Automatische Annotation mit Gemini 4 Hydrogen: niedrigere Kosten pro Token, höhere Kosten pro Bild
Gemini 4 Hydrogen belegt in unserem Objekterkennungs-Benchmark mit 36 Datensätzen unter 46 VLMs den dritten Platz und erreicht 0,553 mAP50. Bei Pflanzenerkrankungen, Seenotrettung und Röntgenaufnahmen erzielt das Modell die besten Ergebnisse.
Glenn Jocher12 Min. Lesezeit
Gemini 4 Hydrogen belegt auf UL37, unserem Objekterkennungs-Benchmark mit 36 Datensätzen, den dritten Platz unter 46 Modellen für automatische Annotation in der am 12. November 2026 aktualisierten Ultralytics-VLM-Bestenliste. Das Modell erreicht 0,553 mAP50 und 0,350 mAP50-95, hinter Gemini 4 Carbon (0,584) und GPT-6.1 Terra (0,560) und vor Claude Fable 5.2 und Gemini 4 Argon. Bei PlantDoc (Pflanzenkrankheiten), SeaDronesSee 2 (Seenotrettung) und IEDXray (Sicherheitsröntgen) erzielt es jeweils das beste Ergebnis und teilt sich bei Kvasir-SEG und EgoHands den Spitzenplatz.
Google stellte Hydrogen am 12. November als schnelles, kosteneffizientes Gemini-4-Modell vor. Jetzt ist es für die automatische Annotation in der Ultralytics Platform verfügbar. Google positioniert Hydrogen für Programmierung und Agenten; UL37 misst, wie gut das Modell Begrenzungsrahmen zeichnet.
Im Folgenden findest du Hydrogenes Gesamt- und Datensatzergebnisse, erfährst, wie sich der Tokenverbrauch auf die Kosten pro Bild auswirkt, und lernst, wie du das Modell auf deinem eigenen Datensatz in der Platform ausführst.
Gemini 4 Hydrogen bei der Objekterkennung: Platz drei auf UL37#
UL37 misst anhand von 360 Bildern, wie genau die Begrenzungsrahmen eines Modells mit menschlichen Beschriftungen übereinstimmen: je 10 Bilder aus 36 realen Objekterkennungs-Datensätzen, von Schilddrüsen-Ultraschall und Wärmebildaufnahmen von Drohnen bis hin zu Verkaufsregalen, Grundrissen und Leiterplatten. Jedes Bild durchläuft dieselbe Pipeline, die auch Nutzerinnen und Nutzer der Platform verwenden, mit den jeweiligen Klassennamen des Datensatzes. Alle Datensätze zählen gleich viel. Die Methodik ist öffentlich.
Mit 0,553 mAP50 liegt Hydrogen 0,031 hinter dem Spitzenreiter und 0,007 hinter Terra. Hier siehst du, wie das Modell im Vergleich zu anderen Google-Modellen und den engsten Konkurrenten abschneidet:
| Modell | UL37 mAP50 | Tokenpreis pro 1 Mio. (Eingabe / Ausgabe) | Anbieterkosten pro 1.000 Bilder |
|---|---|---|---|
| Gemini 4 Carbon | 0.584 | 2,00 $ / 10,00 $ bis zum 30. Nov., danach 4,00 $ / 20,00 $ | 12,93 $ (etwa 25,87 $ ab dem 1. Dez.) |
| GPT-6.1 Terra | 0.560 | $1.00 / $5.00 | $4.36 |
| Gemini 4 Hydrogen | 0.553 | $1.50 / $7.50 | $20.32 |
| Claude Fable 5.2 | 0.544 | $8.00 / $40.00 | $37.55 |
| Gemini 4 Argon | 0.537 | 2,00 $ / 10,00 $ bis zum 30. Nov., danach 4,00 $ / 20,00 $ | 7,60 $ (etwa 15 $ ab dem 1. Dez.) |
| Gemini 3.8 Flash | 0.516 | 0,75 $ / 3,75 $ bis zum 31. Dez., danach 1,50 $ / 7,50 $ | 5,86 $ (etwa 11,72 $ ab dem 1. Jan.) |
Die Anbieterkosten werden anhand des von jedem Anbieter gemeldeten Tokenverbrauchs und der angegebenen Tarife berechnet. Für jedes Modell kommt bei der Stapelannotation die Bearbeitungsgebühr der Platform von 1,00 $ pro 1.000 Bilder hinzu.
