის მზა კოდს დაუკავშირებელი ფაილების გადაწერის გარეშე. SWE-sweep-ში, სადაც საჭიროა შეცდომების პოვნა და გასწორება არსებული კოდის გაფუჭების გარეშე, იგი სჯობნის ანალოგიური დონის მოდელებს. დიდი რეპოზიტორიების შესასწავლად მოდელი აერთიანებს ფაილების კითხვასა და ძიებას პარალელურ გამოძახებებში. რთულ გრაფებზე, SQL-სა და მონაცემებით მდიდარ კორპორაციულ პროცესებზე ჩატარებულ ადრეულ ტესტებში პარტნიორებმა დააფიქსირეს 2–2,8-ჯერ აჩქარება და ტოკენების ხარჯვის 12–23%-ით შემცირება 3.8 Flash-თან შედარებით.

• ღია ამოცანების აგენტური შესრულება. მრავალსაფეხურიან ამოცანებში, როგორიცაა სიღრმისეული კვლევები, მონაცემთა ანალიზი და დიდი კოდის ბაზების შესწავლა, Hydrogen იკავებს მეხუთე ადგილს Agent Arena-ში — arena.ai-ის მოქმედ რეიტინგში. რთულ საგნობრივ მსჯელობასა და ანალიზში მოდელი ლიდერობს თავის კლასში HLE-Diamond-ზე (58,8%), იკავებს პირველ ადგილს საერთო ჩათვლაში Vals Tax Agent Bench-ზე (52,3%), იყოფს პირველ ადგილს Vals Legal Research Bench-ზე (55,8%) და ლიდერობს თავის კლასში AutomationBench-AA-ზე.

პარტნიორების მოსაზრებები:

„Gemini 4 Hydrogen-ის ახალი მოდელი ისეთი ამომწურავი და კრიტიკულია, როგორიც წინა Gemini მოდელებში არ მინახავს. ეს სასიამოვნოდ გასაკვირია! ჩვენ ათი დღე ვმუშაობდით რთულ ამოცანაზე კონკურენტების მოწინავე მოდელებთან ერთად, Hydrogen-მა კი ჩვენს მიდგომაში ორი პრობლემა აღმოაჩინა და გამოსწორების გზა შემოგვთავაზა. გასაოცარი და ეფექტურია“.

ენდრიუ კარი, მთავარი მეცნიერ-თანამშრომელი და Cartwheel-ის თანადამფუძნებელი

„Hydrogen-თან ერთად ახალი ინსტრუმენტების შექმნა ძალიან მარტივი აღმოჩნდა: იგი აერთიანებს მოწინავე მოდელის წარმადობას სისწრაფესთან, რის გამოც იტერაციები განსაკუთრებულად მსუბუქი ჩანს“.

ტრის უორკენტინი, Discovery Loop-ის ერთ-ერთი პირველი ტექნიკური თანამშრომელი

„Gemini 4 Hydrogen აღმოჩნდა ყველაზე ზუსტი მოდელი ჩვენი Antibody Development ტესტის ტოქსიკოლოგიისა და უსაფრთხოების განყოფილებაში: მან წარმატებით გაართვა თავი მცდელობების 67%-ს, Gemini-ის ოჯახის მიღმა არსებული საუკეთესო მოდელის 37%-ის წინააღმდეგ. გარდა ამისა, იგი იყო ყველაზე სწრაფი Gemini მოდელი და თითოეულ ამოცანაზე დაახლოებით 13 წუთს ხარჯავდა. იგი მსჯელობდა როგორც უსაფრთხოების ფრთხილი სპეციალისტი — ითვალისწინებდა სრულ კლინიკურ სურათს და არა ცალკეულ მონაცემებს, და ირჩევდა კონსერვატიულ ვარაუდებს პაციენტისთვის მაღალი რისკის არსებობისას“.

