Gemini 4 Hydrogenの自動アノテーション:トークン単価は安く、画像単価は高い
Gemini 4 Hydrogenは、36データセットの物体検出ベンチマークで46種類のVLMのうち3位にランクインし、0.553 mAP50を記録しました。植物病害、海上捜索救助、X線の各分野で最高スコアを獲得しています。
Glenn Jocher12 分で読めます
Gemini 4 Hydrogenは、2026年11月12日更新のUltralytics VLM Leaderboardにおいて、36データセットの物体検出ベンチマークであるUL37の自動アノテーション評価で、46モデル中3位にランクインしています。スコアは0.553 mAP50、0.350 mAP50-95で、Gemini 4 Carbon(0.584)とGPT-6.1 Terra(0.560)に続き、Claude Fable 5.2とGemini 4 Argonを上回っています。また、PlantDoc(植物病害)、SeaDronesSee 2(海上捜索救助)、IEDXray(セキュリティX線)で最高スコアを獲得し、Kvasir-SEGとEgoHandsでは最高スコアで並んでいます。
Googleは11月12日、高速でコスト効率に優れたGemini 4モデルとしてHydrogenを発表し、現在はUltralytics Platformで自動アノテーションに利用できます。GoogleはHydrogenをコーディングとエージェント向けに位置付けていますが、UL37ではバウンディングボックスの描画性能を測定します。
以下では、Hydrogenの全体およびデータセット別の結果、トークン使用量が画像あたりのコストに与える影響、Platformで独自のデータセットに適用する方法を紹介します。
Gemini 4 Hydrogenの物体検出:UL37で3位#
UL37では、36の実際の物体検出データセットから各10枚、計360枚の画像を使い、モデルのボックスが人手によるラベルにどれだけ近いかを測定します。対象は甲状腺超音波画像や熱赤外線ドローン映像から、小売店の棚、間取り図、回路基板まで多岐にわたります。各画像には、Platformユーザーが利用するものと同じパイプラインを適用し、データセット固有のクラス名を使います。また、すべてのデータセットを同じ重みで評価します。評価方法は公開されています。
Hydrogenの0.553 mAP50は、首位に0.031、Terraに0.007届きません。Googleの他のモデルや最も近い競合モデルとの位置付けは次のとおりです。
| モデル | UL37 mAP50 | 100万トークンあたりの価格(入力/出力) | プロバイダーの1,000枚あたりのコスト |
|---|---|---|---|
| Gemini 4 Carbon | 0.584 | 11月30日までは$2.00 / $10.00、その後は$4.00 / $20.00 | $12.93(12月1日以降は約$25.87) |
| 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 | 11月30日までは$2.00 / $10.00、その後は$4.00 / $20.00 | $7.60(12月1日以降は約$15) |
| Gemini 3.8 Flash | 0.516 | 12月31日までは$0.75 / $3.75、その後は$1.50 / $7.50 | $5.86(1月1日以降は約$11.72) |
プロバイダーのコストは、各プロバイダーが報告したトークン使用量に、記載の料金を適用して算出しています。Batch Annotationでは、すべてのモデルに対してPlatformの処理手数料として画像1,000枚あたり$1.00が加算されます。
2026年11月16日時点の価格です。 GoogleのHydrogen発表記事には、入力トークン100万個あたり$1.50、出力トークン100万個あたり$7.50と記載されています。GoogleのCarbon提供開始に関する記事では、Carbonの導入価格は2026年11月30日までとされ、その後は$4.00と$20.00になります。また、Gemini APIの料金ページには、Gemini 4 Argonについても同じ変更が記載されており、Flashの記事では、Gemini 3.8 Flashの導入価格は2026年12月31日まで、2027年1月1日からは$1.50と$7.50になるとされています。表の後日適用価格は、発表された料金を同じベンチマークのトークン使用量に適用した推定値であり、新たに実行して得た結果ではありません。
