소식 · · 읽는 시간 13분

Gemini 4 Hydrogen 공개: 네 가지 사고 수준을 제3자 측정으로 맞대 본 점수와 시간

이 글의 차례
  1. Hydrogen이 3.8 Flash 자리에서 바꾼 것
  2. 사고 수준별 점수와 작업당 시간
  3. Google 벤치마크 표에서 Hydrogen이 진 항목
  4. 누가 어디서 쓸 수 있나
  5. 커뮤니티 반응
  6. 한국 개발자에게 바뀌는 것
  7. 한계
  8. 출처

Google이 2026년 11월 12일(미국 시간) Gemini 4 Hydrogen(gemini-4-hydrogen)을 공개하고 같은 날 Gemini API 무료·유료 등급, Gemini 앱, Google 검색에 바로 풀었습니다. Google은 이 모델을 Gemini 3.8 Flash의 권장 후속으로 소개합니다. 제3자인 Artificial Analysis의 측정에서 기본 사고 수준인 high는 3.8 Flash(high)보다 종합 지수가 31점에서 51점으로 오르고, 작업 1개당 시간은 14.7분에서 7.9분으로 줄었습니다. 다만 새로 생긴 xhigh는 high보다 3점을 더 얻으려고 출력 토큰을 약 2.8배 씁니다. 3.8 Flash에서 옮기는 개발자가 먼저 정할 것은 모델 ID보다 사고 수준입니다.

이 글에서는 Hydrogen에서 무엇이 바뀌었는지, Artificial Analysis 측정치를 직접 한 차트로 정리한 사고 수준별 점수와 시간, Google이 직접 낸 벤치마크 표에서 Hydrogen이 진 항목, 누가 어디서 쓸 수 있는지, Hacker News 반응을 다룹니다.

Hydrogen이 3.8 Flash 자리에서 바꾼 것

Hydrogen은 Argon·Carbon이 있는 Gemini 4 계열에 새로 추가된 모델입니다. Google DeepMind 모델 카드는 이 모델이 Gemini 4 Carbon을 바탕으로 만들어졌다고 적고 있습니다. Carbon과 Argon이 오래 걸리는 깊은 추론용이라면, Hydrogen은 코드 작성·테스트 실행·도구 호출처럼 자주 반복되는 작업을 빠르게 처리하는 쪽에 맞춰져 있습니다.

개발자에게 직접 닿는 변화는 사고 수준(thinking level)입니다. Hydrogen은 low, medium, high, 그리고 새로 생긴 xhigh 네 단계를 받습니다. 기본값은 high입니다. Google의 마이그레이션 문서에 따르면 3.8 Flash의 기본값은 medium이었고, Hydrogen에 minimal을 넣으면 오류가 납니다. 요청에 사고 수준을 적지 않던 코드는 모델 ID만 바꿔도 한 단계 더 깊게 생각하는 모델을 부르게 됩니다.

같은 문서는 요청 형식의 변화도 나열합니다.

  • 입력·사고·출력이 1,048,576 토큰 창 하나를 나눠 씁니다. 한 번의 동기 응답은 65,536 토큰까지이고, 그보다 긴 출력은 백그라운드 실행으로 이어 씁니다
  • 명시적 컨텍스트 캐싱(cachedContents)을 지원하지 않습니다. 4,096 토큰 이상 프롬프트에 기본으로 걸리는 암시적 캐싱만 남고, 캐시 적중분 입력은 95% 할인됩니다
  • temperature, top_p, top_k는 보내도 서버가 무시합니다

이 세 가지는 앞서 Gemini 4 Argon으로 옮길 때 바뀐 요청과 같습니다. 3.8 Flash만 쓰던 서비스라면 이번이 Gemini 4 방식 요청을 처음 맞는 때입니다.

사고 수준별 점수와 작업당 시간

Artificial Analysis는 Hydrogen의 네 사고 수준을 각각 별도 모델로 측정해 공개합니다. 같은 사이트의 3.8 Flash(high)와 Argon(high) 페이지 값을 함께 옮겨 한 표로 만들었습니다. 점수는 9개 평가를 묶은 Artificial Analysis Intelligence Index(v5.0.1)이고, 시간은 그 평가 작업 1개당 평균 소요 시간입니다.