Preise mit Stand vom 16. November 2026. Googles Beitrag zur Einführung von Hydrogen nennt 1,50 $ pro Million Eingabetoken und 7,50 $ pro Million Ausgabetoken. Googles Beitrag zur Verfügbarkeit von Carbon legt den Einführungspreis für Carbon bis zum 30. November 2026 fest, danach gelten 4,00 $ und 20,00 $. Auf der Gemini-API-Preisseite wird dieselbe Änderung für Gemini 4 Argon angegeben. Googles Beitrag zu Flash legt den Einführungspreis für Gemini 3.8 Flash bis zum 31. Dezember 2026 fest; ab dem 1. Januar 2027 gelten 1,50 $ und 7,50 $. Die späteren Tabellenwerte wenden diese angekündigten Tarife auf denselben Tokenverbrauch des Benchmarks an. Es sind Schätzungen, keine neuen Durchläufe.
Weitere Kennzahlen aus Hydrogenes Durchlauf: mAP50-95 von 0,350, wobei auch eng anliegende Begrenzungsrahmen belohnt werden; damit liegt das Modell nur hinter Carbons 0,371. Die Präzision beträgt 0,63, der Recall 0,62. Es gab keine fehlgeschlagenen Anfragen und keine Verweigerungen. Die mediane Zeit pro Bild betrug 7,2 Sekunden.
Wofür Google Hydrogen entwickelt hat#
Googles Einführungsbeitrag sagt, Hydrogen „sei für die schnelle Ausführung in vielfältigen agentischen Arbeitsabläufen entwickelt“, während Carbon und Argon „bei tiefgreifendem, lang anhaltendem Schlussfolgern für deine schwierigsten Probleme glänzen“. Hydrogen hat ein Kontextfenster von 1 Million Token. Der Preis beträgt für das gesamte Fenster 1,50 $ pro Million Eingabetoken und 7,50 $ pro Million Ausgabetoken. Es gibt vier Denkstufen: niedrig, mittel, hoch (Standardeinstellung) und die neue Stufe xhigh.
Google gibt für Hydrogen einen Wert von 51 im Artificial Analysis Intelligence Index bei der standardmäßigen Stufe „hoch“ an, einen Punkt mehr als für Argon, sowie 54 bei xhigh. Laut Google ist Hydrogen ein bedeutendes Upgrade für Teams, die von Gemini 3.8 Flash wechseln. Im Terminal-Bench 4.1 erreicht Hydrogen 57 %, Flash 18,2 %. Keine dieser Zahlen misst Begrenzungsrahmen – deshalb führen wir UL37 aus.
Gemini 4 Hydrogen im Vergleich zu Gemini 3.8 Flash auf UL37#
Gemini 3.8 Flash erreicht auf UL37 0,516 mAP50. Hydrogen legt auf denselben Bildern und mit derselben Pipeline um 0,037 zu – das entspricht etwa vier Fünfteln des Abstands von 0,047 zwischen Argon und Carbon. In der Bestenliste belegt Hydrogen den dritten und Flash den achten Platz.
Das Modell liegt außerdem um 0,009 vor Claude Fable 5.2, bei etwas mehr als der Hälfte der Kosten pro Bild von Fable, und um 0,016 vor Gemini 4 Argon. Argon kostet allerdings 7,60 $ pro 1.000 Bilder.

UL37-mAP50 auf der Modellseite von Gemini 4 Hydrogen, mit Hydrogen auf Platz drei hervorgehoben, Stand: 14. November 2026.
Wie sich der Tokenverbrauch auf die Kosten pro Bild auswirkt#
Ein Vision-Language-Modell berechnet Gebühren für das Bild und den Prompt, die es verarbeitet, sowie für jedes ausgegebene Token – einschließlich aller Überlegungen vor der Antwort. Zwei Modelle mit ähnlichen Tokenpreisen können pro Bild sehr unterschiedliche Kosten verursachen, wenn eines mehr Token verbraucht.
