Google Antigravity und Gemini 4 Hydrogen: Was sich ändert

Gemini 4 Hydrogen ist das Modell, das für alltägliche Programmieraufgaben und die Arbeit mit KI-Agenten auf den Prüfstand gehört – auch in Google Antigravity. Carbon oder Argon bleiben für Aufgaben mit höherem Denkaufwand vorgesehen. Das am 12. November 2026 veröffentlichte Modell bietet innerhalb von Gemini 4 eine Option für schnellere Ausführung: Nicht jede Routineänderung braucht ein Spitzenmodell für anspruchsvolle Denkaufgaben.

Was ändert sich mit Gemini 4 Hydrogen?

Mit Hydrogen wird die Ausführung zu einer eigenen Entscheidung bei der Modellwahl. Ein Agent ist Software, die ein Modell Aktionen ausführen lässt, etwa Dateien in einem Repository lesen, Code ändern und Tests starten. Google richtet Hydrogen auf die schnelle Ausführung solcher Arbeitsabläufe aus. Gemini 4 Carbon und Gemini 4 Argon zielen dagegen auf gründliches Schlussfolgern bei langen, schwierigen Aufgaben.

Wer allein Software entwickelt, sollte Hydrogen deshalb im täglichen Ablauf bewerten: einen Fehler finden, eine klar begrenzte Änderung vornehmen, Prüfungen ausführen und den Patch erklären. Für Gründer stellt sich die Frage, ob Routinearbeiten mit weniger Wartezeit und Prüfaufwand fertig werden, während offene Entwurfsentscheidungen den Modellen mit größerer Denktiefe vorbehalten bleiben.

Googles Ankündigung nennt Programmierung in Repositories, Fehlersuche und die Ausführung durch Agenten als zentrale Einsatzfelder. Der Entwicklerbeitrag verweist außerdem auf interaktive Webentwicklung und die Arbeit mit unterschiedlichen Medien. Das sind Googles Angaben zu den Fähigkeiten des Modells; für diesen Artikel wurden keine eigenen Praxistests durchgeführt.

Geprüft am 14. November 2026: Für diesen Leitfaden wurden die Ankündigung, der Entwicklerbeitrag, die Modellkarte und die API-Dokumentation geprüft. Die folgenden Empfehlungen zum Einsatz sind redaktionelle Einschätzungen auf Grundlage dieser Quellen.

Welches Gemini-4-Modell passt zu welcher Aufgabe?

Bei klar definierten Aufgaben mit Hydrogen beginnen; bei tieferem Klärungsbedarf auf ein anderes Modell wechseln. Googles aktuelle Auswahlhilfe bezeichnet Carbon als sein leistungsfähigstes Spitzenmodell. Argon soll die meisten anspruchsvollen Aufgaben über längere Abläufe hinweg mit weniger Tokens als Carbon bewältigen. Gemeint sind Aufgaben, bei denen Schlussfolgerungen, Aktionen und Überarbeitungen über viele Schritte hinweg zusammenpassen müssen.

Das sind Zuordnungen nach Arbeitslast, keine allgemeine Rangliste. Ein schwieriger Fehler kann zunächst wie eine normale Codeänderung aussehen und dann ein Architekturproblem offenlegen. Entscheidend ist, ob der Agent bereits weiß, welche Änderung nötig ist, oder erst noch herausfinden muss, wie die richtige Lösung aussieht.

Für CTOs im Mittelstand gilt: Der bisherige Maßstab für abgenommene Arbeit bleibt bestehen. Hydrogen verdient einen breiteren Einsatz, wenn seine Patches dieselben Tests und Prüfkriterien mit weniger Gesamtaufwand erfüllen. Argon bleibt ein sinnvoller Vergleichsmaßstab für schwierige Aufgaben, die es bereits bewältigt. Carbon ist dann gefragt, wenn ungeklärte Hypothesen und Randfälle den Fortschritt blockieren.

Der Leitfaden zu Carbon erläutert dessen ursprüngliche Veröffentlichung und den Schwerpunkt auf anspruchsvollem Schlussfolgern. Seine damalige Einschätzung der Zugangsmöglichkeiten entstand vor dem Hydrogen-Rollout. Der Leitfaden zu Argon behandelt die Modellwahl für länger dauernde Aufgaben. Für diese Veröffentlichung gelten die nachfolgend beschriebenen Zugangswege.

Wo lässt sich Hydrogen nutzen?

