تست عملی Gemini 4 Hydrogen
خلاصهٔ کاملتر
Gemini 4 Hydrogen مدل سبک و پرسرعت خانوادهی Gemini 4 گوگله. متن، تصویر، صدا، ویدیو و فایل میگیره، پنجرهی context یک میلیون توکنی داره و قیمتش حدود ۱.۵ دلار برای هر میلیون توکن ورودی و ۷.۵ دلار برای خروجیه. به گفتهی مقاله، این مدل برای agentic loop ساخته شده، یعنی چرخهی «کد بنویس، اجرا کن، خطا رو بخون، درستش کن»، نه برای استدلالهای طولانی علمی.
تو تست اول، مدل رو سراغ یه اپ اهدای پول فرضی به اسم Karma Bal فرستادن که هیچ خطا یا کرشی نداشت، فقط ین و وون صد برابر کمتر نشون داده میشدن. بدون هیچ راهنمایی، Hydrogen تو چند دقیقه schema دیتابیس رو چک کرد، فهمید این دو ارز اعشار ندارن و بعد ریشهی مشکل رو تو بکاند پیدا کرد: یه مقدار صفر که بهعنوان boolean false حساب میشد. به فرانت و دیتا دست نزد و وقتی build گیر کرد، رفت سراغ build پسزمینه. نویسنده میگه فرق مدلها دیگه تو اینه که چقدر مستقیم به جواب میرسن.
تست دوم یه کمیتهی اعتباری بانک رو شبیهسازی کرد که باید درخواست وام یه شرکت حمل بار رو بررسی کنه. Hydrogen چهار sub-agent موازی راه انداخت: یکی اعداد رو چک کرد، یکی فهمید شرکت روی کاغذ سوددهست ولی چون مشتریها دیر پول میدن نقدینگیش داره تموم میشه، و یکی ریسک وابستگی به یه مشتری، حاشیهی سود کم و وثیقهی ضعیف رو گرفت. همهی این نشونهها عمداً تو داده گذاشته شده بودن و مدل بدون راهنمایی پیداشون کرد و آخرش پیشنهاد رد وام داد.
از روی یه طرح دستی از کباب ترکی، مدل یه فایل HTML تعاملی کامل ساخت: چاقو برای بریدن، تنظیم حرارت و سرعت چرخش، دودی که با دما عوض میشه و شمارندهی برشها، بدون اینکه اینها تو پرامپت گفته شده باشن. تنها ضعفش بافت صافتر گوشت نسبت به طرح بود. تو تست چندزبانه هم برای ۸۲ زبان اسم فروشگاه ساخت که بیشترش درست و متفاوت بود، ولی خروجی چینی و ژاپنی خیلی شبیه هم بودن.
تو بنچمارکها، Hydrogen در برابر Claude Sonnet 5.5 و GPT 6.1 Terra تو پیدا کردن باگ، کارهای دانشی روزمره، خوندن اسناد و استدلال سخت جلو بوده. Sonnet تو کدنویسی ترمینالی، کنترل کامپیوتر و تسکهای علمی جلوتره. نویسنده معتقده مزیت واقعی Hydrogen سرعتشه: تو بالاترین تنظیم فکر، به امتیاز برتر Sonnet رسیده و کمتر از نصف زمان اونو مصرف کرده.
نکات کلیدی:
- قیمت حدود ۱.۵ دلار ورودی و ۷.۵ دلار خروجی برای هر میلیون توکن
- باگ «صفر بهعنوان false» رو بدون راهنمایی تو بکاند پیدا کرد
- با چهار sub-agent موازی یه گزارش اعتباری منسجم ساخت
- از طرح دستی یه شبیهسازی HTML تعاملی ساخت
- برای ۸۲ زبان اسم ساخت، ولی خروجی چینی و ژاپنی شبیه هم بود
- Claude Sonnet 5.5 تو ترمینال، کنترل کامپیوتر و کارهای علمی هنوز جلوتره




