Gemini 4 Hydrogenと3.8 Flashを比較：移行の判断基準

本記事には、条件を統一した EvoLink ワークロードのベンチマーク結果はありません。記載された差異と、再現可能な評価・展開方法を組み合わせています。コミュニティのデモから総合的な勝者を決めるためではなく、本番トラフィックを変える前に判断できるようにするための比較です。

必要なアップグレードの種類を決める

安定した分類パイプラインとコーディングエージェントでは、同じモデルに対して異なる結論が出ることがあります。分類では品質向上の余地が小さい一方、エージェントでは初回失敗率が高く、応答が高価でも採用価値があるかもしれません。別々のルーティング判断として扱います。

Gemini 4 Hydrogen と Gemini 3.8 Flash：移行時の違い

特に見落としやすいのが共有コンテキストです。以前は独立した入力上限の近くに収まっていたリクエストでも、Hydrogen では共有領域の余地が足りなくなることがあります。それとは別に、選択した出力上限は思考と回答の Token の合計を制限します。思考がその上限を使う場合、上限を下げても可視回答の容量は回復しません。短い回答を能力不足と診断する前に、共有ウィンドウの余地と設定した上限の両方を、終了理由や使用量とともに確認してください。

キャッシュには独立した互換性テストが必要です。繰り返す接頭辞は暗黙的ヒットの機会であり、キャッシュが温まったこと、有効期間内であること、モデル間で転用できることの保証ではありません。同じ接頭辞を繰り返す場合と、接頭辞を変える場合の両方を実行し、実際のキャッシュ読み取り数を使います。架空のヒットを移行予算の前提にしてはいけません。

選ばれたデモではなく、タスク全体を比較する

有用なテストには、実際に処理するタスク、事前に記した受け入れ基準、固定した環境が必要です。以下の三例は評価設計であり、モデルの実測結果ではありません。

コーディング：実行とレビューに耐えるパッチ

ページを移動してもフィルターを維持する、といった回帰テストのある不具合を選びます。リポジトリのリビジョン、依存関係、変更可能なファイル、指示を固定します。両モデルに同じ関連資料、テストへのアクセス、権限境界を与えてください。

合格には期待する挙動と、許容できない回帰や無関係な変更がないことが必要です。テスト結果、レビューでの修正、使用できるパッチに至るまでのターン数を記録します。片方が洗練された解を速く出しても、パッチが動かなければ、遅くても合格するパッチに勝ったとはいえません。初回 Token 到達時間を応答性の別指標として残しつつ、テストと修正を終えた完了時間を比べます。

資料が不十分なケースを少なくとも一つ含めます。必要な仕様を尋ねるモデルを、仕様を捏造しなかったために減点してはいけません。出力を見る前に、その採点ルールを決めてください。

抽出：根拠と一致するフィールド

固定スキーマと正解ラベルのある製品資料やサービス契約を使います。単位変換、欠落フィールド、異なる改訂版の矛盾を含めてください。両モデルに同じ資料を与え、欠損値の扱いも同じにします。

フィールド単位の精度と記録単位の合格を別々に採点します。他が正しくても、重要な金額を一つ間違えると記録全体が不合格になることがあります。スキーマ検証は必要ですが、事実の正しさまでは検証できません。レビューが必要な出力を明示し、安全な判断保留と自動完了した記録を混同しないようにします。

エージェント：失敗時にも正しいツール処理

照会、タイムアウト、認可拒否を再現する決定的なツール応答を用意します。有効な引数、完了した処理、事実に忠実な最終応答を記録します。ツールを呼ぶ計画だけでは完了ではなく、タイムアウト後に架空の結果を返したら不合格です。

評価用ツールは読み取り専用または模擬環境にします。シャドーテスト中に、両モデルが提案したからといって、決済、返金、顧客通知を二重に実行してはいけません。冪等性、認可、実行責任は、モデル選択と独立してアプリケーションが強制する必要があります。

設定の違いを隠さず、公平に比較する

二種類の比較を補完的に行います。まず、各モデルで実際に展開する設定を評価します。これは本番運用の問いに答えます。その後、対応している範囲で思考レベルとタスク上限を近づけ、挙動が変わる理由を調べます。両方の設定を報告し、項目名が同じというだけで同一と呼ばないでください。

low の Hydrogen と high の 3.8 を比べることは、製品方針の比較としては妥当な場合があります。ただし、同じ推論設定でのモデル速度を測った統制比較ではありません。Google が記載する medium から high への既定値変更は、気づかないまま実験条件を変えるため、特に注意が必要です。

結果を見る前にタスク集合を固定します。簡単、典型的、失敗しやすいケースを分けます。重みは本番頻度に合わせるか、重み付けなしの診断用集合であることを明記してください。そうしないと、簡単な例を大量に追加することで、まれだが費用の大きいワークフローの回帰を隠せます。

変動のあるタスクは必要に応じて繰り返し、ばらつきを報告します。小さな標本でも明らかな回帰は発見できますが、安定したテールレイテンシやまれなエラー率は証明できません。検出したい失敗に応じ、標本数と本番観察期間を決めます。欠測値をゼロとせず、欠測として記録してください。

