Gemini 4 Hydrogen jest w zadaniach programistycznych średnio 2,0x szybszy od Gemini 3.8 Flash (71,57 s vs 143,26 s w trzech niezależnych rundach CLI, a licząc po medianie 2,2x szybszy: 63,93 s vs 140,59 s), utrzymuje ponad trzykrotnie mniejszy rozrzut czasu pracy (±14,08 s vs ±45,55 s) i generuje kod o dwukrotnie niższej maksymalnej złożoności cyklomatycznej (13,7 vs 27,3 wg metryki McCabe'a). W API nowy model kosztuje jednak dokładnie dwa razy więcej za milion tokenów (1,50 USD / 7,50 USD wobec 0,75 USD / 3,75 USD w Gemini 3.8 Flash). Sprawdzam na twardych danych z 6 sesji terminalowych, analizie drzewa składniowego AST oraz teście wydajnościowym na 100 000 wierszy z Google Search Console, kiedy przesiadka na Hydrogena realnie się opłaca.
W poprzednim wpisie omawiałem premierę Gemini 4 Hydrogen i Carbon oraz pierwszy pojedynek z Claude Sonnet 5.5, w którym wykonałem pojedynczy przebieg (n=1). Pojedynczy test zawsze zostawia otwarte pytanie o losowość: czy dany model po prostu trafił na lepsze okno opóźnień po stronie serwerów Google, a błędy w warunkach brzegowych były jednorazowym wypadkiem przy pracy? Żeby to rozstrzygnąć, przygotowałem nowy, znacznie trudniejszy skrypt analityczny SEO i uruchomiłem oba modele po trzy razy (n=3) w odizolowanych procesach CLI agy.
Czego szukają deweloperzy po premierze Gemini 4 Hydrogen? Dane z DataForSEO i Google Suggest?
Przed wyborem zadania testowego sprawdziłem w DataForSEO (Keyword Overview, AI Keyword Data oraz Live SERP dla rynku polskiego 2616 / pl) i w Google Autocomplete, jak wygląda popyt na porównania modeli Google po premierze z 12 listopada 2026 roku.
W podpowiedziach Google Suggest dla zapytania gemini 4 hydrogen vs na pierwszym miejscu pojawia się już bezpośrednio fraza gemini 4 hydrogen vs 3.8 flash, a dla gemini 3.8 flash vs w pierwszej trójce ląduje gemini 3.8 flash vs 4 hydrogen (obok porównań z 3.1 pro oraz claude sonnet 5.5). Z kolei miesięczne wolumeny bazowych fraz w polskim Google i w asystentach AI pokazują wyraźny podział intencji:
Dane z DataForSEO pokazują dwie ważne rzeczy:
- Ruch wokół środowiska Google Antigravity (
8 100wyszukiwań/mies. w Polsce) przerósł już samą frazęgemini api(4 400) - większość pytań ogemini 4 hydrogen vs 3.8 flashpochodzi dziś od osób, które widzą oba modele na liście wyboru w IDE lub w terminaluagyi zastanawiają się, którego używać na co dzień. - Fraza
gemini flashma najwyższy udział zapytań bezpośrednio wewnątrz narzędzi AI (ai_search_volume: 15) - programiści pytają czaty AI o różnice w cenie, szybkości i jakości kodu między generacją 3.8 a 4.0, zanim podejmą decyzję o podmianie identyfikatora modelu w swoich skryptach.
Cennik API a subskrypcja Google Antigravity: gdzie leży granica opłacalności?
Zanim przejdziemy do wyników z terminala, zestawmy parametry i stawki obu modeli. Wcześniej punktem wyjścia w czwartej generacji był model opisany w tekście Gemini 4 Argon z oknem 1M tokenów w API i AI Mode, natomiast Gemini 4 Hydrogen zastąpił linię 3.x jako domyślny szybki model codziennego użytku.