Hydrogens Tokenpreise entsprechen für Eingabe und Ausgabe genau 75 % von Carbons Einführungspreisen. Würden beide Modelle pro Bild gleich viele Token verbrauchen, lägen Hydrogens Kosten bei etwa 9,70 $ pro 1.000 Bilder. Tatsächlich sind es 20,32 $. Hydrogenes Durchläufe verbrauchten also pro Bild ungefähr doppelt so viele preisgewichtete Token wie die von Carbon. Im Vergleich zu Gemini 3.8 Flash, dessen aktuelle Preise genau halb so hoch sind wie Hydrogens, zeigt dieselbe Rechnung, dass Hydrogen pro Bild etwa 1,7-mal so viele preisgewichtete Token verbraucht wie Flash.
Google berichtet, dass Hydrogen bei frühen Tests mit Partnern in komplexen, diagramm-, SQL- und datenintensiven Arbeitsabläufen 12 bis 23 % weniger Token verbrauchte als 3.8 Flash. Annotation ist eine andere Aufgabe: ein Bild und eine strukturierte Antwort. Auf UL37 verbrauchte Hydrogen pro Bild mehr preisgewichtete Token. Die mediane Zeit von 7,2 Sekunden pro Bild steht 5,1 Sekunden bei Terra und 4,6 Sekunden bei Argon gegenüber.
Anbieterkosten pro 1.000 UL37-Bilder mit Stand vom 16. November 2026: Terra und Hydrogen zum Listenpreis, Carbon zum Einführungspreis von 2 $ / 10 $ sowie eine Schätzung zum angekündigten Preis von 4 $ / 20 $ bei gleichem Tokenverbrauch.
Die Kosten pro 1.000 Bilder hängen von den Tokenpreisen und dem Tokenverbrauch eines Modells für eine bestimmte Aufgabe ab. Deshalb liefert eine kleine Auswahl repräsentativer Bilder aus deinem eigenen Datensatz die aussagekräftigste Schätzung. Die Bestenliste und die Modellseiten kostenpflichtiger Modelle auf der Platform weisen die Anbieterkosten pro 1.000 Bilder aus. Unser Leitfaden zu den Kosten von Bildannotationssoftware behandelt die übrigen Posten eines Beschriftungsbudgets.
Wo Gemini 4 Hydrogen Spitzenwerte erzielt: Pflanzen, Seenotrettung und Röntgenaufnahmen#
Durchschnittswerte über 36 Datensätze verbergen, bei welchen einzelnen Datensätzen ein Modell besonders gut abschneidet. Auf der Modellseite von Gemini 4 Hydrogen findest du die Ergebnisse für jeden Datensatz. Hydrogen erzielt bei drei Datensätzen unter allen 46 Modellen den Spitzenwert und teilt sich den Spitzenplatz bei zwei weiteren.
Pflanzenkrankheiten. Bei PlantDoc, einem Datensatz mit 29 Klassen gesunder und erkrankter Nutzpflanzenblätter, erreicht Hydrogen 0,638 und ist damit das beste Modell für diesen Datensatz. Carbon, das zuvor den Spitzenwert erzielt hatte, kam auf 0,594. Mehr dazu findest du in unseren Ergebnissen von Gemini 4 Carbon.
Seenotrettung. Bei SeaDronesSee 2, einem Datensatz mit Drohnenaufnahmen von Schwimmern, Booten und Rettungsausrüstung auf See, erreicht Hydrogen 0,596. Damit liegt das Modell vor Carbons 0,564 und Terras 0,476.

Begrenzungsrahmen von Gemini 4 Hydrogen in einem Benchmark-Bild aus SeaDronesSee 2; die Vorhersagen stammen von der Modellseite.
Sicherheitsröntgen. Bei IEDXray, einem Datensatz mit Röntgenaufnahmen von Gepäck und darin verborgenen Bestandteilen von Sprengsätzen, erreicht Hydrogen 0,315 gegenüber Carbons 0,282. Alle Modelle erzielen hier niedrige Werte. Betrachte das Ergebnis daher als bestes Modell in einem schwierigen Datensatz, nicht als einsatzbereites Prüfsystem.
Polypen-Endoskopie. Bei Kvasir-SEG erreicht Hydrogen 0,805 und teilt sich damit den Spitzenplatz. Terra kommt dort auf 0,71 und Carbon auf 0,65. Unsere Ergebnisse von GPT-6.1 Terra behandeln Terras Ergebnisse bei medizinischen Bilddaten ausführlicher.