実行時におけるHydrogenのその他の数値は、mAP50-95が0.350で、厳密にフィットするボックスも評価するこの指標ではCarbonの0.371に次ぐ2位です。適合率は0.63、再現率は0.62で、リクエストの失敗や拒否はなく、画像あたりの中央値は7.2秒でした。
GoogleがHydrogenを開発した目的#
Googleの発表記事によると、Hydrogenは「多様なエージェント型ワークフローを迅速に実行できるよう設計」されている一方、CarbonとArgonは「最も難しい課題に対する、長期にわたる深い推論に優れています」。Hydrogenのコンテキストウィンドウは100万トークンで、ウィンドウ全体を通じて入力トークン100万個あたり$1.50、出力トークン100万個あたり$7.50です。また、思考レベルはlow、medium、high(デフォルト)と、新たに追加されたxhighの4段階です。
Googleによると、デフォルトのhighレベルではArtificial Analysis Intelligence Indexで51を記録し、Argonを1ポイント上回ります。xhighでは54です。また、Gemini 3.8 Flashから移行するチームにとって大幅なアップグレードになるとしており、Terminal-Bench 4.1ではFlashの18.2%に対して57%を記録しています。ただし、これらの数値はいずれもバウンディングボックスの性能を測定したものではないため、UL37を実施しています。
UL37におけるGemini 4 HydrogenとGemini 3.8 Flashの比較#
Gemini 3.8 FlashのUL37におけるスコアは0.516 mAP50です。同じ画像とパイプラインで比較すると、Hydrogenは0.037上回り、ArgonとCarbonの差である0.047の約5分の4に相当します。リーダーボードでは、Hydrogenが3位、Flashが8位です。
また、Claude Fable 5.2を0.009上回り、画像あたりのコストはFableの半分強です。Gemini 4 Argonに対しては0.016上回りますが、Argonのコストは画像1,000枚あたり$7.60です。

Gemini 4 Hydrogenのモデルページに掲載されたUL37 mAP50。2026年11月14日時点で、Hydrogenが3位として強調されています。
トークン使用量が画像あたりのコストに与える影響#
Vision Language Modelの料金は、読み込む画像とプロンプトに加え、回答前の推論を含め、出力するすべてのトークンに対して発生します。トークン単価が同程度でも、使用トークン数が多ければ、画像あたりのコストはモデルによって大きく異なります。
Hydrogenのトークン価格は、入力と出力の両方でCarbonの導入価格のちょうど75%です。2つのモデルの画像あたりのトークン使用量が同じなら、Hydrogenのコストは画像1,000枚あたり約$9.70になります。実際には$20.32であり、Hydrogenは画像あたり、価格で重み付けしたトークンをCarbonの約2倍使用しました。現在の価格がHydrogenのちょうど半分であるGemini 3.8 Flashと比べると、同じ計算から、Hydrogenは画像あたりFlashの約1.7倍の価格加重トークンを使用したことが分かります。
Googleによると、複雑なグラフ、SQL、データを多用するワークフローを対象とした初期のパートナー検証では、Hydrogenのトークン使用量は3.8 Flashより12%~23%少なかったとのことです。アノテーションは、1枚の画像に対して1つの構造化された回答を返す別のタスクであり、UL37ではHydrogenの画像あたりの価格加重トークン使用量が多くなりました。画像あたりの中央値7.2秒に対し、Terraは5.1秒、Argonは4.6秒です。
2026年11月16日時点のUL37画像1,000枚あたりのプロバイダーコスト:TerraとHydrogenは通常価格、Carbonは導入価格の$2 / $10、および同じトークン使用量に発表済みの$4 / $20の価格を適用した推定値です。
画像1,000枚あたりのコストは、トークン単価と特定のタスクでモデルが使用するトークン数を組み合わせて算出されるため、独自のデータセットから代表的な画像を数枚選ぶと、最も参考になる見積もりが得られます。Platformのリーダーボードと有料モデルの各モデルページには、画像1,000枚あたりのプロバイダーコストが表示されます。また、ラベリング予算のその他の費用については、画像アノテーションソフトウェアのコストガイドをご覧ください。
