Licence YOLO
Plateforme Ultralytics

Auto-annotation avec Gemini 4 Hydrogen : moins cher par jeton, plus coûteux par image

Gemini 4 Hydrogen se classe troisième parmi 46 VLM sur notre benchmark de détection d’objets couvrant 36 jeux de données, avec un mAP50 de 0.553 et les meilleurs scores en maladie des plantes, en sauvetage maritime et en radiographie.

Glenn JocherGlenn Jocher15 min de lecture
Illustration du lancement de Gemini 4 Hydrogen par Google, avec une tuile Ultralytics Platform affichant un mAP50 de 0.553, son score global au benchmark de détection d’objets UL37

Gemini 4 Hydrogen se classe troisième parmi 46 modèles pour l’auto-annotation sur UL37, notre benchmark de détection d’objets couvrant 36 jeux de données, dans le classement VLM d’Ultralytics mis à jour le 12 novembre 2026. Il obtient un mAP50 de 0.553 et un mAP50-95 de 0.350, derrière Gemini 4 Carbon (0.584) et GPT-6.1 Terra (0.560), et devant Claude Fable 5.2 et Gemini 4 Argon. Il obtient également le meilleur score sur PlantDoc (maladies des plantes), SeaDronesSee 2 (recherche et sauvetage en mer) et IEDXray (radiographies de sécurité), et partage la première place sur Kvasir-SEG et EgoHands.

Google a lancé Hydrogen le 12 novembre comme son modèle Gemini 4 rapide et économique, désormais disponible pour l’auto-annotation dans Ultralytics Platform. Google présente Hydrogen comme un modèle adapté au codage et aux agents ; UL37 mesure sa capacité à tracer des boîtes.

Tu trouveras ci-dessous les résultats globaux et par jeu de données de Hydrogen, l’influence de l’utilisation des jetons sur son coût par image, ainsi que la procédure pour l’exécuter sur ton propre jeu de données dans Platform.

Détection d’objets avec Gemini 4 Hydrogen : troisième sur UL37#

UL37 mesure la correspondance entre les boîtes d’un modèle et les annotations humaines sur 360 images : 10 issues de chacun des 36 jeux de données réels de détection d’objets, allant d’images échographiques de la thyroïde et de séquences thermiques de drones à des rayons de magasins, des plans d’étage et des circuits imprimés. Chaque image passe par le même pipeline que celui utilisé par les utilisateurs de Platform, avec les noms de classes propres au jeu de données, et chaque jeu de données compte autant que les autres. La méthodologie est publique.

Le mAP50 de 0.553 de Hydrogen le place 0.031 derrière le leader et 0.007 derrière Terra. Voici son classement parmi les autres modèles de Google et ses concurrents les plus proches :

ModèlemAP50 sur UL37Prix par million de jetons (entrée / sortie)Coût fournisseur pour 1 000 images
Gemini 4 Carbon0.5842,00 $ / 10,00 $ jusqu’au 30 novembre, puis 4,00 $ / 20,00 $12,93 $ (environ 25,87 $ à partir du 1er décembre)
GPT-6.1 Terra0.560$1.00 / $5.00$4.36
Gemini 4 Hydrogen0.553$1.50 / $7.50$20.32
Claude Fable 5.20.544$8.00 / $40.00$37.55
Gemini 4 Argon0.5372,00 $ / 10,00 $ jusqu’au 30 novembre, puis 4,00 $ / 20,00 $7,60 $ (environ 15 $ à partir du 1er décembre)
Gemini 3.8 Flash0.5160,75 $ / 3,75 $ jusqu’au 31 décembre, puis 1,50 $ / 7,50 $5,86 $ (environ 11,72 $ à partir du 1er janvier)

Le coût fournisseur est calculé à partir de l’utilisation de jetons déclarée par chaque fournisseur, aux tarifs indiqués. L’annotation par lot ajoute les frais de traitement de Platform, soit 1,00 $ pour 1 000 images, quel que soit le modèle.