gemini-4-hydrogen-{low,medium,high,xhigh}gemini-3.8-flash-{low,medium,high}xhigh (Extra)Na papierze sytuacja dzieli się na dwa zupełnie różne scenariusze:
- Praca w subskrypcji Google Antigravity (IDE oraz CLI
agy): oba modele korzystają z tej samej puli limitów konta Pro/Ultra. Nie płacisz tu od tokena, więc wygrywa model, który szybciej oddaje działający kod i rzadziej zmusza Cię do poprawiania błędów w kolejnym prompcie. - Potoki wsadowe w API (OpenRouter / Google AI Studio): u siebie w wewnętrznym systemie SEO Manager długo trzymałem
google/gemini-3.8-flashjako domyślny model do szkiców i analizy SERP, bo przy uwzględnieniu ukrytych tokenów rozumowania (reasoning tokens, które w praktyce podwajają koszt wyjścia) pojedyncze wywołanie analityczne zamykało się w okolicach0,04 - 0,08 USD. Przejście na Hydrogena w API podwaja rachunek za tokeny, więc ma sens tylko wtedy, gdy wyższa precyzja pozwala zrezygnować z drugiego przebiegu naprawczego lub sędziego w trybie duel.
Metodologia benchmarku n=3: detektor kanibalizacji GSC i 18 testów weryfikacyjnych
Żeby sprawdzić nie tylko średnią szybkość, ale też powtarzalność wyników między uruchomieniami, zaprojektowałem zadanie znacznie trudniejsze od prostych skryptów tekstowych. Każdy model musiał od zera napisać w czystym Pythonie (wyłącznie biblioteka standardowa: urllib.parse, math, collections) moduł gsc_cannibalization.py wykrywający kanibalizację słów kluczowych na podstawie surowego eksportu wierszy z Google Search Console, a także stworzyć i uruchomić własny zestaw 12 testów jednostkowych unittest.
Wszystkie sesje uruchomiłem przez CLI agy (szczegóły środowiska opisuję w poradniku o konfiguracji Herdr z Claude Code i Google Antigravity) w trzech kolejnych rundach. W każdej rundzie równolegle startowała jedna sesja gemini-4-hydrogen-medium oraz jedna sesja gemini-3.8-flash-medium:
Po zakończeniu wszystkich 6 sesji każdy wygenerowany moduł przepuściłem przez:
- Wspólny zestaw 18 testów (
test_master_gsc.py): 15 testów sprawdzających wszystkie warunki brzegowe specyfikacji (test_01-test_15) oraz 3 testy odporności defensywnej na złośliwe dane wejściowe (test_16:NaNorazInfwposition,test_17: liczby zmiennoprzecinkowe10.5przekazane jakoclicks/impressions,test_18: uszkodzony nawias IPv6http://[::1/badrzucającyValueErrorwewnątrzurlsplit/urlparse). - Analizę drzewa składniowego AST (
astw Pythonie): pomiar liczby linii kodu bez komentarzy (SLOC), liczby wydzielonych funkcji, pokrycia typowaniem (type hints), głębokości zagnieżdżenia oraz złożoności cyklomatycznej McCabe'a (CC). - Test wydajności wykonania (runtime benchmark): pomiar czasu przetworzenia 100 000 wierszy GSC (5 000 fraz po 20 wierszy z parametrami UTM i błędnymi rekordami) przez kod napisany przez każdy model.
Wyniki w 3 rundach (n=3): czas wykonania, stabilność i skuteczność testów

W każdej z trzech rund Gemini 4 Hydrogen (Medium) skończył pisanie modułu, pliku testowego i weryfikację w terminalu wyraźnie szybciej od Gemini 3.8 Flash (Medium):
Najważniejszy wniosek z trzykrotnego powtórzenia eksperymentu dotyczy stabilności opóźnień (jittera). W dwóch z trzech przebiegów Gemini 4 Hydrogen zamknął całe zadanie w niemal identycznym czasie (63,93 s oraz 62,95 s), a w najwolniejszym trzecim przebiegu potrzebował 87,82 s - czyli wciąż mniej niż najszybszy przebieg Gemini 3.8 Flash (99,10 s). Z kolei w Gemini 3.8 Flash różnica między najszybszą a najwolniejszą sesją wyniosła ponad półtorej minuty (99,10 s vs 190,09 s). W codziennej pracy z agentem w terminalu oznacza to, że na Flashu 3.8 trudno przewidzieć, czy na wynik poczekasz półtorej minuty, czy ponad trzy.
Złożoność cyklomatyczna (AST) i wydajność na 100 000 wierszy: jak oba modele piszą kod?