ჯოშუა ბადშაჰი და დილონ ფლადი, ბიოლოგიური პრეპარატების დეველოპმენტი, LatchBio

„ჩვენს სატესტო ნაკრებში მსჯელობასა და კრეატიულობაზე Gemini 4 Hydrogen-მა შეინარჩუნა სიზუსტე ფორმატის 100%-იანი დაცვით, შეამცირა საერთო დაყოვნება (latency) 28%-ით, ხოლო ტოკენების ხარჯი — 23%-ით. Hydrogen რთულ ამოცანებს გრაფებთან და SQL-თან 2,8-ჯერ უფრო სწრაფად წყვეტს და ქმნის წესებთან შესაბამის ხმოვანი რეკლამის სცენარებს StanShop-ისთვის. იგი ჩვენს სტრიმინგ-აგენტებს ანიჭებს სისწრაფეს, ეტაპობრივ შემოწმებასა და ეფექტურობას, რაც აუცილებელია მასშტაბირებისას“.

რაჰულ სინგჰი, თანადამფუძნებელი და ტექნიკური დირექტორი, STAN

• მულტიმოდალური მუშაობა ცოდნასთან. Hydrogen იღებს 1 მილიონამდე შემავალ ტოკენს და აგენერირებს 1 მილიონამდე გამომავალს. მას შეუძლია რთული PDF-ები, ელექტრონული ცხრილები, დიაგრამები, აუდიო და ვიდეოჩანაწერები გადააქციოს მზა ანგარიშებად წყაროებზე ბმულებითა და სტრუქტურირებული მასალებით. მოდელი სჯობნის სხვა მოდელებს ახალ ტესტში — Multimodal Knowledge Agent (MKA) (53,4%) რთულ ვიზუალურ ფაილებთან სრულფასოვან (end-to-end) აგენტურ მუშაობაში, და Agents’ Last Exam v1.1-ში (71,6%) სრულფასოვან პროფესიულ ამოცანებზე.

• ვებდეველოპმენტი. ამოცანებში, სადაც სისწრაფე გადამწყვეტია — მაგალითად, ინტერფეისების პროტოტიპირებისას, დიზაინის კოდად გარდაქმნისას და ინტერაქციული აპლიკაციების შექმნისას — Hydrogen ნაკლები მოთხოვნით (prompts) ქმნის უფრო ფუნქციურ და სრულფასოვან მაკეტებს.

„ჩვენი მიზანი Astrocade-ში არის ის, რომ ყველას შეეძლოს თავისი შემოქმედებითი იდეები გადააქციოს თამაშებად, რომელთა თამაშიც საინტერესოა და რომელთა გაზიარებაც გინდება. ამისთვის შემქმნელებისთვის საუკეთესო მოწინავე მოდელების მიწოდებას უდიდესი მნიშვნელობა აქვს. ადრეულ ტესტებში Gemini 4 Hydrogen-ის წარმადობამ თამაშების შექმნისას ჩვენს მოლოდინს გადააჭარბა. ვიმედოვნებთ, რომ მოდელი დაეხმარება ავტორებს, აიყვანონ თამაშები ახალ დონეზე“.

ალი სადეღიანი, Astrocade-ის თანადამფუძნებელი

„Box-ის ტესტებში Gemini 4 Hydrogen-ის სიზუსტე საგრძნობლად გაიზარდა Gemini 3.8 Flash-თან შედარებით, ამასთან მოდელი მუშაობდა დაახლოებით ორჯერ სწრაფად და მოიხმარდა 12%-ით ნაკლებ ტოკენს. ყველაზე თვალსაჩინო გაუმჯობესება ვნახეთ მონაცემთა დიდი მოცულობის მქონე პროცესებში, სადაც სანდო ანგარიშებისთვის ცხრილების ზუსტი წაკითხვა და რთული გამოთვლებია საჭირო. შედეგები აჩვენებს მოდელის პროგრესს რთული კორპორაციული კონტენტის ზუსტსა და ეფექტურ დამუშავებაში“.

