Anotação automática do Gemini 4 Hydrogen: menor custo por token, maior custo por imagem
Gemini 4 Hydrogen fica em terceiro lugar entre 46 VLMs no nosso benchmark de detecção de objetos com 36 conjuntos de dados, com 0.553 mAP50 e as maiores pontuações em doenças de plantas, salvamento marítimo e raios X.
Glenn Jocher14 min de leitura
Gemini 4 Hydrogen ocupa o terceiro lugar entre 46 modelos de anotação automática no UL37, nosso benchmark de detecção de objetos com 36 conjuntos de dados, no placar de VLMs da Ultralytics, atualizado em 12 de novembro de 2026. Ele alcança 0.553 mAP50 e 0.350 mAP50-95, atrás do Gemini 4 Carbon (0.584) e do GPT-6.1 Terra (0.560), e à frente do Claude Fable 5.2 e do Gemini 4 Argon. Também tem a maior pontuação no PlantDoc (doenças de plantas), no SeaDronesSee 2 (busca e salvamento marítimo) e no IEDXray (raios X de segurança), além de empatar na maior pontuação no Kvasir-SEG e no EgoHands.
O Google lançou o Hydrogen em 12 de novembro como seu modelo Gemini 4 rápido e econômico, e agora ele está disponível para anotação automática na Ultralytics Platform. O Google posiciona o Hydrogen para programação e agentes; o UL37 mede a qualidade das caixas que ele desenha.
A seguir, você encontra os resultados gerais e por conjunto de dados do Hydrogen, como o uso de tokens afeta o custo por imagem e como executá-lo no seu próprio conjunto de dados na Platform.
Detecção de objetos com Gemini 4 Hydrogen: terceiro lugar no UL37#
O UL37 mede o quanto as caixas de um modelo correspondem às anotações humanas em 360 imagens: 10 de cada um dos 36 conjuntos de dados reais de detecção de objetos, que vão de ultrassom da tireoide e imagens térmicas de drones a prateleiras de lojas, plantas baixas e placas de circuito. Todas as imagens passam pelo mesmo pipeline que os usuários da Platform utilizam, com os nomes de classe próprios de cada conjunto de dados, e todos os conjuntos de dados têm o mesmo peso. A metodologia é pública.
O mAP50 de 0.553 do Hydrogen fica 0.031 atrás do líder e 0.007 atrás do Terra. Veja como ele se posiciona em relação aos outros modelos do Google e aos concorrentes mais próximos:
| Modelo | UL37 mAP50 | Preço por 1 milhão de tokens (entrada / saída) | Custo do fornecedor por 1.000 imagens |
|---|---|---|---|
| Gemini 4 Carbon | 0.584 | $2.00 / $10.00 até 30 de novembro; depois, $4.00 / $20.00 | $12.93 (cerca de $25.87 a partir de 1º de dezembro) |
| 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 até 30 de novembro; depois, $4.00 / $20.00 | $7.60 (cerca de $15 a partir de 1º de dezembro) |
| Gemini 3.8 Flash | 0.516 | $0.75 / $3.75 até 31 de dezembro; depois, $1.50 / $7.50 | $5.86 (cerca de $11.72 a partir de 1º de janeiro) |
O custo do provedor é calculado com base no uso de tokens informado por cada provedor e nas tarifas listadas. A Anotação em lote acrescenta a taxa de processamento da Platform de $1.00 por 1.000 imagens para todos os modelos.
Preços em 16 de novembro de 2026. A publicação de lançamento do Hydrogen do Google informa o preço de $1.50 por milhão de tokens de entrada e $7.50 por milhão de tokens de saída. A publicação de disponibilidade do Carbon do Google define o preço promocional do Carbon até 30 de novembro de 2026 e os preços de $4.00 e $20.00 a partir daí; a página de preços da Gemini API informa a mesma mudança para o Gemini 4 Argon; e a publicação do Flash define o preço promocional do Gemini 3.8 Flash até 31 de dezembro de 2026 e os preços de $1.50 e $7.50 a partir de 1º de janeiro de 2027. Os valores posteriores na tabela aplicam essas tarifas anunciadas ao mesmo uso de tokens do benchmark; são estimativas, não novas execuções.