Gemini 4 Hydrogenが最高スコアを記録した分野:植物、海上救助、X線#
36データセットの平均値では、モデルが優位に立つデータセットが見えにくくなります。Gemini 4 Hydrogenのモデルページには、すべてのデータセットにおけるスコアが掲載されています。Hydrogenは46モデル中、3つのデータセットで最高スコアを獲得し、さらに2つで最高スコアに並んでいます。
植物病害。 健康な作物の葉と病気の葉を29クラスに分類するPlantDocで、Hydrogenは0.638を記録し、このデータセットで最高のモデルとなっています。以前の最高スコアを記録したCarbonは0.594でした。詳細は、Gemini 4 Carbonの結果で紹介しています。
海上捜索救助。 海上の遊泳者、ボート、救命用具を撮影したドローン映像を含むSeaDronesSee 2で、Hydrogenは0.596を記録し、Carbonの0.564とTerraの0.476を上回っています。

SeaDronesSee 2のベンチマーク画像におけるGemini 4 Hydrogenのボックス。モデルページに表示された予測結果から引用しています。
セキュリティX線。 手荷物のX線画像に隠された爆発物の部品を対象とするIEDXrayで、Hydrogenは0.315を記録し、Carbonの0.282を上回っています。どのモデルもこのデータセットでは低いスコアのため、すぐに使える検査システムではなく、難しいデータセットでの最良の結果として捉えてください。
ポリープ内視鏡検査。 Kvasir-SEGで、Hydrogenは0.805を記録し、このデータセットの最高スコアに並んでいます。Terraは0.71、Carbonは0.65です。GPT-6.1 Terraの結果では、Terraの医用画像に関する結果を詳しく紹介しています。
手。 手を撮影した一人称視点の動画を含むEgoHandsで、Hydrogenは0.995を記録し、最高スコアのGPT-6 Astraと並んでいます。
例外となる甲状腺超音波画像。 各結節に良性または悪性のラベルが付いたTN5000で、Hydrogenは0.704を記録し、Carbonの0.537を上回っています。このデータセットではGemini 3.8 Flash(0.88)とTerra(0.935)がいずれもより高いスコアです。また、Hydrogenは基板のみのPCB欠陥(DeepPCB、0.000)、結核のX線画像(TBX11K、0.013)、ソフトウェアUI要素(GroundCUA、0.021)でも、ほぼゼロのスコアです。
医用画像解析では、どのモデルのボックスも下書きとして扱い、臨床の専門家が確認・承認するようにしてください。診断として使用しないでください。

Gemini 4 Hydrogenのモデルページに掲載されたデータセット別のUL37結果。2026年11月14日時点。
各データセットから使用する画像は10枚のため、各行の結果は独自の画像でテストするための参考として捉え、最終的な判断としないでください。候補モデルを絞り込んだ後、誤検出と見逃しのどちらを重視するかについては、適合率と再現率によるVLMの選び方で解説しています。
Gemini 4 Hydrogenでデータセットを自動アノテーションする方法#
Hydrogenは、1~200クラスの検出データセットに対応する、クラスプロンプト型のモデルです。データセット固有のクラス名でボックスを返し、トレーニング前にレビューできます。
- Google AI StudioでGemini APIキーを作成します。
- ワークスペースの所有者に、データセットを管理するPlatformワークスペースのSettings > API Keysからキーを追加してもらいます。Googleはキーに直接課金します。詳細はプロバイダーキーのドキュメントをご覧ください。
- アノテーションエディターで画像を開き、Smartモードに切り替えて、モデル選択メニューのGoogleからGemini 4 Hydrogenを選択します。
- Predictまたは
Pを押して、現在の画像にラベルを付けます。プロバイダーからコスト見積もりが返されると、各予測の後に表示されるトーストにその金額が示されます。代表的な画像を数枚使うと、独自のデータにかかるコストの目安が分かります。 - データセットページでMore actions > Batch Annotationを選択すると、未ラベルの画像すべてに一括でラベルを付けられます。Estimated Costを確認して、Startをクリックします。Platformは最初にデータセットのバージョンを保存するため、ロールバックできます。また、既存のラベルは変更されません。