Tarifs au 16 novembre 2026. La publication de lancement de Hydrogen de Google indique 1,50 $ par million de jetons d’entrée et 7,50 $ par million de jetons de sortie. La publication sur la disponibilité de Carbon de Google fixe le tarif de lancement de Carbon jusqu’au 30 novembre 2026, puis à 4,00 $ et 20,00 $ ; sa page de tarification de l’API Gemini indique le même changement pour Gemini 4 Argon ; et sa publication sur Flash fixe le tarif de lancement de Gemini 3.8 Flash jusqu’au 31 décembre 2026, puis à 1,50 $ et 7,50 $ à partir du 1er janvier 2027. Les montants ultérieurs du tableau appliquent ces tarifs annoncés à la même utilisation de jetons du benchmark ; ce sont des estimations, pas de nouveaux tests.

Les autres résultats de Hydrogen lors du test : un mAP50-95 de 0.350, qui récompense également les boîtes ajustées avec précision et le place derrière le 0.371 de Carbon ; une précision de 0.63 et un rappel de 0.62 ; aucune requête échouée ni aucun refus ; et une médiane de 7.2 secondes par image.

À quoi Google destine Hydrogen#

La publication de lancement de Google indique que Hydrogen « est conçu pour une exécution rapide dans divers flux de travail agentiques », tandis que Carbon et Argon « excellent dans le raisonnement approfondi sur de longues périodes pour résoudre tes problèmes les plus difficiles ». Hydrogen a une fenêtre de contexte d’un million de jetons, avec un tarif de 1,50 $ par million de jetons d’entrée et de 7,50 $ par million de jetons de sortie sur toute cette fenêtre, ainsi que quatre niveaux de raisonnement : faible, moyen, élevé (par défaut) et un nouveau niveau très élevé (xhigh).

Google indique un score de 51 à l’Artificial Analysis Intelligence Index au niveau élevé par défaut, soit un point de plus qu’Argon, et de 54 en mode xhigh. L’entreprise présente Hydrogen comme une mise à niveau majeure pour les équipes qui migrent depuis Gemini 3.8 Flash, avec un score de 57 % à Terminal-Bench 4.1 contre 18.2 % pour Flash. Aucun de ces chiffres ne mesure les boîtes englobantes, d’où l’intérêt de notre test UL37.

Gemini 4 Hydrogen face à Gemini 3.8 Flash sur UL37#

Gemini 3.8 Flash obtient un mAP50 de 0.516 sur UL37 ; Hydrogen gagne donc 0.037 sur les mêmes images et avec le même pipeline, soit environ les quatre cinquièmes de l’écart de 0.047 entre Argon et Carbon. Dans le classement, Hydrogen est troisième et Flash huitième.

Il devance aussi Claude Fable 5.2 de 0.009 pour un coût par image légèrement supérieur à la moitié de celui de Fable, et Gemini 4 Argon de 0.016, bien qu’Argon coûte 7,60 $ pour 1 000 images.

Graphique de précision de détection sur la page du modèle Gemini 4 Hydrogen, classant les modèles selon leur mAP50 UL37 et mettant Hydrogen en évidence à la troisième place

mAP50 UL37 affiché sur la page du modèle Gemini 4 Hydrogen, où Hydrogen est mis en évidence à la troisième place, au 14 novembre 2026.

Influence de l’utilisation des jetons sur le coût par image#

Un modèle de langage visuel facture l’image et l’invite qu’il lit, ainsi que chaque jeton qu’il génère, y compris le raisonnement précédant la réponse. Deux modèles aux tarifs par jeton similaires peuvent avoir des coûts par image très différents si l’un utilise davantage de jetons.