Outros números do Hydrogen nessa execução: mAP50-95 de 0.350, que também recompensa caixas bem ajustadas e só fica atrás dos 0.371 do Carbon; precisão de 0.63 e revocação de 0.62; nenhuma solicitação com falha nem recusa; e mediana de 7.2 segundos por imagem.
Para que o Google criou o Hydrogen#
A publicação de lançamento do Google diz que o Hydrogen "foi criado para execução rápida em diversos fluxos de trabalho com agentes", enquanto o Carbon e o Argon "se destacam no raciocínio profundo e de longo prazo para os seus problemas mais difíceis". O Hydrogen tem uma janela de contexto de 1 milhão de tokens, com preço de $1.50 por milhão de tokens de entrada e $7.50 por milhão de tokens de saída em toda a janela, e quatro níveis de raciocínio: baixo, médio, alto (o padrão) e o novo xhigh.
O Google informa uma pontuação de 51 no Artificial Analysis Intelligence Index no nível alto padrão, um ponto acima do Argon, e 54 no xhigh. A empresa chama o Hydrogen de uma grande atualização para equipes que migram do Gemini 3.8 Flash, com 57% no Terminal-Bench 4.1 contra 18.2% do Flash. Nenhum desses números mede caixas delimitadoras, por isso executamos o UL37.
Gemini 4 Hydrogen vs. Gemini 3.8 Flash no UL37#
O Gemini 3.8 Flash alcança 0.516 mAP50 no UL37, então o Hydrogen melhora 0.037 nas mesmas imagens e no mesmo pipeline, cobrindo cerca de quatro quintos da diferença de 0.047 entre Argon e Carbon. No placar, o Hydrogen fica em terceiro lugar e o Flash em oitavo.
Ele também supera o Claude Fable 5.2 por 0.009, custando pouco mais da metade por imagem, e o Gemini 4 Argon por 0.016, embora o Argon custe $7.60 por 1.000 imagens.

mAP50 no UL37, conforme a página do modelo Gemini 4 Hydrogen, com o Hydrogen destacado em terceiro lugar, em 14 de novembro de 2026.
Como o uso de tokens afeta o custo por imagem#
Um modelo de linguagem visual cobra pela imagem e pelo prompt que lê, além de cada token que produz, inclusive qualquer raciocínio anterior à resposta. Dois modelos com tarifas por token semelhantes podem ter custos por imagem bem diferentes se um deles usar mais tokens.
Os preços por token do Hydrogen correspondem exatamente a 75% dos preços promocionais do Carbon, tanto para entrada quanto para saída. Se os dois modelos usassem a mesma quantidade de tokens por imagem, o Hydrogen custaria cerca de $9.70 por 1.000 imagens. Ele custa $20.32, então as execuções do Hydrogen usaram aproximadamente o dobro de tokens ponderados pelo preço por imagem em comparação com as do Carbon. Em relação ao Gemini 3.8 Flash, cujos preços atuais são exatamente metade dos preços do Hydrogen, o mesmo cálculo mostra que o Hydrogen usou cerca de 1.7 vez mais tokens ponderados pelo preço por imagem que o Flash.
O Google informa que, em testes iniciais com parceiros em fluxos de trabalho complexos com grafos, SQL e muitos dados, o Hydrogen usou de 12% a 23% menos tokens que o 3.8 Flash. A anotação é uma tarefa diferente: uma imagem e uma resposta estruturada. No UL37, o Hydrogen usou mais tokens ponderados pelo preço por imagem. A mediana de 7.2 segundos por imagem se compara aos 5.1 segundos do Terra e aos 4.6 do Argon.
Custo do provedor por 1.000 imagens do UL37 em 16 de novembro de 2026: Terra e Hydrogen a preço de tabela, Carbon ao preço promocional de $2 / $10 e estimativa ao preço anunciado de $4 / $20, com o mesmo uso de tokens.
O custo por 1.000 imagens combina as tarifas por token com a quantidade de tokens que um modelo usa em determinada tarefa. Por isso, algumas imagens representativas do seu próprio conjunto de dados oferecem a estimativa mais relevante. O placar e as páginas dos modelos pagos na Platform informam o custo do provedor por 1.000 imagens, e nosso guia de custos de software de anotação de imagens aborda as demais despesas de um orçamento de rotulagem.