Hydrogen wird in Googles Produkten für Privatnutzer, Entwickler und Unternehmen ausgerollt – mit unterschiedlichen Zugangsbedingungen. Google nennt in der Ankündigung diese Wege:

• Gemini-App: Hydrogen gehört zum angekündigten Modell-Rollout. Entscheidend ist aber die Fußnote: Nutzer der kostenlosen Version erhalten es über die automatische Modellauswahl, wenn es zum Prompt passt. Kostenloser Zugang bedeutet also nicht, dass Hydrogen jederzeit manuell auswählbar ist.
• Google AI Studio und Gemini API: Googles API-Leitfaden nennt ausdrücklich eine kostenlose und eine kostenpflichtige Stufe. Für die kostenlose API-Stufe gelten Anfragelimits.
• Gemini for business: Google nennt den Zugang über die API oder die Modellauswahl. Vor einer verbindlichen Lieferzusage sollte der vorgesehene Zugang im Konto des Unternehmens geprüft werden.
• Google Search: Google kündigt den weltweiten Rollout für alle Nutzer an. Über die Suche lassen sich modellgestützte Antworten erhalten; daraus entsteht kein API-Zugangsrecht für die eigene Anwendung.
• Google Antigravity: Hydrogen wird für zahlende Abonnenten von Google AI Pro und Ultra ausgerollt. Für Orchestrator gelten weitere Unterschiede zwischen den Tarifen, die weiter unten erläutert werden.

API-Preis, geprüft am 14. November 2026: Die reguläre kostenpflichtige Nutzung kostet $1.50 pro Million Eingabe-Tokens und $7.50 pro Million Ausgabe-Tokens einschließlich Thinking, einheitlich über das gesamte Kontextfenster. Für Grounding fallen separate Gebühren an, so Googles API-Leitfaden zu Hydrogen.

Wer den Assistenten im Arbeitsalltag ausprobieren möchte, kommt möglicherweise mit der automatischen Auswahl in der App aus. Für die Bewertung einer wiederholbaren Entwicklungsaufgabe empfiehlt sich ein Zugang, bei dem sich Modell und Einstellungen gezielt festlegen und dokumentieren lassen. Der Leitfaden zur kostenlosen Gemini-Nutzung erklärt den grundsätzlichen Unterschied zwischen App- und Entwicklerzugang.

Thinking-Stufen: Mit High beginnen, dann abstimmen

Hydrogen bietet low, medium, high und xhigh; voreingestellt ist high. Die Thinking-Stufe bestimmt, wie viel Denkaufwand das Modell investiert. Sie lässt sich als Zeitbudget für die Untersuchung eines Problems vor dem Handeln verstehen, nicht als eigenständiges Modell mit anderem Wissensbestand.

Google empfiehlt high für die meisten komplexen Programmier- und Agentenaufgaben. medium ist laut der Anleitung für interaktives Programmieren, UI-Prototypen und zeitkritische Tool-Aufrufe gedacht. low passt zu Arbeitslasten, bei denen Antwortzeit und Token-Verbrauch besonders wichtig sind. xhigh bleibt schwierigen Problemen mit mehreren Schritten vorbehalten, bei denen high nicht ausreicht.

Beim Verfeinern eines Seitenlayouts lautet die Frage, ob medium die Abnahmekriterien weiterhin erfüllt und zugleich schnellere Iterationen erlaubt. Bei der Prüfung eines schwierigen Dokumentenpakets ist high der Ausgangspunkt; anschließend sollte geprüft werden, ob die Antwort die richtigen Belege anführt. Mehr Denkaufwand hilft nur dann, wenn das abgenommene Ergebnis besser wird.

Für Modellvergleiche die Thinking-Stufe ausdrücklich festlegen. Carbon und Argon verwenden standardmäßig medium, Hydrogen dagegen high. Wer nur die Standardeinstellungen vergleicht, verändert damit zugleich das Modell und dessen Denkaufwand. Google warnt außerdem, dass xhigh Latenz und Token-Verbrauch erhöhen und einfache Prompts unnötig lange durchdenken kann.

Welche Kontext- und Ausgabegrenzen sind entscheidend?

Hydrogens Kontextfenster von 1,048,576 Tokens wird von Eingabe und Ausgabe gemeinsam genutzt. Tokens sind die Einheiten, mit denen das Modell gelesene und erzeugte Inhalte abbildet. Zur Ausgabe zählen auch Thinking, Funktionsaufrufe und die abschließende Antwort. Eine große Eingabe lässt deshalb weniger Platz für die anschließende Arbeit.

Die Modellspezifikation von Google Cloud legt eine Ausgabegrenze von 65,536 Tokens pro Vordergrundsegment fest, sowohl mit als auch ohne Streaming. Long Decode, Googles Verfahren zur Fortsetzung längerer Antworten, kann die Ausgabe bis zur Größe des gemeinsamen Fensters abzüglich der Eingabe-Tokens erweitern. Es handelt sich also nicht um eine Million Eingabe-Tokens plus eine weitere Million Ausgabe-Tokens.