- ボックスを確認・修正した後、同じワークスペースでクラウドトレーニングを使って、結果をもとにUltralytics YOLO26モデルをトレーニングします。
これらのモデルがエディターでどのように活用されるかについては、Ultralytics PlatformがAIを使ってアノテーションを自動化する方法と、人間が介在するレビューがワークフローに必要な理由をご覧ください。
Gemini 4 Hydrogenの位置付け#
現在Gemini 3.8 Flashでラベリングしているチームにとって、HydrogenはGoogleの高速モデルでありながら、UL37でmAP50を0.037向上させます。モデルページでは、すべてのデータセットでの結果を確認でき、PlantDocで最高スコア、Kvasir-SEGで最高スコアに並ぶ結果も掲載されています。結果はデータセットによって異なるため、Batch Annotationを実行する前に代表的な画像で試し、ボックスと推定コストを確認してください。
すべてのモデルの精度、コスト、速度を比較するには、VLM Leaderboardをご覧ください。Qwen3.8 27BやSAM 3.1 Textなどのホスト型モデルは、APIキーが不要です。
よくある質問
36の実環境の検出データセットを対象とするUL37ベンチマークで、0.553 mAP50を記録しています。Ultralytics VLM Leaderboardでは、Gemini 4 Carbon(0.584)とGPT-6.1 Terra(0.560)に続く3位です。mAP50-95は0.350でCarbonに次ぐ2位となり、PlantDoc、SeaDronesSee 2、IEDXrayでは46モデル中最高スコアを獲得しています。
2026年11月16日時点のHydrogenの通常価格である入力トークン100万個あたり$1.50、出力トークン100万個あたり$7.50を適用すると、ベンチマークでのGoogleのトークン料金は画像1,000枚あたり$20.32でした。Ultralytics PlatformのBatch Annotationでは画像1,000枚あたり$1.00が加算され、トークン料金はご自身のキーに対してGoogleから請求されます。
Hydrogenのトークン単価はCarbonの導入価格の75%ですが、UL37では画像あたりの価格加重トークン使用量が約2倍となり、画像1,000枚あたり$20.32に対して$12.93となりました。12月1日から適用されるCarbonの発表済み価格では、同じ使用量で約$25.87かかります。
UL37では、Carbonが0.584 mAP50、Hydrogenが0.553で、差は0.031です。HydrogenはPlantDoc、SeaDronesSee 2、IEDXray、Kvasir-SEG、EgoHands、TN5000でCarbonを上回っています。独自の画像では結果が異なる可能性があるため、大規模なバッチ処理の前に、サンプルを使って両方をテストしてください。
UL37では、GPT-6.1 Terraが0.560 mAP50、Hydrogenが0.553、GPT-6.1 Solが0.514を記録しています。HydrogenのmAP50-95は0.350で、Terraの0.345、Solの0.318を上回ります。また、PlantDoc、SeaDronesSee 2、Kvasir-SEGではTerraより高いスコアですが、甲状腺超音波画像のTN5000ではTerraがHydrogenの0.704に対して0.935と高いスコアです。GPT-6.1 Terraの結果では、Terraが特に優れた分野を紹介しています。
UL37では、Hydrogenが0.553 mAP50、Flashが0.516を記録しています。実行時のプロバイダーコストは、Hydrogenが画像1,000枚あたり$20.32、Flashが導入価格で$5.86でした。Googleによると、Flashの導入価格は12月31日に終了します。2027年1月1日からの発表済み価格を適用すると、同じFlashの使用量で約$11.72となります。
はい。ワークスペースの所有者が、データセットを管理するワークスペースのSettings > API KeysからGoogle AI StudioのGemini APIキーを追加します。Googleは、そのキーに紐付けられたアカウントに直接請求します。プロバイダーキーを使わずにラベルを付けるには、Qwen3.8 27BやSAM 3.1 Textなどのホスト型モデル、または独自のYOLOモデルを使用してください。
執筆者
コメント
質問したり、結果を共有したり、ほかの人をサポートしたりできます。