იაშოდჰა ბჰავნანი, Box-ის AI პროდუქტების ვიცე-პრეზიდენტი

„ჩვენ შევაფასეთ Gemini 4 Hydrogen 276 გაშვებაზე. მან გაართვა თავი დიზაინის ყველა დავალებას, იმუშავა 1,8-ჯერ სწრაფად, მოგვცა 30%-ით უფრო სუფთა კოდი და აღმოფხვრა ტექსტის ჩამოჭრა და მოგონილი მტკიცებულებები, რასაც წინა მოდელებში ვხედავდით“.

დომინიკ იახიავი, Pixelcut-ის თანადამფუძნებელი და გენერალური დირექტორი

„ჩვენ ვტესტავდით Gemini 4 Hydrogen-ს ვიდეოს გააზრების რთულ ამოცანებზე: პერსონაჟების მიდევნებიდან და ფიზიკური მოქმედებებიდან დაწყებული, რთული საოპერატორო ნამუშევრის გარჩევითა და შემდგომი ვიდეომოდელების მართვით დამთავრებული. Hydrogen თანმიმდევრულად და ზუსტად განსაზღვრავდა სცენების ძირითად მოვლენებს, რაკურსებსა და ვიზუალურ ესთეტიკას, ეყრდნობოდა რა რეალურ ვიზუალურ მონაცემებს და არ იგონებდა დეტალებს. იგი თავს ავლენს როგორც გამორჩეულად უნარიანი მულტიმოდალური ბაზა კინოს სრულფასოვანი შექმნისთვის“.

ჰარშიტ იადავი, Zingroll-ის დამფუძნებელი და გენერალური დირექტორი

Geminisland იყენებს Hydrogen-ს 3D-კოდის მყისიერად (on the fly) შესაქმნელად. ერთი მოთხოვნა იძლევა საშუალებას, საერთო ვოქსელურ (voxel) კუნძულს დაემატოს საკუთარი ნაგებობები; ისინი მაშინვე ჩნდება რუკაზე, სადაც მოთამაშეებს შეუძლიათ გადაადგილება და მისი პირველი პირის ხედვით შესწავლა. გამოსცადეთ აპლიკაცია.

Google Antigravity-ში ფრონტენდ-დიზაინის ახალ Gemini-უნართან ერთად Hydrogen-მა ერთი მოთხოვნით შექმნა ონლაინმაღაზიის ვიტრინა WebGL2-ის ტოპოგრაფიული შეიედერით, ფიქსირებული ოთხეტაპიანი სქროლითელინგით, ტემპერატურის გაყოფილი სლაიდერით, მახასიათებლების სამგანზომილებიანი კარკასული (wireframe) ბარათითა და მოპირკეთების ინტერაქციული კონფიგურატორით. გამოსცადეთ აპლიკაცია და უნარი ფრონტენდ-დიზაინისთვის.

Google Antigravity-ში Hydrogen-მა Google Sheets აქცია ანიმირებულ პიქსელურ ტილოდ: დააპატარავა ათასობით უჯრედი და გააერთიანა Python, ჩაშენებული =LET(…) ფორმულები და პირობითი ფორმატირება, რათა დაეხატა და აემოძრავებინა სცენები პირდაპირ მოქმედ ცხრილში.

YouTube-ზე გამოსვლის ჩანაწერისა და Google Antigravity-ში დიზაინის შაბლონის მიღების შემდეგ, Hydrogen-მა შექმნა მრავალსლაიდიანი პრეზენტაცია პირდაპირ Google Slides-ში, შემდეგ კი დამოუკიდებლად შეამოწმა და გაასწორა გადაფარვადი ტექსტი და თითოეული სლაიდის გაფორმება.

Google Sheets-ში Gemini-ის დახმარებით Hydrogen ეხმარება გუნდებს, სწრაფად გარდაქმნან ფინანსური მონაცემები ინტერაქციულ მოდელებად, რომლებიც დინამიკურად იცვლება პროგნოზირების სცენარების მიხედვით. შედეგები იქმნება 30%-ზე მეტად სწრაფად, ვიდრე წინა მოდელების მიერ Sheets-ის ინტერფეისში.