Bei einer Repository-Migration kann das Laden sämtlicher Dateien den Platz für die nötigen Überlegungen und erzeugten Änderungen aufbrauchen. Sinnvoller ist es, den relevanten Code und die Rahmenbedingungen bereitzustellen und Raum für die Antwort zu lassen. Auch bei Dokumentenabläufen beweist ein großes Lesebudget nicht, dass jede Tabelle oder Ausnahme richtig verstanden wird.

Der API-Leitfaden verlangt für längere Antworten auf diesem Weg sowohl die Ausführung im Hintergrund als auch einen höheren Wert für max_output_tokens. Wer nur background=true setzt, behält den standardmäßigen Abbruchpunkt bei. Eine gewöhnliche interaktive Aufgabe profitiert selten von einer riesigen Antwort. Long Decode ist dann sinnvoll, wenn ein nützliches Arbeitsergebnis diesen Platz tatsächlich braucht.

Beim Umstieg von Flash die Anfragen prüfen

Für den Wechsel von Gemini 3.8 Flash genügt es nicht, nur den Modellnamen zu ändern. Googles Migrationscheckliste nennt Einstellungen, die geprüft werden müssen:

• Alte Steuerungen für das Thinking-Budget durch eine unterstützte Thinking-Stufe ersetzen. MINIMAL und thinking_budget werden abgelehnt.
• Sich nicht mehr auf eigene Werte für temperature, top_p und top_k verlassen. Hydrogen ignoriert angepasste Sampling-Werte innerhalb des zulässigen Bereichs.
• Explizite Anfragen für den Kontext-Cache entfernen. Hydrogen nutzt stattdessen implizites Caching.
• Tools über natives Function Calling deklarieren oder für JSON ein Schema für strukturierte Ausgaben verwenden, statt improvisierte Tool-Aufrufe als Rohtext anzufordern.
• Gesprächszustand und Thought Signatures – die vom Modell angehängten Informationen zu seinem Denkzustand – über Tool-Schritte hinweg so erhalten, wie es Googles Leitfaden vorgibt.

CTOs sollten diese Prüfung vor den Leistungsvergleich stellen. Andernfalls kann eine fehlerhafte Integration wie ein schwächeres Modell wirken, oder eine stillschweigend ignorierte Einstellung macht den Vergleich unbrauchbar. Cloud führt außerdem die Gemini Live API als nicht unterstützt auf. Für eine bestehende Integration mit Live-Sitzungen ist daher eine eigene Kompatibilitätsentscheidung nötig.

Was ändert Orchestrator in Google Antigravity?

Google Antigravity kann innerhalb derselben Sitzung zwischen Planungs- und Ausführungsmodellen wechseln. Die Option Orchestrator reagiert darauf, wie sich eine Aufgabe entwickelt. Sie ordnet nicht die gesamte Arbeit allein anhand des ersten Prompts einem Modell zu.

In Googles Beispiel untersucht Carbon die Abhängigkeiten und erstellt einen Plan. Hydrogen nimmt anschließend Änderungen vor und führt Tests aus. Stößt die Ausführung auf ein Problem, das neue Überlegungen verlangt, geht die Aufgabe zurück an Carbon. Gerade dieser Rückweg ist wertvoll: Das ausführende Modell muss einen Plan nicht weiter erzwingen, nachdem dessen Annahmen gescheitert sind.

Der Beitrag zum Antigravity-Rollout nennt Orchestrator (Carbon) und Orchestrator (Argon) für Abonnenten von Google AI Ultra sowie Orchestrator (Argon) für zahlende Abonnenten von Google AI Pro. Unternehmen erhalten über Gemini for business Zugang zu beiden Varianten. Der Zugang zu Hydrogen allein bedeutet nicht, dass auch jede Orchestrator-Variante verfügbar ist.

Für Gründer bietet sich eine Bewertung bei Feature-Arbeiten an, die regelmäßig von einer scheinbar einfachen Änderung zu einer Entwurfsfrage führen. Wer Agenten im Betrieb beaufsichtigt, sollte darauf bestehen, dass bei der Übergabe Aufgabenumfang, abgeschlossene Prüfungen und offene Fragen erhalten bleiben. Die automatische Modellauswahl entscheidet nicht darüber, ob sich ein Patch sicher zusammenführen lässt.

Wo der Hype zu weit geht: Auch ein schnelleres Modell braucht Kontrolle

Hydrogens Schwerpunkt auf Ausführung macht nicht jede Aufgabe ohne Prüfung delegierbar. Laut Googles DeepMind-Modellkarte wurde Hydrogen aus Carbon abgeleitet. Die Karte nennt aber weiterhin Halluzinationen, gelegentlich langsame Antworten oder Zeitüberschreitungen und steigenden Token-Verbrauch bei höheren Thinking-Stufen.

