GuidesOneMux

Gemini 4 Hydrogen vs Carbon : ce que la source permet d’affirmer sur l’extraction structurée

Comparez les éléments documentés sur la programmation, l’utilisation d’outils et les sorties structurées de Gemini 4 Hydrogen et Carbon, puis concevez un processus d’extraction validé par schéma.

AI

Résumé · TL;DR

Google présente Hydrogen comme un modèle d’exécution destiné à la programmation et aux workflows agentiques, et Carbon comme un modèle conçu pour un raisonnement plus approfondi. Son annonce ne désigne pas de vainqueur dans une comparaison directe pour l’extraction contrainte par schéma : validez donc les résultats et évaluez les modèles sur vos propres documents.

Points clés

  • L’annonce de Google fournie décrit le comportement de Hydrogen en programmation et dans l’utilisation d’outils, mais ne propose pas de mesures comparatives équivalentes face à Carbon pour ces capacités.
  • Un partenaire indique que Hydrogen a atteint 100% de conformité au format sur sa suite d’évaluation ; cela ne prouve ni la prise en charge de JSON Schema ni une supériorité par rapport à Carbon.
  • Validez le JSON extrait en dehors du modèle et vérifiez séparément que les valeurs sont étayées par le document source.
  • Envisagez Hydrogen pour l’extraction et évaluez séparément Carbon lorsque des difficultés d’interprétation justifient l’essai d’un modèle axé sur un raisonnement plus approfondi.
Sur cette page (13)

La décision : tester Hydrogen, mais valider chaque extraction

Gemini 4 Hydrogen est un candidat pertinent pour l’extraction structurée lorsque le workflow exige une exécution rapide et des résultats lisibles par machine. Ne le choisissez toutefois pas plutôt que Gemini 4 Carbon sur la base de la précision d’extraction ou de la conformité à JSON Schema à partir de l’annonce fournie : Google ne propose pas cette comparaison. Carbon y est plutôt décrit comme un modèle de pointe destiné au raisonnement approfondi sur de longues séquences. Voir l’annonce de Google sur Gemini 4 Hydrogen.

En production, considérez la réponse du modèle comme une entrée non fiable : analysez-la, validez-la par rapport à un schéma et vérifiez que ses valeurs sont étayées par le document. Cet article est publié par OneMux, qui donne accès à des modèles de premier plan par l’intermédiaire d’une API compatible avec OpenAI. L’approche de validation ci-dessous reste utile quels que soient le fournisseur ou le point de terminaison.

Hydrogen vs Carbon : capacités documentées et points non établis

Le tableau distingue les descriptions de produits de Google des résultats mesurés dans une comparaison directe. La source fournie étant une annonce du fournisseur, ses affirmations et les résultats de ses partenaires ne doivent pas être confondus avec une évaluation indépendante de votre charge de travail.

DomaineGemini 4 HydrogenGemini 4 CarbonCe que la source n’établit pas
ProgrammationGoogle décrit le débogage de dépôts, des modifications ciblées et des appels parallèles de lecture de fichiers et de recherche. L’entreprise annonce un score Terminal-Bench 4.1 de 57% contre 18.2% pour Gemini 3.8 Flash.Google positionne Carbon sur le jugement architectural et les bugs subtils.Un score comparant directement Hydrogen et Carbon pour la programmation ou le débogage de dépôts.
Appel d’outilsSelon Google, Hydrogen s’adapte lorsqu’un appel d’outil échoue ou qu’une recherche ne renvoie aucun résultat, et peut regrouper les lectures de fichiers et les recherches.Google présente Carbon comme un coordinateur possible d’agents parallèles.Des mesures comparables de précision des appels d’outils, de reprise après échec ou de performance des appels parallèles pour les deux modèles.
Sortie structuréeGoogle décrit des livrables structurés. Un partenaire annonce 100% de conformité au format sur l’ensemble de sa suite d’évaluation du raisonnement et de la créativité.Aucun résultat équivalent en matière de sortie structurée n’est fourni.La prise en charge par l’un ou l’autre modèle d’une option d’API JSON Schema particulière, ou leur conformité relative aux schémas et leur précision d’extraction.
Workflow combinéAntigravity Orchestrator de Google alterne entre plusieurs modèles, dont Carbon et Hydrogen. Google annonce un taux de réussite des tâches proche de celui de Carbon, une consommation de quota réduite de 24% et une exécution 19% plus rapide sur Terminal-Bench 4.0.Carbon sert de point de comparaison pour le résultat annoncé de l’Orchestrator.Une comparaison directe entre Hydrogen et Carbon utilisés séparément, ou des éléments montrant que les mêmes gains s’appliquent à l’extraction.

Source : annonce de Google. Le résultat de conformité au format communiqué par le partenaire est un élément utile concernant cette évaluation, mais l’annonce n’établit pas que celle-ci mesurait la conformité à des schémas JSON arbitraires ou l’exactitude des extractions.