모델·사고 수준지수작업당 시간지수 측정 출력 토큰
Hydrogen low271.3분2,030만
Hydrogen medium413.7분5,440만
Hydrogen high (기본)517.9분1억 1,000만
Hydrogen xhigh5413.7분3억 400만
3.8 Flash high3114.7분1억 2,600만
Argon high5030.0분1억 1,300만

표 1. Artificial Analysis 모델 페이지 6개의 값을 직접 정리 (2026-11-13 확인). 출력 토큰은 지수 전체를 한 번 돌리는 데 쓴 양

그림 1. 사고 수준을 올릴수록 Hydrogen의 점수와 작업당 시간이 함께 늘어나며, xhigh 구간에서 기울기가 눕습니다.

medium이 3.8 Flash high를 이미 넘습니다. 41점 대 31점이고, 작업당 시간은 3.7분 대 14.7분으로 약 4배 빠릅니다. 3.8 Flash를 high로 돌리던 서비스라면 Hydrogen medium부터 시험해 볼 근거가 됩니다.

xhigh는 기울기가 눕는 구간입니다. high에서 xhigh로 올리면 지수는 51점에서 54점으로 3점 오르지만, 출력 토큰은 1억 1,000만에서 3억 400만으로 약 2.8배, 작업당 시간은 약 1.7배, 첫 답 토큰까지 걸리는 시간은 16.68초에서 40.55초로 약 2.4배 늘었습니다. Artificial Analysis는 xhigh의 토큰 사용량을 비교 대상 77개 중 76위로 매겼습니다. Google 문서도 xhigh는 단순한 프롬프트에서 과도하게 생각할 수 있다며 high로 부족한 어려운 다단계 작업에만 쓰라고 권합니다.

Argon과의 비교도 같은 표에서 읽힙니다. Hydrogen high는 51점으로 Argon high의 50점과 거의 같고, 작업당 시간은 30.0분 대 7.9분으로 약 3.8배 짧습니다. Google 발표문의 "Argon을 넘었다"(51 대 50)는 이 지수 기준이며, 1점 차이입니다.

Google은 Hydrogen이 3.8 Flash보다 작업을 2.5배 빨리 끝낸다고 발표했습니다. Artificial Analysis 측정에서 두 모델 high의 작업당 시간 비율은 14.7분 대 7.9분, 약 1.9배입니다. 두 숫자는 서로 다른 작업 묶음에서 나왔으므로 어느 쪽이 틀렸다고 볼 수는 없습니다. 다만 Google 측정 조건이 공개되지 않은 이상, 자기 작업에서 기대할 수 있는 폭은 2.5배보다 1.9배 쪽에서 출발하는 편이 안전해 보입니다.

Google 벤치마크 표에서 Hydrogen이 진 항목

Google DeepMind는 평가 방법 문서에 Hydrogen, Claude Sonnet 5.5, GPT-6.1 Terra의 10개 항목 점수표를 실었습니다. Hydrogen이 7개 항목에서 가장 높고, 3개 항목에서 Sonnet 5.5보다 낮습니다.

항목HydrogenSonnet 5.5GPT-6.1 Terra
Terminal-Bench 4.157.0%63.9%발표 없음
OSWorld-2.1 (오프라인 부분집합)77.6%83.9%74.2%
Terminal-Bench-Science 0.151.4%59.9%58.3%

표 2. Google DeepMind 평가 방법 문서 점수표 중 Hydrogen이 1위가 아닌 항목만 옮김

세 항목은 터미널에서 명령을 이어 실행하는 에이전트 코딩, 화면을 보고 마우스·키보드를 다루는 컴퓨터 사용, 터미널 기반 과학 작업입니다. 셸과 화면을 오래 다루는 작업에서는 Google 표의 비교 모델인 Sonnet 5.5가 앞선다는 뜻이고, 이런 작업이 주력이라면 Hydrogen을 기본값으로 정하기 전에 직접 비교해 볼 필요가 있습니다.

표의 출처도 항목마다 다릅니다. 같은 문서에 따르면 Hydrogen 점수 대부분은 Google이 자체 하네스로 잰 값입니다. 경쟁 모델 점수는 항목마다 출처가 다릅니다. 각 회사 발표값, 공개 리더보드, 시스템 카드, Artificial Analysis 리더보드(AutomationBench-AA, HLE-Diamond, MKA)가 섞여 있고, 표 2의 OSWorld-2.1은 Sonnet 5.5 점수도 Google이 직접 쟀습니다. 이 표는 벤더가 고른 조건의 비교로 읽어야 하며, 위 표 1처럼 제3자가 같은 방식으로 잰 수치와 구분됩니다.

모델 카드에는 점수표에 들어가지 않은 수치가 하나 더 있습니다. 내부 자동 안전성 평가에서 Hydrogen은 3.8 Flash보다 부당한 거절(안전하게 답할 수 있는 요청을 거절하는 비율)이 5.57%p 높았고, Google은 특히 이미지가 섞인 프롬프트에서 높다고 적었습니다. 이미지 입력을 받는 서비스라면 옮긴 뒤 거절 응답 비율을 따로 지켜볼 만합니다. 지식 기준 시점은 2026년 3월입니다.

누가 어디서 쓸 수 있나

Google 발표문과 모델 카드가 밝힌 배포 범위를 사용자별로 나누면 다음과 같습니다.