Hände. Bei EgoHands, einem Datensatz mit Videos von Händen aus der Ich-Perspektive, erreicht Hydrogen 0,995 und teilt sich mit GPT-6 Astra den Spitzenplatz.
Schilddrüsen-Ultraschall als Gegenbeispiel. Bei TN5000, wo jeder Knoten als gutartig oder bösartig markiert ist, erreicht Hydrogen 0,704 gegenüber Carbons 0,537. Gemini 3.8 Flash (0,88) und Terra (0,935) erzielen in diesem Datensatz beide höhere Werte. Bei Leiterplattendefekten auf unbestückten Platinen (DeepPCB, 0,000), Röntgenaufnahmen zu Tuberkulose (TBX11K, 0,013) und Software-Benutzeroberflächenelementen (GroundCUA, 0,021) erreicht Hydrogen ebenfalls Werte nahe null.
Bei der medizinischen Bildanalyse solltest du die Begrenzungsrahmen jedes Modells als Entwurf betrachten, den medizinisches Fachpersonal prüft und freigibt – niemals als Diagnose.

UL37-Ergebnisse von Gemini 4 Hydrogen nach Datensatz auf der Modellseite, Stand: 14. November 2026.
Jeder Datensatz umfasst 10 Bilder. Betrachte daher einen einzelnen Tabellenwert als Anlass, das Modell mit eigenen Bildern zu testen, nicht als abschließendes Urteil. Unser Leitfaden zur Auswahl eines VLM anhand von Präzision und Recall erklärt, wie du falsch gesetzte Begrenzungsrahmen gegen nicht erkannte Objekte abwägst, sobald du eine Vorauswahl getroffen hast.
So verwendest du Gemini 4 Hydrogen für die automatische Annotation deines Datensatzes#
Hydrogen ist ein klassenbasiert gesteuertes Modell für Erkennungsdatensätze mit 1 bis 200 Klassen. Das Modell gibt Begrenzungsrahmen für die eigenen Klassennamen deines Datensatzes zurück. Prüfe die Ergebnisse, bevor du mit dem Training beginnst.
- Erstelle in Google AI Studio einen Gemini-API-Schlüssel.
- Lass den Workspace-Inhaber den Schlüssel unter Einstellungen > API-Schlüssel im Workspace der Platform hinzufügen, dem dein Datensatz gehört. Google stellt die Kosten direkt für deinen Schlüssel in Rechnung. Alle Einzelheiten findest du in der Dokumentation zu Anbieterschlüsseln.
- Öffne ein Bild im Annotationseditor, wechsle in den Smart-Modus und wähle Gemini 4 Hydrogen unter Google in der Modellauswahl aus.
- Klicke auf Vorhersagen oder
P, um das aktuelle Bild zu beschriften. Wenn der Anbieter eine Kostenschätzung zurückgibt, wird sie nach jeder Vorhersage als Benachrichtigung angezeigt. Mit einigen repräsentativen Bildern erhältst du so einen Anhaltspunkt für die Kosten deiner eigenen Daten. - Wähle auf der Datensatzseite Weitere Aktionen > Stapelannotation, um alle unbeschrifteten Bilder in einem Durchgang zu annotieren. Prüfe die Geschätzten Kosten und klicke auf Starten. Die Platform speichert zuerst eine Datensatzversion, sodass du Änderungen zurücksetzen kannst. Vorhandene Beschriftungen werden nie geändert.
- Prüfe und korrigiere die Begrenzungsrahmen und trainiere anschließend im selben Workspace mit Cloud-Training ein Ultralytics-YOLO26-Modell mit den Ergebnissen.
Weitere Informationen dazu, wie diese Modelle in den Editor eingebunden sind, findest du unter So nutzt die Ultralytics Platform KI zur Automatisierung der Annotation und Warum die Überprüfung durch Menschen Teil des Arbeitsablaufs bleibt.
Für wen sich Gemini 4 Hydrogen eignet#
Für Teams, die derzeit mit Gemini 3.8 Flash beschriften, bietet Hydrogen in Googles schneller Modellklasse 0,037 mAP50 mehr auf UL37. Auf der Modellseite findest du die Ergebnisse für jeden Datensatz, darunter den Spitzenwert bei PlantDoc und einen geteilten Spitzenplatz bei Kvasir-SEG. Die Ergebnisse unterscheiden sich je nach Datensatz. Teste das Modell daher mit repräsentativen Bildern und prüfe die Begrenzungsrahmen sowie die geschätzten Kosten, bevor du eine Stapelannotation startest.