Die Modellkarte berichtet außerdem von mehr unbegründeten Ablehnungen als bei Gemini 3.8 Flash, insbesondere bei multimodalen Prompts. Für die Verarbeitung von Dokumenten und Bildern ist das ein konkreter Grund, neben schwierigen Fällen auch gewöhnliche berechtigte Anfragen in die Bewertung aufzunehmen. Ein Agent, der eine Aufgabe ablehnt, scheitert anders als einer, der eine falsche Antwort liefert. Beides beeinflusst, ob die Arbeit fertig wird.

Auch die gemeinsame Kontextgrenze muss in der Planung berücksichtigt bleiben. Eine lange Ausgabe ist eine Kapazität, kein Beleg für Richtigkeit. Gefragt ist ein überprüfbares Arbeitsergebnis mit nachvollziehbaren Kontrollen; bloß mehr Text zu erzeugen, verdient keine bessere Bewertung.

An folgenreichen Übergängen wie Veröffentlichungen, Änderungen an Produktivsystemen oder Kundenkommunikation sollten Freigaben bestehen bleiben. Ein Modellwechsel kann die Arbeit bis zu diesen Punkten verbessern, ohne die Verantwortung für die endgültige Entscheidung zu verändern.

Häufige Fragen

Ist Gemini 4 Hydrogen kostenlos?

Ja, unter bestimmten Bedingungen. Nutzer der kostenlosen Gemini-App erhalten Hydrogen über die automatische Modellauswahl, wenn es zum Prompt passt. Google führt außerdem eine kostenlose Stufe mit Anfragelimits in AI Studio und der Gemini API auf. Der Hydrogen-Rollout in Antigravity richtet sich an zahlende Abonnenten von Google AI Pro und Ultra.

Ist Gemini 4 Hydrogen besser als Carbon?

Für die alltägliche Ausführung sollte Hydrogen zuerst bewertet werden. Google positioniert Carbon weiterhin als sein leistungsfähigstes Spitzenmodell für anspruchsvolles Schlussfolgern, Hypothesenprüfungen und Randfälle. Maßgeblich sind abgenommene Arbeit, benötigte Zeit und Prüfaufwand. Hydrogens Veröffentlichung belegt keinen allgemeinen Vorsprung gegenüber Carbon.

Ersetzt Gemini 4 Hydrogen Flash?

Google empfiehlt Hydrogen als Nachfolger beim Umstieg von Gemini 3.8 Flash und früheren Modellen. Daraus folgt nicht, dass sämtliche Flash-Endpunkte abgeschaltet wurden. Googles Leitfaden sieht Flash-Lite weiterhin für Klassifizierung in großen Mengen, Routing und sehr geringe Latenz vor. Die gesamte Flash-Familie lässt sich deshalb nicht pauschal durch Hydrogen ersetzen.

Der nächste praktische Schritt: Einen begrenzten Arbeitsablauf bewerten

Zuerst eine repräsentative Aufgabe in die Bewertung aufnehmen, dann den gesamten Arbeitsablauf umstellen. Wer allein entwickelt, kann eine vertraute Regressionskorrektur nutzen. Ein CTO kann eine verantwortliche Person für eine wiederkehrende Wartungsaufgabe bestimmen. Im Betrieb eignet sich ein Dokumentenpaket mit einer bekannten, überprüfbaren Antwort.

1. 1

   Vergleichsmaßstab und Abnahmekriterien beibehalten

   Für das bisherige Modell und Hydrogen dieselbe Aufgabe, dieselben Eingaben, erlaubten Tools und erwarteten Ergebnisse festhalten. Bei Code sind die relevanten Tests und ein überprüfbarer Patch erforderlich. Bei Dokumenten müssen Belege die Schlussfolgerung stützen.

2. 2

   Integration prüfen und Thinking ausdrücklich festlegen

   Anfrageeinstellungen, Kontextbudget und Tool-Deklarationen kontrollieren. Bei komplexen Aufgaben mit high beginnen und anschließend medium dort bewerten, wo Wartezeit zählt. Neben dem Verbrauch auch fehlgeschlagene Aufrufe, unvollständige Antworten und Korrekturen durch Prüfer erfassen.

3. 3

   Nur bei besserer abgenommener Arbeit ausweiten

   Hydrogen für die Aufgaben einsetzen, die es mit weniger Gesamtaufwand gut abschließt. Carbon oder Argon für offene, denkintensive Aufgaben beibehalten. Orchestrator bewerten, wenn dieselbe Aufgabe wiederholt Planung und Ausführung benötigt. Mit dem Umstieg warten, solange noch nicht messbar ist, ob das Ergebnis die Anforderungen erfüllt.

Für praktische Entscheidungen zu Modellen und Arbeitsabläufen: den Newsletter abonnieren.