Les tarifs par jeton de Hydrogen représentent exactement 75 % des tarifs de lancement de Carbon, tant pour l’entrée que pour la sortie. Si les deux modèles utilisaient le même nombre de jetons par image, Hydrogen coûterait environ 9,70 $ pour 1 000 images. Son coût réel est de 20,32 $ ; Hydrogen a donc utilisé environ deux fois plus de jetons pondérés par le prix par image que Carbon. Comparé à Gemini 3.8 Flash, dont les tarifs actuels représentent exactement la moitié de ceux de Hydrogen, le même calcul montre que Hydrogen a utilisé environ 1,7 fois plus de jetons pondérés par le prix par image que Flash.

Google indique que, lors des premiers tests auprès de partenaires sur des flux de travail complexes impliquant des graphes, SQL et beaucoup de données, Hydrogen a utilisé 12 % à 23 % de jetons de moins que 3.8 Flash. L’annotation est une tâche différente, avec une image et une réponse structurée, et Hydrogen a utilisé davantage de jetons pondérés par le prix par image sur UL37. Sa médiane de 7.2 secondes par image est à comparer aux 5.1 secondes de Terra et aux 4.6 secondes d’Argon.

Coût fournisseur pour 1 000 images UL37 au 16 novembre 2026 : Terra et Hydrogen au tarif standard, Carbon à son tarif de lancement de 2 $ / 10 $ et estimation au tarif annoncé de 4 $ / 20 $ avec la même utilisation de jetons.

Le coût pour 1 000 images dépend des tarifs par jeton et du nombre de jetons utilisés par un modèle pour une tâche donnée ; quelques images représentatives de ton propre jeu de données fourniront donc l’estimation la plus pertinente. Le classement et les pages des modèles payants sur Platform indiquent le coût fournisseur pour 1 000 images, et notre guide des coûts des logiciels d’annotation d’images couvre le reste du budget d’annotation.

Où Gemini 4 Hydrogen obtient les meilleurs scores : plantes, sauvetage maritime et radiographies#

Les moyennes sur 36 jeux de données masquent ceux sur lesquels un modèle se démarque ; la page du modèle Gemini 4 Hydrogen indique son score sur chacun d’eux. Hydrogen obtient le meilleur score parmi les 46 modèles sur trois jeux de données et partage la première place sur deux autres.

Maladies des plantes. Sur PlantDoc, qui comprend 29 classes de feuilles de cultures saines ou malades, Hydrogen obtient un score de 0.638 et arrive en tête du jeu de données. Carbon, qui détenait auparavant le meilleur score, avait obtenu 0.594, comme indiqué dans nos résultats de Gemini 4 Carbon.

Recherche et sauvetage en mer. Sur SeaDronesSee 2, composé de séquences de drones montrant des nageurs, des bateaux et du matériel de sauvetage en mer, Hydrogen obtient 0.596, devant les 0.564 de Carbon et les 0.476 de Terra.

Image de drone montrant une étendue d’eau libre issue du jeu de données SeaDronesSee 2, avec les boîtes prédites par Gemini 4 Hydrogen autour d’un bateau, de trois nageurs et d’un jet-ski

Boîtes prédites par Gemini 4 Hydrogen sur une image du benchmark SeaDronesSee 2, parmi les prédictions affichées sur sa page de modèle.

Radiographies de sécurité. Sur IEDXray, qui porte sur des composants d’engins explosifs dissimulés dans des radiographies de bagages, Hydrogen obtient 0.315 contre 0.282 pour Carbon. Tous les modèles obtiennent de faibles scores ici ; considère donc ce résultat comme le meilleur sur un jeu de données difficile, et non comme un outil de contrôle prêt à l’emploi.

Endoscopie de polypes. Sur Kvasir-SEG, Hydrogen obtient 0.805 et partage le meilleur score du jeu de données. Terra y obtient 0.71 et Carbon 0.65 ; nos résultats de GPT-6.1 Terra détaillent davantage les résultats de Terra en imagerie médicale.