სისწრაფე და ხარისხი მსჯელობის ოთხ დონეზე

Artificial Analysis Intelligence Index-ის ქულებისა და ამოცანების შესრულების დროის შედარება.

ჩვენ ვქმნიდით Gemini 4 Hydrogen-ს პრაქტიკული გამოყენების გათვალისწინებით. მსჯელობის ოთხი დონე: low, medium, high (ნაგულისხმევი) და ახალი xhigh, იძლევა ხარისხს, დაყოვნებასა და ღირებულებას შორის არჩევანის გაკეთების საშუალებას. ისინი იცვლება შეუფერხებლად და პროგნოზირებადად, ამიტომ მომხმარებელი ელოდება და იხდის მხოლოდ ამოცანისთვის საჭირო მსჯელობის სიღრმისთვის. სხვადასხვა დონეზე Hydrogen არ ჩამოუვარდება ან სჯობნის თავისი კლასის ზოგიერთ კონკურენტს, თანაც ხშირად ასრულებს ამოცანებს უფრო სწრაფად და მოიხმარს ნაკლებ გამომავალ ტოკენს.

AutomationBench-AA-ის შედეგები მსჯელობის სხვადასხვა დონისთვის.

Artificial Analysis Intelligence Index 5.01-ის შედეგები.

Terminal-Bench 4.0-ის შედეგები.

HLE-Diamond-ის შედეგები.

სწრაფი ყოველდღიური დახმარება Gemini-ის აპლიკაციასა და ძიებაში

Gemini 4 Hydrogen ეხმარება მომხმარებლებს ყოველდღიური საქმეების შესრულებაში: მოდელი უკეთ ინარჩუნებს მიზანს და უფრო ზუსტად მიჰყვება ინსტრუქციებს მრავალსაფეხურიან დიალოგებში. Gemini-ის აპლიკაციაში იგი უკეთ ასრულებს მითითებებს, იძახებს შესაბამის ინსტრუმენტებს და ეხმარება სანდო შედეგის მიღებაში ნაკლები შეტყობინების გაცვლით.

• ტექსტები, კვლევები და ყოველდღიური ამოცანები. Hydrogen იცავს მითითებულ ტონს, ფორმატსა და წესებს, ამიტომ წერილების შავნაწერების, სასწავლო სახელმძღვანელოების, გადამუშავებული ტექსტებისა და დოკუმენტების გამოყენება პირველივე ცდიდან შეიძლება. პროდუქტების შედარებისას ან რთული მასალების შეჯამებისას იგი ადგენს გასაგებ ცხრილებსა და ვიზუალურ წარმოდგენებს მნიშვნელოვანი დეტალების გამოტოვების გარეშე.

• კონტექსტის დაკავშირება და ამოცანების შესრულება. Hydrogen ეტაპობრივად აანალიზებს მიზანს და ამოიღებს საჭირო კონტექსტს ატვირთული ფაილებიდან, Google-ის აპლიკაციებიდან, როგორიცაა Gmail და Google Drive, და დაკავშირებული აპლიკაციებიდან, მათ შორის Airtable-დან და Dropbox-იდან. Gemini-ში ამოცანის დაწყებისას მოდელი ასევე უფრო ხშირად იძახებს შესაბამის ინსტრუმენტებსა და უნარებს, რაც დროის დაზოგვაში გვეხმარება.

• ყოველდღიური პროტოტიპირება. იდეების შესასწავლად და შესამოწმებლად Hydrogen ქმნის მომუშავე მაკეტებს ნაკლები მოთხოვნით. ეს იძლევა ინტერაქციული პროექტების უფრო სწრაფად პროტოტიპირებისა და გაუმჯობესების საშუალებას, მაგალითად, მთელ მსოფლიოში მეხის დაცემის რეალური დროის მონაცემების ინტერაქციულ სამგანზომილებიან გლობუსად გარდაქმნას.