사용처대상조건
Gemini API, Google AI Studio모든 개발자무료 등급 포함. 유료 등급은 100만 토큰당 입력 $1.50, 출력 $7.50
Gemini 앱모든 사용자무료 사용자는 자동 모델 선택이 Hydrogen을 고를 때만
Google 검색전 세계 모든 사용자검색 응답에 적용
Google AntigravityGoogle AI Pro·Ultra 유료 구독자Carbon과 섞어 쓰는 Orchestrator 포함
Google Sheets의 GeminiPro·Ultra 구독자부터대상 기업 구독 포함

표 3. Google 발표문(2026-11-12)과 모델 카드의 배포 채널을 직접 정리

가격은 이번 결정에서 비켜 갈 수 없는 변수입니다. Hydrogen의 $1.50 / $7.50는 3.8 Flash의 2027년 1월 1일 이후 정가와 같습니다. 3.8 Flash는 2026년 12월 31일까지 그 절반인 $0.75 / $3.75에 할인 판매 중이므로, 올해 안에는 토큰 단가만 보면 Hydrogen이 두 배 비쌉니다. 3.8 Flash는 모델 목록에 Stable로 남아 있고 종료 일정은 발표되지 않았습니다.

커뮤니티 반응

Hacker News의 발표 글 토론(11월 13일 확인 기준 525점, 댓글 330개)에서는 최상위 댓글 64개 중 19개가 모델 이름 체계를 언급했습니다(직접 집계). 성능을 다룬 댓글에서는 평가가 갈렸습니다.

긍정 쪽에서 modeless는 발표문의 그래프를 두고 이렇게 적었습니다.

"My TL;DR is: seems like a better choice than Sonnet in areas outside of coding, and at high reasoning it's smarter than Terra but somewhat more expensive." — modeless, Hacker News

부정 쪽에서 onlyrealcuzzo는 벤치마크가 잡지 못하는 실패를 지적했습니다.

"They are trading improvements on pass@1 pointless benchmarks for worse disasters at p90/99 that you're going to hit every week in agentic workflows (if not daily): overreach (doing more than asked), overwork (when it should have failed fast)…" — onlyrealcuzzo, Hacker News

가격 위치를 문제 삼은 댓글도 있었습니다. ComputerGuru는 Hydrogen이 검색에 쓰이는 입문급 모델처럼 보이는데 할인 전 3.8 Flash와 같은 가격이라며, 연말 할인이 끝나면 가격에 민감한 기업 고객이 떠날 수 있다고 썼습니다(Hacker News). 이 의견들은 작성자 개인의 초기 사용 소감이며 측정 결과가 아닙니다.

한국 개발자에게 바뀌는 것

3.8 Flash를 쓰는 한국 서비스에 이번 출시가 바꾸는 것은 세 가지로 보입니다.

첫째, 옮기는 시점이 가격 일정에 묶입니다. 올해 안에는 3.8 Flash가 토큰 단가로 절반이고, 1월 1일부터는 같은 단가가 됩니다. 단가가 같아지는 시점부터는 같은 값에 지수가 20점 높고 작업당 시간이 짧은 모델이 있다는 뜻이므로, 연말까지 시험을 끝내고 1월에 옮기는 일정이 자연스러워 보입니다.

둘째, 시험의 축은 사고 수준입니다. 기본값 high를 그대로 쓰면 3.8 Flash medium 시절보다 출력 토큰이 늘 가능성이 큽니다. 표 1에서 medium이 이미 3.8 Flash high를 넘으므로, 자기 작업 평가 세트로 medium과 high를 먼저 돌리고 xhigh는 high가 실패한 작업에만 붙여 보는 순서가 Google 권고와도 맞습니다.

셋째, 최종 사용자 쪽 변화는 개발자가 고를 수 없습니다. 검색 응답과 Gemini 앱 자동 선택에 Hydrogen이 들어갔으므로, 한국 사용자가 검색에서 보는 AI 응답의 질과 거절 패턴이 이번 주부터 달라졌을 수 있습니다. 한국어 품질은 Google 발표 어디에도 따로 수치가 없어서 판단할 근거가 없습니다.

한계

항목내용
직접 측정이 글은 Hydrogen을 직접 호출해 재지 않았습니다. 표 1은 Artificial Analysis 수치, 표 2는 Google 수치를 옮긴 것입니다
측정 시점Artificial Analysis 값은 Intelligence Index v5.0.1, 2026-11-13 확인 기준입니다. 공개 직후이고 지수 구성도 갱신 중이라 숫자가 바뀔 수 있습니다
작업 범위Intelligence Index는 9개 평가의 묶음입니다. 자기 서비스의 프롬프트 길이·도구 구성과 다르면 시간·토큰 비율도 달라집니다
한국어한국어 성능을 따로 잰 공개 수치를 찾지 못했습니다
안전성모델 카드의 안전성 수치는 Google 내부 자동 평가이고, 전체 안전·보안 보고서는 아직 공개되지 않았습니다

Gemini 4 계열의 앞선 두 모델 이야기는 Gemini 4 Carbon과 Argon의 점수·대기 시간 비교에 정리해 두었습니다.

출처

1 / 1