Onde o Gemini 4 Hydrogen alcança as maiores pontuações: plantas, salvamento marítimo e raios X#
As médias dos 36 conjuntos de dados ocultam aqueles em que um modelo se destaca, e a página do modelo Gemini 4 Hydrogen lista sua pontuação em cada um deles. O Hydrogen tem a maior pontuação entre os 46 modelos em três conjuntos de dados e empata na maior pontuação em outros dois.
Doenças de plantas. No PlantDoc, com 29 classes de folhas de cultivos saudáveis e doentes, o Hydrogen alcança 0.638 e é o melhor modelo no conjunto de dados. O Carbon, que tinha a pontuação mais alta anterior, alcançou 0.594, como explicado nos nossos resultados do Gemini 4 Carbon.
Busca e salvamento marítimo. No SeaDronesSee 2, com imagens de drones de nadadores, barcos e equipamentos salva-vidas no mar, o Hydrogen alcança 0.596, acima dos 0.564 do Carbon e dos 0.476 do Terra.

Caixas do Gemini 4 Hydrogen em uma imagem de benchmark do SeaDronesSee 2, entre as previsões exibidas na página do modelo.
Raios X de segurança. No IEDXray, que contém componentes de dispositivos explosivos ocultos em imagens de bagagens por raios X, o Hydrogen alcança 0.315, contra 0.282 do Carbon. Todos os modelos têm pontuações baixas aqui, então considere este resultado o melhor em um conjunto de dados difícil, não um sistema de triagem pronto para uso.
Endoscopia de pólipos. No Kvasir-SEG, o Hydrogen alcança 0.805 e empata na maior pontuação do conjunto de dados. O Terra alcança 0.71 e o Carbon, 0.65; nossos resultados do GPT-6.1 Terra detalham melhor os resultados do Terra em imagens médicas.
Mãos. No EgoHands, com vídeos em primeira pessoa de mãos, o Hydrogen alcança 0.995 e empata com o GPT-6 Astra na maior pontuação.
Ultrassom da tireoide, o contraexemplo. No TN5000, em que cada nódulo é rotulado como benigno ou maligno, o Hydrogen alcança 0.704, contra 0.537 do Carbon. O Gemini 3.8 Flash (0.88) e o Terra (0.935) têm pontuações mais altas nesse conjunto de dados. O Hydrogen também alcança pontuações próximas de zero em defeitos de placas de circuito impresso sem componentes (DeepPCB, 0.000), raios X de tuberculose (TBX11K, 0.013) e elementos de interface de software (GroundCUA, 0.021).
Para a análise de imagens médicas, considere as caixas de qualquer modelo como um rascunho que especialistas clínicos devem verificar e aprovar, nunca como um diagnóstico.

Resultados do Gemini 4 Hydrogen no UL37 por conjunto de dados, conforme a página do modelo, em 14 de novembro de 2026.
Cada conjunto de dados contribui com 10 imagens, então considere uma única linha como um sinal para testar com suas próprias imagens, não como uma conclusão definitiva. Nosso guia para escolher um VLM pela precisão e revocação explica como ponderar caixas falsas em relação a objetos não detectados depois que você tiver uma lista de opções.
Como executar a anotação automática do Gemini 4 Hydrogen no seu conjunto de dados#
O Hydrogen é um modelo condicionado por prompts de classe para conjuntos de dados de detecção com 1 a 200 classes. Ele retorna caixas para os nomes de classe do seu conjunto de dados, que você revisa antes do treinamento.
- Crie uma chave da Gemini API no Google AI Studio.
- Peça ao proprietário do workspace para adicionar a chave em Settings > API Keys no workspace da Platform que contém seu conjunto de dados. O Google cobra diretamente pela sua chave, e a documentação das chaves do provedor explica os detalhes.
- Abra uma imagem no editor de anotações, mude para o modo Smart e selecione Gemini 4 Hydrogen em Google no seletor de modelos.
- Pressione Predict ou
Ppara rotular a imagem atual. Quando o provedor retorna uma estimativa de custo, a notificação após cada previsão a exibe, então algumas imagens representativas dão uma ideia do custo para seus próprios dados. - Na página do conjunto de dados, selecione More actions > Batch Annotation para rotular todas as imagens sem rótulos de uma só vez. Confira o Estimated Cost e clique em Start. A Platform salva primeiro uma versão do conjunto de dados para que você possa reverter as alterações; os rótulos existentes nunca são modificados.