Um Genauigkeit, Kosten und Geschwindigkeit aller Modelle abzuwägen, vergleiche sie auf der VLM-Bestenliste. Bei gehosteten Modellen wie Qwen3.8 27B und SAM 3.1 Text brauchst du keinen API-Schlüssel.
Häufig gestellte Fragen
Auf unserem UL37-Benchmark erreicht das Modell über 36 reale Erkennungsdatensätze hinweg 0,553 mAP50. Damit belegt es in der Ultralytics-VLM-Bestenliste Platz drei hinter Gemini 4 Carbon (0,584) und GPT-6.1 Terra (0,560). Mit einem mAP50-95-Wert von 0,350 liegt es nur hinter Carbon. Bei PlantDoc, SeaDronesSee 2 und IEDXray erzielt das Modell unter allen 46 Modellen den Spitzenwert.
Bei unserem Benchmark beliefen sich Googles Tokenkosten zum Listenpreis von Hydrogen mit Stand vom 16. November 2026 – 1,50 $ pro Million Eingabetoken und 7,50 $ pro Million Ausgabetoken – auf 20,32 $ pro 1.000 Bilder. Für die Stapelannotation in der Ultralytics Platform kommen 1,00 $ pro 1.000 Bilder hinzu. Google rechnet die Token direkt über deinen eigenen Schlüssel ab.
Hydrogens Preis pro Token beträgt 75 % von Carbons Einführungspreis. Auf UL37 verbrauchten Hydrogens Durchläufe pro Bild jedoch ungefähr doppelt so viele preisgewichtete Token. Deshalb kosteten sie 20,32 $ gegenüber 12,93 $ pro 1.000 Bilder. Zum angekündigten Carbon-Preis ab dem 1. Dezember würde derselbe Carbon-Verbrauch etwa 25,87 $ kosten.
Auf UL37 erreicht Carbon 0,584 mAP50 und Hydrogen 0,553 – ein Unterschied von 0,031. Bei PlantDoc, SeaDronesSee 2, IEDXray, Kvasir-SEG, EgoHands und TN5000 erzielt Hydrogen höhere Werte als Carbon. Auf deinen eigenen Bildern können die Ergebnisse anders ausfallen. Teste deshalb beide Modelle an einer Stichprobe, bevor du einen großen Stapel verarbeitest.
Auf UL37 erreicht GPT-6.1 Terra 0,560 mAP50, Hydrogen 0,553 und GPT-6.1 Sol 0,514. Hydrogen kommt auf 0,350 mAP50-95 und liegt damit vor Terras 0,345 und Sols 0,318. Bei PlantDoc, SeaDronesSee 2 und Kvasir-SEG erzielt Hydrogen höhere Werte als Terra. Bei Schilddrüsen-Ultraschall in TN5000 liegt Terra mit 0,935 vor Hydrogens 0,704. Unsere Ergebnisse von GPT-6.1 Terra zeigen, wo Terra besonders gut abschneidet.
Auf UL37 erreicht Hydrogen 0,553 mAP50 gegenüber Flashs 0,516. In unseren Durchläufen beliefen sich die Anbieterkosten bei Hydrogen auf 20,32 $ pro 1.000 Bilder und bei Flash auf 5,86 $ zum Einführungspreis, der laut Google am 31. Dezember endet. Zum angekündigten Preis ab dem 1. Januar 2027 würde derselbe Flash-Verbrauch etwa 11,72 $ kosten.
Ja. Der Workspace-Inhaber fügt im Workspace, dem dein Datensatz gehört, unter Einstellungen > API-Schlüssel einen Gemini-API-Schlüssel aus Google AI Studio hinzu. Google stellt die Kosten direkt dem mit diesem Schlüssel verknüpften Konto in Rechnung. Wenn du ohne Anbieterschlüssel beschriften möchtest, verwende ein gehostetes Modell wie Qwen3.8 27B oder SAM 3.1 Text oder eines deiner eigenen YOLO-Modelle.
Verfasst von
Kommentare
Stelle eine Frage, teile deine Ergebnisse oder hilf anderen.