Hydrogen-მა სწრაფად შექმნა ინტერაქციული 3D-გლობუსი და Web Audio-ს მუსიკალური ძრავა, რომლებიც იყენებენ მეხის დაცემის მონაცემებს რეალურ დროში. თითოეული დაცემა გლობუსზე ვიზუალური ტალღისებური რხევით აისახება და ავსებს ფონურ მუსიკას.

WebGL2-ზე წყლისა და მინის ვიზუალიზატორის შექმნის დავალებაზე Hydrogen-მა იგი ააგო მათემატიკურ ფორმულებსა და SDF-ტექსტურებზე და რეალურ დროში მოახდინა სინათლის გარდატეხის, არეკვლის, დისპერსიისა და შთანთქმის მოდელირება.

ჩასვით ვიდეო V07: მათემატიკური ფორმულები და SDF-ტექსტურები — https://vkvideo.ru/video-240104036_456239032

მონტაჟის მორგებული უნარის გამოყენებითა და შემოქმედებითი დავალების მიდევნებით, Gemini 4 Hydrogen-მა შექმნა საარქივო რგოლი ელემენტ „წყალბადზე“: მოიძია კადრები საზოგადოებრივი დომენიდან (public domain) და დაამონტაჟა ისინი ერთიან ვიდეოდ მკაფიო კადრსმიღმა ხმით.

ჩასვით ვიდეო V08: საარქივო ვიდეოს მონტაჟი — https://vkvideo.ru/video-240104036_456239033

Hydrogen არსებითად აუმჯობესებს ძიებას, რაც პასუხებს უფრო სასარგებლოსა და გასაგებს ხდის მომხმარებლებისთვის მთელ მსოფლიოში.

• უკეთ ესმის განზრახვა. შეგიძლიათ დასვათ შეკითხვა ფიქრის ჩვეულ რიტმში, მაშინაც კი, თუ მოთხოვნა რამდენიმე ნაწილისგან შედგება, შეიცავს ძნელად გასაგებ ბეჭდურ შეცდომებს ან ძალიან სპეციფიკურ მოთხოვნებს. ძიება გაერკვევა, კონკრეტულად რას ეძებთ.

• უფრო თვალსაჩინო პასუხები. მომხმარებლები მიიღებენ მათ საჭიროებებზე მორგებულ ვიზუალურ პასუხებს, რომელთა გადახედვაც მარტივია, ძიების ჩვეული სისწრაფით.

• მეტი შესაფერისი ბმული. Hydrogen-ის გაუმჯობესებული მსჯელობის შესაძლებლობების წყალობით, ჩვენ ვაახლებთ query fan-out ტექნიკას ძიებაში. იგი საშუალებას იძლევა, შემოგთავაზოთ სასარგებლო ბმულების უფრო ფართო ნაკრები, მათ შორის ისეთ საიტებზე, რომლებსაც მომხმარებელი შესაძლოა ადრე ვერც მიმხვდარიყო.

Gemini 3.5 Flash-ისა და Gemini 4 Hydrogen-ის პასუხების შედარება ბინის რემონტის შესახებ მოთხოვნაზე.

პასუხების შედარება ბოსტონის რაიონების შესახებ მოთხოვნაზე.

პასუხების შედარება ბოტასების შესახებ მოთხოვნაზე.

ამოცანების უსაფრთხო და სანდო შესრულება მასშტაბირებისას

Gemini 4 Hydrogen-ს ჩვენი უახლესი Gemini 4 უსაფრთხოების სისტემიდან გაუმჯობესებები გადააქვს ყველაზე ფართო აუდიტორიისთვის. ჩაშენებული სწავლება და პროდუქტებში არსებული დაცვის ზომები ხელს უწყობს არასასურველი ქცევისა და ბოროტად გამოყენების რისკის შემცირებას. საბაზისო დაცვის გარდა, ჩვენ ყურადღება გავამახვილეთ ორ სფეროზე, რომლებიც განსაკუთრებით მნიშვნელოვანია სწრაფი, ყოველდღიური გამოყენების მოდელისთვის:

• უსაფრთხო და მომხმარებლის განზრახვასთან შესაბამისი აგენტური პროცესები. მიუხედავად იმისა, რომ 3.8 Flash ფლობს შესაბამისობისა და დაცვის ძლიერ საშუალებებს, Hydrogen-ი კიდევ უფრო წინ წავიდა. იგი 81%-მდე ამცირებს უფლებამოსილების გადამეტებას აგენტურ ამოცანებში, ხოლო 79%-მდე — ამოცანის არასრულად შესრულებას; შეუსაბამო მოქმედებებისა და გზის შემოკლების მცდელობათა რიცხვი ინსტრუმენტებთან და კოდთან მუშაობის ტესტებში 12-ჯერ შემცირდა. შეუსრულებელ ან დაბლოკილ ამოცანასთან შეჯახებისას მოდელი ორჯერ უფრო იშვიათად უვლის გვერდს ნებართვების საზღვრებს, ხოლო აგენტის პატიოსნების ჩვენს შიდა შეფასებაში 96,7%-ს აღწევს.

მსჯელობის გამჭვირვალობაზე მუშაობის გაგრძელებით, Hydrogen ინარჩუნებს მსჯელობის ჯაჭვის წაკითხვადობას შემთხვევათა 99,9%-ში და არ შეაქვს მატყუარა შესწორებები მსჯელობაში 200 000-ზე მეტ შემოწმებულ ნაბიჯზე. Gray Swan IPI ტესტში მოდელი 2,3-ჯერ უფრო მდგრადია ირიბი თავდასხმების მიმართ ინსტრუქციების ჩანერგვის (prompt injection) გზით; ასევე საგრძნობლად გაიზარდა მდგრადობა ინსტრუმენტების გამოყენებისას, კომპიუტერთან მუშაობისას და პროგრამირების აგენტებში.

• სასარგებლო და სანდო ყოველდღიური ურთიერთქმედებები. ჩვენ მოვარგეთ Hydrogen ისე, რომ ყოველდღიური საუბრები ჩვენს პროდუქტებში გახდეს უფრო სანდო და უსაფრთხო. განახლებული დაცვის საშუალებები უფრო ზუსტად განასხვავებს რეალურ ბიოუსაფრთხოების რისკებს მართლზომიერი სამედიცინო ან სამეცნიერო კითხვებისგან: შეცდომით უარის თქმის წილი HealthBench Pro-ზე შეადგენს 0,4%-ზე ნაკლებს.

დაწვრილებით იხილეთ Gemini 4 Hydrogen-ის მოდელის ბარათში.

Gemini 4 Hydrogen ხელმისაწვდომია ყველასთვის

დღეიდან Hydrogen ხელმისაწვდომი ხდება მთელ მსოფლიოში დეველოპერებისთვის, ბიზნესისთვის და რიგითი მომხმარებლებისთვის განკუთვნილ პროდუქტებში:

• დეველოპერებისთვის: შექმენით აპლიკაციები Gemini API-ით AI Studio-სა და Android Studio-ში, გამოსცადეთ მოდელი AI Studio-ში, ხოლო Google AI Pro-ს ან Ultra-ს ფასიანი გამოწერის შემთხვევაში — ასევე Google Antigravity-ში.

• კომპანიებისთვის: გამოიყენეთ მოდელი Gemini ბიზნესისთვის-ში API-ის ან მოდელის არჩევის მენიუს მეშვეობით, Google Antigravity-სა და Gemini in Google Sheets-ში შესაბამისი ბიზნესგამოწერის არსებობისას.

• ყველა მომხმარებლისთვის: აირჩიეთ მოდელი Gemini-ის აპლიკაციაში და გამოიყენეთ იგი Google ძიებაში. Gemini-ზე Google Sheets-ში წვდომა იწყება Google AI Pro-სა და Ultra-ს გამომწერებისთვის.

Gemini-ის აპლიკაციაში უფასო მომხმარებლები მიიღებენ წვდომას Gemini 4 Hydrogen-ზე მოდელის ავტომატური შერჩევის მეშვეობით, როდესაც იგი შეესაბამება მოთხოვნას. დაწვრილებით.