Mains. Sur EgoHands, qui contient des vidéos à la première personne montrant des mains, Hydrogen obtient 0.995 et partage le meilleur score avec GPT-6 Astra.

Échographie de la thyroïde, le contre-exemple. Sur TN5000, où chaque nodule est étiqueté comme bénin ou malin, Hydrogen obtient 0.704 contre 0.537 pour Carbon. Gemini 3.8 Flash (0.88) et Terra (0.935) obtiennent tous deux de meilleurs scores sur ce jeu de données. Hydrogen obtient également des scores proches de zéro sur les défauts de circuits imprimés nus (DeepPCB, 0.000), les radiographies de tuberculose (TBX11K, 0.013) et les éléments d’interface logicielle (GroundCUA, 0.021).

Pour l’analyse d’images médicales, considère les boîtes de n’importe quel modèle comme un brouillon que des spécialistes cliniques doivent vérifier et approuver, jamais comme un diagnostic.

Tableau des résultats par jeu de données sur la page du modèle Gemini 4 Hydrogen, indiquant son mAP50 UL37, sa précision et son rappel sur chaque jeu de données

Résultats UL37 de Gemini 4 Hydrogen par jeu de données sur sa page de modèle, au 14 novembre 2026.

Chaque jeu de données ne comprend que 10 images ; considère donc une ligne comme un indice à vérifier sur tes propres images, et non comme un verdict. Notre guide sur le choix d’un VLM selon la précision et le rappel explique comment arbitrer entre les fausses détections et les objets manqués une fois ta sélection établie.

Comment lancer l’auto-annotation avec Gemini 4 Hydrogen sur ton jeu de données#

Hydrogen est un modèle à invites de classes destiné aux jeux de données de détection comprenant de 1 à 200 classes. Il renvoie des boîtes correspondant aux noms de classes de ton jeu de données, que tu vérifies avant l’entraînement.

  1. Crée une clé API Gemini dans Google AI Studio.
  2. Demande au propriétaire de l’espace de travail d’ajouter la clé sous Paramètres > Clés API dans l’espace de travail Platform auquel appartient ton jeu de données. Google facture directement l’utilisation de ta clé ; consulte la documentation sur les clés fournisseur pour en savoir plus.
  3. Ouvre une image dans l’éditeur d’annotations, passe en mode Smart et choisis Gemini 4 Hydrogen sous Google dans le sélecteur de modèles.
  4. Appuie sur Prédire ou sur P pour annoter l’image actuelle. Lorsque le fournisseur renvoie une estimation de coût, la notification affichée après chaque prédiction l’indique ; quelques images représentatives te donneront donc une idée du coût pour tes propres données.
  5. Sur la page du jeu de données, sélectionne Plus d’actions > Annotation par lot pour annoter toutes les images non annotées en une seule fois. Vérifie le Coût estimé, puis clique sur Démarrer. Platform enregistre d’abord une version du jeu de données pour que tu puisses revenir en arrière ; les annotations existantes ne sont jamais modifiées.
  6. Vérifie et corrige les boîtes, puis entraîne un modèle Ultralytics YOLO26 sur le résultat dans le même espace de travail avec l’entraînement dans le cloud.

Pour en savoir plus sur l’intégration de ces modèles dans l’éditeur, consulte la façon dont Ultralytics Platform utilise l’IA pour automatiser l’annotation et pourquoi la vérification avec intervention humaine reste une étape du flux de travail.

Quelle place pour Gemini 4 Hydrogen#

Pour les équipes qui annotent déjà avec Gemini 3.8 Flash, Hydrogen apporte 0.037 mAP50 de plus sur UL37 dans la gamme rapide de Google, et sa page de modèle présente ses résultats sur chaque jeu de données, dont le meilleur score sur PlantDoc et une première place ex æquo sur Kvasir-SEG. Les résultats varient selon le jeu de données ; essaie donc le modèle sur des images représentatives et vérifie les boîtes ainsi que le coût estimé avant de lancer l’annotation par lot.