Sam wynik testów jednostkowych nie mówi jeszcze wszystkiego o tym, jak będzie się utrzymywać wygenerowany kod. Kiedy przepuściłem wszystkie 6 plików gsc_cannibalization.py przez parser drzewa składniowego ast, wyszła na jaw bardzo wyraźna, powtarzalna w każdej rundzie różnica w architekturze kodu między generacją 4.0 a 3.8:

147, 153, 148)181, 198, 169)5)3)5/5 funkcji w każdym przebiegu)3/3 funkcji w każdym przebiegu)42, 41, 40)51, 51, 49)14, 13, 14)26, 28, 28)CC <= 15), Flash tworzy monolit (CC 26-28)413,2 - 532,5 ms)389,5 - 638,9 ms)re.sub w pętliSkąd bierze się aż dwukrotna różnica w maksymalnej złożoności cyklomatycznej pojedynczej funkcji (13,7 vs 27,3) oraz rozbieżności w testach defensywnych?
- Dekompozycja na 5 funkcji vs monolityczna pętla (
Max CC 13-14vs26-28): we wszystkich trzech przebiegach (3/3) Gemini 4 Hydrogen zaprojektował identyczną, czystą strukturę modułu z pięcioma funkcjami:_normalize_domain,_normalize_query,_normalize_page,_is_valid_metricsoraz głównądetect_gsc_cannibalization. Dzięki temu żadna funkcja nie przekroczyła złożoności cyklomatycznej14(standardowy próg ostrzegawczyC901w narzędziachruffiflake8wynosi15). Gemini 3.8 Flash w każdym z trzech przebiegów (3/3) upchnął całą walidację typów, zakresów liczbowych i czyszczeniequerybezpośrednio wewnątrz pętli głównejdetect_gsc_cannibalization, windując jej złożoność do26 - 28. - Idiomatyczny Python 3.10+ zamiast rozwlekłych warunków: do obcięcia prefiksu
www.i normalizacji ścieżki URL Hydrogen w każdym przebiegu użył zwięzłych konstrukcjihost.lower().removeprefix("www.")oraz jednoliniowegopath = parsed.path.rstrip("/") or "/". Flash 3.8 pisał w tym miejscu 8-liniowe drzewoif/elsez ręcznym wycinaniem indeksówhost[4:]. - Pułapka
float("nan") < 1.0w Pythonie (test_16): w Pythonie każde porównanie mniejszości lub większości z wartościąNaNzwracaFalse. Jeśli w danych wejściowych pojawi się uszkodzony floatposition: float("nan"), warunekif position < 1.0:go nie zatrzyma. Gemini 4 Hydrogen w dwóch z trzech przebiegów sam z siebie zaimportował modułmathi dodał strażnikaif math.isnan(position) or math.isinf(position): return False. - Błąd typów i wydajności w 3. przebiegu Flasha (
gsc_flash_3): w trzeciej rundzie Gemini 3.8 Flash użył warunkunot isinstance(clicks, (int, float)), przez co zamiast odrzucać błędne wiersze ze zmiennoprzecinkową liczbą kliknięć (clicks: 10.5), po cichu obcinał je przezint(clicks). W tym samym przebiegu zastosował teżre.sub(r"\s+", " ", ...)wewnątrz głównej pętli zamiast szybkiego" ".join(query.split())oraz cięższeurlparsezamiasturlsplitbez blokutry/except ValueError. Na próbce 100 000 wierszy GSC taki kod wykonywał się w638,9 mswobec413,2 msw drugim przebiegu Hydrogena (spadek wydajności wygenerowanego skryptu o ponad 54%).
Zestawienie zbiorcze z 3 różnych zadań SEO: seo_slug.py, seo_audit.py i gsc_cannibalization.py
Jeżeli połączymy dzisiejszy, trzyrundowy benchmark (n=3) z dwoma zadaniami z poprzedniego testu, otrzymujemy pełny obraz zachowania obu modeli w łącznie 10 sesjach terminala CLI:
n=1max_len <= 0)n=1#fragment i <base href>)n=3 (6 sesji)Moim zdaniem te trzy testy bardzo dobrze pokazują, na czym polega przesunięcie generacyjne między linią 3.8 a 4.0. Nawet kiedy wymusimy w obu modelach identyczny poziom rozumowania (Medium) i damy im bardzo szczegółową specyfikację, Gemini 4 Hydrogen nie tylko kończy pracę ponaddwukrotnie szybciej, ale przede wszystkim pisze bardziej zdyscyplinowany architektonicznie kod - dzieli logikę na mniejsze funkcje pomocnicze, pilnuje złożoności cyklomatycznej i rzadziej zapomina o obronie przed nietypowymi wartościami wejściowymi (NaN, bool będący podklasą int w Pythonie czy uszkodzone adresy URL).