- Revise e corrija as caixas; depois, treine um modelo Ultralytics YOLO26 com o resultado no mesmo workspace usando o treinamento na nuvem.
Para saber mais sobre como esses modelos se encaixam no editor, veja como a Ultralytics Platform usa IA para automatizar a anotação e por que a revisão com participação humana continua fazendo parte do fluxo de trabalho.
Onde o Gemini 4 Hydrogen se encaixa#
Para equipes que usam o Gemini 3.8 Flash para rotulagem atualmente, o Hydrogen acrescenta 0.037 mAP50 no UL37 dentro da linha rápida do Google, e sua página do modelo mostra os resultados em cada conjunto de dados, incluindo a maior pontuação no PlantDoc e um empate pela maior pontuação no Kvasir-SEG. Os resultados variam conforme o conjunto de dados, então teste o modelo com imagens representativas e confira as caixas e o custo estimado antes de executar a Anotação em lote.
Para comparar a precisão, o custo e a velocidade de todos os modelos, consulte o placar de VLMs. Modelos hospedados como Qwen3.8 27B e SAM 3.1 Text não precisam de chave API.
Perguntas frequentes
No nosso benchmark UL37, ele alcança 0.553 mAP50 em 36 conjuntos de dados reais de detecção, ficando em terceiro lugar no placar de VLMs da Ultralytics, atrás do Gemini 4 Carbon (0.584) e do GPT-6.1 Terra (0.560). Seu mAP50-95 de 0.350 só fica atrás do Carbon, e ele tem a maior pontuação entre os 46 modelos no PlantDoc, no SeaDronesSee 2 e no IEDXray.
No nosso benchmark, as cobranças do Google por tokens totalizaram $20.32 por 1.000 imagens com o preço de tabela do Hydrogen em 16 de novembro de 2026: $1.50 por milhão de tokens de entrada e $7.50 por milhão de tokens de saída. A Anotação em lote na Ultralytics Platform acrescenta $1.00 por 1.000 imagens, e o Google cobra os tokens da sua própria chave.
O preço por token do Hydrogen equivale a 75% do preço promocional do Carbon, mas, no UL37, as execuções do Hydrogen usaram aproximadamente o dobro de tokens ponderados pelo preço por imagem, chegando a $20.32 contra $12.93 por 1.000 imagens. Ao preço anunciado do Carbon a partir de 1º de dezembro, o mesmo uso do Carbon custaria cerca de $25.87.
No UL37, o Carbon alcança 0.584 mAP50 e o Hydrogen, 0.553, uma diferença de 0.031. O Hydrogen supera o Carbon no PlantDoc, no SeaDronesSee 2, no IEDXray, no Kvasir-SEG, no EgoHands e no TN5000. O desempenho nas suas próprias imagens pode ser diferente, então teste os dois em uma amostra antes de processar um lote grande.
No UL37, o GPT-6.1 Terra alcança 0.560 mAP50 e o Hydrogen, 0.553, enquanto o GPT-6.1 Sol alcança 0.514. O Hydrogen alcança 0.350 mAP50-95, acima dos 0.345 do Terra e dos 0.318 do Sol, e supera o Terra no PlantDoc, no SeaDronesSee 2 e no Kvasir-SEG. O Terra tem pontuação mais alta no ultrassom da tireoide TN5000: 0.935 contra 0.704 do Hydrogen. Nossos resultados do GPT-6.1 Terra mostram em quais áreas o Terra se destaca.
No UL37, o Hydrogen alcança 0.553 mAP50, contra 0.516 do Flash. O custo do provedor nas nossas execuções foi de $20.32 por 1.000 imagens para o Hydrogen e de $5.86 para o Flash, ao preço promocional que, segundo o Google, termina em 31 de dezembro. Ao preço anunciado a partir de 1º de janeiro de 2027, o mesmo uso do Flash custaria cerca de $11.72.
Sim. O proprietário do workspace adiciona uma chave da Gemini API criada no Google AI Studio em Settings > API Keys, no workspace que contém seu conjunto de dados, e o Google cobra diretamente a conta associada à chave. Para rotular sem uma chave do provedor, use um modelo hospedado, como Qwen3.8 27B ou SAM 3.1 Text, ou um dos seus próprios modelos YOLO.
Escrito por
Comentários
Faça uma pergunta, compartilhe seus resultados ou ajude alguém.