Pour comparer la précision, le coût et la vitesse de tous les modèles, consulte le classement VLM. Les modèles hébergés tels que Qwen3.8 27B et SAM 3.1 Text ne nécessitent aucune clé API.

Foire aux questions

  • Sur notre benchmark UL37, il obtient un mAP50 de 0.553 sur 36 jeux de données réels de détection, ce qui le place troisième dans le classement VLM d’Ultralytics, derrière Gemini 4 Carbon (0.584) et GPT-6.1 Terra (0.560). Son mAP50-95 de 0.350 le place derrière Carbon seulement, et il obtient le meilleur score parmi les 46 modèles sur PlantDoc, SeaDronesSee 2 et IEDXray.

  • Lors de notre benchmark, les frais de jetons de Google s’élevaient à 20,32 $ pour 1 000 images, au tarif standard de Hydrogen au 16 novembre 2026 : 1,50 $ par million de jetons d’entrée et 7,50 $ par million de jetons de sortie. L’annotation par lot dans Ultralytics Platform ajoute 1,00 $ pour 1 000 images, et Google facture les jetons directement sur ta propre clé.

  • Le tarif par jeton de Hydrogen représente 75 % du tarif de lancement de Carbon, mais sur UL37, Hydrogen a utilisé environ deux fois plus de jetons pondérés par le prix par image, soit 20,32 $ contre 12,93 $ pour 1 000 images. Au tarif de Carbon annoncé à partir du 1er décembre, la même utilisation de Carbon coûterait environ 25,87 $.

  • Sur UL37, Carbon obtient un mAP50 de 0.584 et Hydrogen de 0.553, soit un écart de 0.031. Hydrogen obtient de meilleurs scores que Carbon sur PlantDoc, SeaDronesSee 2, IEDXray, Kvasir-SEG, EgoHands et TN5000. Les performances peuvent varier sur tes propres images ; teste donc les deux modèles sur un échantillon avant de lancer un traitement par lot important.

  • Sur UL37, GPT-6.1 Terra obtient un mAP50 de 0.560 et Hydrogen de 0.553, tandis que GPT-6.1 Sol obtient 0.514. Hydrogen obtient un mAP50-95 de 0.350, devant les 0.345 de Terra et les 0.318 de Sol, et fait mieux que Terra sur PlantDoc, SeaDronesSee 2 et Kvasir-SEG ; Terra obtient un meilleur score sur les échographies de la thyroïde de TN5000, avec 0.935 contre 0.704 pour Hydrogen. Nos résultats de GPT-6.1 Terra détaillent les domaines où Terra excelle.

  • Sur UL37, Hydrogen obtient un mAP50 de 0.553 contre 0.516 pour Flash. Lors de nos tests, le coût fournisseur s’élevait à 20,32 $ pour 1 000 images avec Hydrogen et à 5,86 $ avec Flash au tarif de lancement, qui, selon Google, prendra fin le 31 décembre. Au tarif annoncé à partir du 1er janvier 2027, la même utilisation de Flash coûterait environ 11,72 $.

  • Oui. Le propriétaire de l’espace de travail ajoute une clé API Gemini créée dans Google AI Studio sous Paramètres > Clés API, dans l’espace de travail auquel appartient ton jeu de données. Google facture directement le compte associé à cette clé. Pour annoter sans clé fournisseur, utilise un modèle hébergé comme Qwen3.8 27B ou SAM 3.1 Text, ou l’un de tes propres modèles YOLO.

Écrit par

Glenn Jocher
Glenn Jocher

Fondateur et PDG · Ultralytics

Glenn Jocher est le fondateur et PDG d’Ultralytics, où il dirige le développement d’Ultralytics YOLO, les modèles de vision par ordinateur les plus adoptés au monde. Son travail ne consiste pas seulement à créer des modèles plus rapides et plus précis ; il vise aussi à donner aux gens, partout dans le monde, les moyens de résoudre des problèmes importants grâce à l’IA visuelle.