Kiedy zostać na Gemini 3.8 Flash, a kiedy przełączyć się na Gemini 4 Hydrogen?
Na Twoim miejscu podzieliłbym wykorzystanie obu modeli według prostego kryterium środowiskowego i kosztowego:
- W Google Antigravity (IDE oraz CLI
agyna planach Pro i Ultra) przełącz się na stałe na Gemini 4 Hydrogen - w abonamencie nie płacisz stawki per token, a zyskujesz średnio dwukrotnie krótszy czas oczekiwania na odpowiedź, ponad trzykrotnie mniejszy rozrzut czasowy między sesjami i znacznie czytelniejszy podział kodu na funkcje. Do codziennych zadań deweloperskich poziomMediumwystarcza z nawiązką, a przy trudniejszej architekturze zawsze masz w odwodzie domyślny poziomHighlubXHigh. - W masowych potokach API bez generowania kodu zostaw Gemini 3.8 Flash tam, gdzie liczy się niska stawka za token - przy prostej klasyfikacji wyników SERP, wyciąganiu nagłówków konkurencji czy streszczaniu długich tekstów stawka
0,75 USD / 3,75 USDza milion tokenów w Flashu 3.8 nadal robi dokładnie tę samą robotę za połowę ceny Hydrogena (1,50 USD / 7,50 USD). - W potokach API generujących kod lub złożone struktury JSON wybierz Gemini 4 Hydrogen mimo 2x wyższej ceny za token - w zadaniach z wieloma warunkami brzegowymi wyższa dyscyplina typów i niższa złożoność cyklomatyczna Hydrogena oznaczają mniej nieudanych walidacji schematu i brak konieczności ponawiania zapytań, co w praktyce wyrównuje wyższą stawkę cennikową.
Jeśli budujesz w swojej firmie narzędzia SEO, integrujesz potoki danych z Google Search Console i DataForSEO albo chcesz zoptymalizować koszty i architekturę agentów AI w swoim zespole - napisz do mnie przez formularz kontaktowy na stronie, chętnie pomogę zaprojektować i przetestować takie rozwiązanie na Twoich danych.
Często zadawane pytania (FAQ)
W środowisku Google Antigravity (CLI agy w wersji 1.5.7 na planie Pro) oba modele korzystają ze wspólnej puli zapytań odnawianej cyklicznie. Podczas przeprowadzenia 6 pełnych sesji benchmarkowych (3 rundy po 2 modele wraz z zapisem plików i uruchomieniem testów) łączne zużycie puli wyniosło około 2% limitu.
W Pythonie typ logiczny bool dziedziczy bezpośrednio po klasie int (issubclass(bool, int) zwraca True, a True == 1 oraz False == 0). Bez jawnego wykluczenia isinstance(x, bool) funkcja walidująca przepuściłaby wartość clicks: True jako poprawną liczbę 1. Zarówno Gemini 4 Hydrogen, jak i Gemini 3.8 Flash prawidłowo zabezpieczyły ten warunek we wszystkich przebiegach.
Domyślnym ustawieniem modelu Gemini 4 Hydrogen jest poziom High, jednak w zadaniach obejmujących pojedynczy moduł i zestaw testów jednostkowych (ok. 150-200 linii kodu) poziom Medium osiąga 100% skuteczności na specyfikacji przy średnim czasie pracy około 64-72 sekund. Poziomy High oraz XHigh warto rezerwować dla wieloplikowej refaktoryzacji i trudnych błędów współbieżności.
Źródła
- Google DeepMind: Introducing Gemini 4 Hydrogen
- Google AI for Developers: Gemini API Pricing
- DataForSEO API Documentation: DataForSEO Labs & AI Optimization API
Sprawdzę indeksację, robots.txt i renderowanie - dostaniesz listę konkretów do naprawy.