合格した作業の損益分岐点を計算する

日付を明示した提供元の参考値として、11月12日に確認した Google Standard 料金は、100万 Token あたり Hydrogen が入力 $1.50、出力 $7.50、3.8 Flash は2026年12月31日まで入力 $0.75、出力 $3.75 です。現在のこの二つの Token 単価は2倍ですが、タスク費用が2倍になる証明ではありません。Google は、3.8 の料金を2027年1月1日から入力 $1.50、出力 $7.50 と記載しています。適用期間、キャッシュ、ツールの条件を再確認してください。これは提供元から直接利用する場合の参考料金であり、EvoLink アカウントの見積もりではありません。

一貫した定義を使います。

分子には失敗した試行、再試行、フォールバック呼び出しも含めます。分母では、元の task ID ごとに最大1回だけ数えます。完了したタスクと、安全でも未完了の確認依頼やレビュー待ちのケースを区別してください。ただし、事前に書いたタスク仕様で、その判断自体を完了結果と定義している場合は除きます。分母がゼロなら結果は未定義であり、割安ではありません。難しいリクエストを拒否すれば同等の作業を届けずに費用だけを下げられるため、合格結果に到達したタスクの割合も報告してください。人手での修正が重要なら、レビュー担当者の1分あたりのドル額など、同じ人件費単価を使って合計費用を別に報告します。ただし、レビューの頻度と所要時間は、各ルートで実際に観測した値を使います。

候補 A は合格タスクを増やしますが、合格タスクあたりでは安くありません。追加で処理できる範囲に価値があれば採用する判断はあり得ますが、それは事業判断であって費用削減の主張ではありません。候補 B は、この仮定の下では両方の指標を改善します。どの行も実際のモデル挙動を予測するものではありません。

Token の分類も照合します。報告された prompt 使用量にキャッシュヒットが含まれる場合、計算機の未キャッシュ入力欄に入れる前に差し引きます。reasoning が completion_tokens に含まれるなら二重加算しません。ネイティブ形式と互換形式では、同じ会計分類に対する項目の対応付けが別々に必要です。

再実行、シャドー、戻せるカナリア展開へ進む

EvoLink の統一 API は、複数モデルを選択可能にしておく接続作業を減らします。評価、トラフィック配分、フォールバック規則は引き続きアプリケーションの責任です。本ガイドは、自動移行や「成功する最安モデルを必ず選ぶ」組み込み方針を示すものではありません。

3.8 を継続する理由は何か

3.8 が受け入れ基準を満たし、候補モデルが意味のある利益なしに費用やリスクを増やすなら継続します。特に、品質向上の余地が小さい安定タスク、思考量の変化に敏感な待ち時間予算、移行前にキャッシュや状態処理の修正が必要なクライアントでは、妥当な判断です。

よくある質問

Hydrogen は Gemini 3.8 Flash より優れていますか？

Google は更新を推奨していますが、本記事は全用途の勝者を確定していません。実際のタスクで、合格成果、重大な失敗、完了時間、処理全体の費用を評価します。

公開直後に移行しなければなりませんか？

本記事は移行期限を示していません。比較候補を検証し、提供元の廃止告知を別途確認する間は、動作している基準モデルを維持します。

モデル ID の変更だけで十分ですか？

選択の出発点にはなりますが、共有コンテキスト予算、思考の既定値、明示的キャッシュ依存、ツール状態、長文処理は解決しません。選択したプロトコルで確認してください。

各モデルの既定の思考設定で比較してよいですか？

予定する展開方針を比べ、違いを報告するなら可能です。同条件のベンチマークではありません。対応する場合は、レベルを明示した追加の統制比較を行います。

Gemini 3.8 Flash で作った明示的キャッシュを再利用できますか？

その経路に依存しないでください。Hydrogen の提供元移行ガイドでは、明示的キャッシュを取り除きます。選択したゲートウェイの暗黙的キャッシュ動作を検証し、実際の使用量を照合してください。

ストリームが速ければタスクも早く完了しますか？

必ずしもそうではありません。テスト、ツール実行、再試行、レビューが待ち時間の多くを占めることがあります。初回 Token 到達時間と合格結果までの時間は別々に報告します。

思考費用の二重計上をどう避けますか？

使用量をプロトコルの課金分類に対応させます。completion_tokens の内訳の reasoning はすでに合計に含まれます。ネイティブ形式で別報告される思考は、可視出力数に含まれない場合にだけ加算します。

どの条件でロールバックしますか？

重大エラー、品質、合格タスク費用、完了時間について、事前に定めた上限に違反したときです。以前のモデルと互換設定を復元し、タスク別ログで原因を調べます。

出典と検証について

• Google Hydrogen 移行ガイド：提供元の既定値、キャッシュ、コンテキストの変更。
• Google Hydrogen 仕様：新モデルの上限と対応機能。
• Google 3.8 Flash 仕様：前世代の基準。
• Google Gemini API 料金：提供経路固有の商用基準。
• EvoLink Gemini ネイティブ API リファレンス：ゲートウェイのリクエスト仕様。

2026年11月12日確認。タスク設計、しきい値、ドル建ての例は分析上の案内であり、条件を統一したモデルテスト結果ではありません。展開時には、現在の EvoLink アカウント料金と、選択ルートが対応する制御を使用してください。