Commentaires

Pose une question, partage tes résultats ou aide quelqu’un.

Découvre les solutions

La vision par ordinateur dans le sport

La vision par ordinateur dans le sport

Découvre comment Ultralytics YOLO propulse la vision par ordinateur dans le sport grâce au suivi des joueurs et du ballon, aux analyses de performance, aux conseils d’entraînement et à la rééducation des athlètes.
En savoir plus
Vision par ordinateur pour les images aériennes

Vision par ordinateur pour les images aériennes

Transforme les images de drones et les images aériennes en informations exploitables en temps réel pour l’agriculture, l’aquaculture, la conservation et l’analyse géospatiale avec Ultralytics YOLO.
En savoir plus
Vision par ordinateur dans l’aérospatiale

Vision par ordinateur dans l’aérospatiale

Applique la vision par ordinateur dans l’aérospatiale avec Ultralytics YOLO pour l’inspection des aéronefs, la détection des corps étrangers sur les pistes, les opérations au sol des aéroports et la détection des défauts des matériaux composites.
En savoir plus
La vision par ordinateur dans la sécurité

La vision par ordinateur dans la sécurité

Protège chaque site avec les modèles Ultralytics YOLO. L’IA visuelle permet la surveillance des périmètres, la détection des menaces, la reconnaissance des plaques d’immatriculation et la sécurité au travail.
En savoir plus
La vision par ordinateur en robotique

La vision par ordinateur en robotique

Donne plus de capacités à tes machines grâce aux modèles Ultralytics YOLO. Dans la robotique, l’IA visuelle permet la navigation autonome, la perception, le suivi des objets et le contrôle en temps réel.
En savoir plus
La vision par ordinateur dans la logistique

La vision par ordinateur dans la logistique

Optimise la logistique avec les modèles Ultralytics YOLO. La vision par IA permet d’inspecter les colis, de les trier, de suivre les véhicules et de surveiller la sécurité des entrepôts en temps réel.
En savoir plus
La vision par ordinateur dans le commerce de détail

La vision par ordinateur dans le commerce de détail

Réinvente le commerce de détail avec les modèles Ultralytics YOLO. La vision par IA permet de suivre les stocks, de surveiller les rayons, de gérer les files d’attente et de mieux comprendre les clients.
En savoir plus
La vision par ordinateur dans le secteur de la santé

La vision par ordinateur dans le secteur de la santé

Crée des solutions de santé avec les modèles Ultralytics YOLO. La vision par IA dans le secteur de la santé accélère l’imagerie médicale, améliore les diagnostics et facilite la surveillance des patients.
En savoir plus
La vision par ordinateur dans l’industrie manufacturière

La vision par ordinateur dans l’industrie manufacturière

Optimise la fabrication avec les modèles Ultralytics YOLO. La vision par IA améliore le contrôle qualité, la détection des défauts, le respect des règles concernant les EPI et l’automatisation des chaînes de montage.
En savoir plus
La vision par ordinateur dans l’automobile

La vision par ordinateur dans l’automobile

Mets la vision par ordinateur au service de l’automobile avec les modèles Ultralytics YOLO. La vision par IA renforce la sécurité routière, l’aide à la conduite et l’automatisation des véhicules pour des routes plus intelligentes.
En savoir plus
Vision par ordinateur dans l’agriculture

Vision par ordinateur dans l’agriculture

Fais entrer l’IA de vision dans l’agriculture intelligente avec les modèles Ultralytics YOLO. Optimise le suivi des cultures et du bétail ainsi que l’agriculture de précision pour obtenir des rendements plus élevés et plus intelligents.
En savoir plus

Construisons ensemble l’avenir de l’IA !

Commence ton parcours vers l’avenir de l’apprentissage automatique