Ce que les éléments sur la programmation et l’utilisation d’outils impliquent pour l’extraction

La capacité décrite de Hydrogen à se remettre d’appels échoués est pertinente si un pipeline d’extraction récupère des documents ou recherche des données de référence. Ses résultats en programmation de dépôts peuvent être utiles lors de la construction de ce pipeline. Aucune de ces affirmations ne prouve toutefois que le modèle choisira le bon outil pour chaque document, extraira la bonne valeur ou renverra un JSON conforme au schéma. Mesurez ces propriétés séparément.

Le positionnement de Carbon sur un raisonnement plus approfondi en fait un candidat pour les documents difficiles à interpréter, mais la source ne quantifie pas une éventuelle amélioration de ses performances sur ces documents. Un circuit de révision humaine constitue une autre option lorsque le coût d’un champ incorrect est élevé.

Construire un workflow d’extraction validé par schéma

Le modèle suivant est illustratif et non testé. Il vise à extraire d’un texte un numéro de facture et un montant total, sans dépendre d’une fonction native de sortie structurée propre à un modèle.

1. Définir le contrat avant de rédiger le prompt

Les prérequis sont l’accès à un point de terminaison de modèle, un texte source que votre application est autorisée à traiter, Python et le package jsonschema. Vérifiez dans la documentation du point de terminaison le nom du modèle, les paramètres de requête et le format de réponse avant de l’intégrer. En particulier, n’utilisez une option native de réponse JSON Schema que si sa prise en charge est documentée par le point de terminaison ; l’annonce fournie ne l’établit pas.

Demandez au modèle de renvoyer uniquement un objet JSON contenant invoice_number, total_amount et currency. Indiquez-lui d’utiliser null pour toute valeur absente explicitement, plutôt que de la deviner. Par exemple, un document indiquant Invoice INV-104; total USD 125.50 pourrait produire :

{"invoice_number":"INV-104","total_amount":125.50,"currency":"USD"}

Utilisez un schéma qui permet de représenter explicitement les valeurs manquantes tout en rejetant les champs et les types inattendus :

import json
from jsonschema import Draft202012Validator

schema = {
    "type": "object",
    "properties": {
        "invoice_number": {"type": ["string", "null"]},
        "total_amount": {"type": ["number", "null"], "minimum": 0},
        "currency": {
            "anyOf": [
                {"type": "string", "pattern": "^[A-Z]{3}$"},
                {"type": "null"}
            ]
        }
    },
    "required": ["invoice_number", "total_amount", "currency"],
    "additionalProperties": False
}

# Replace with the text returned by the model endpoint.
response_text = '{"invoice_number":"INV-104","total_amount":125.50,"currency":"USD"}'

try:
    result = json.loads(response_text)
except json.JSONDecodeError as exc:
    raise ValueError("Response is not valid JSON") from exc

errors = list(Draft202012Validator(schema).iter_errors(result))
if errors:
    raise ValueError("Schema validation failed: " + "; ".join(e.message for e in errors))

print(result)

Le schéma vérifie la structure, les types, le caractère non négatif du montant et le format de la devise, composé de trois lettres majuscules. Il ne vérifie pas que la devise est un code reconnu, que le montant correspond au total de la facture plutôt qu’à un sous-total, ni qu’une valeur figure dans la source. Pour le traitement financier, utilisez également une représentation décimale et des règles comptables appropriées dans l’application qui consomme les données.

2. Traiter les échecs sans les accepter silencieusement

  • JSON invalide : consignez l’échec et, si nécessaire, réessayez en limitant les tentatives et en demandant de renvoyer uniquement l’objet attendu. Ne supprimez pas arbitrairement du texte en supposant que le reste est fiable.
  • Échec de validation du schéma : renvoyez les erreurs de validation pour correction ou transmettez l’élément pour révision. Limitez les tentatives afin qu’un document mal formé ne provoque pas de boucle sans fin.
  • Valeur valide mais non étayée : comparez les champs extraits à la source ou exigez un élément de preuve, comme un passage cité. Soumettez les totaux ambigus et les valeurs contradictoires à une personne.
  • Valeur manquante : distinguez null de zéro et d’une chaîne vide. Décidez en aval si un enregistrement incomplet peut être accepté.
  • Instructions non fiables dans le document : considérez les instructions présentes dans le document comme du contenu à partir duquel extraire des données, et non comme des consignes modifiant la tâche. Limitez les autorisations des outils et examinez indépendamment les actions sensibles.

Comment comparer les modèles sur vos documents

Constituez un ensemble représentatif de documents avec des valeurs de référence vérifiées, comprenant notamment des champs manquants, plusieurs totaux, des mises en forme inhabituelles et des informations contradictoires. Appliquez les mêmes instructions d’extraction et règles de validation à chaque modèle, avec des paramètres documentés. Relevez le taux de conformité au schéma, la précision par champ, le taux de valeurs non étayées, la latence et le coût ; examinez les erreurs plutôt que de vous fier uniquement aux moyennes. Réservez un jeu de données distinct pour la comparaison finale.

OneMux référence à la fois Gemini 4 Hydrogen et Gemini 4 Carbon. Si vous utilisez OneMux pour l’évaluation, vérifiez d’abord la documentation du point de terminaison et la prise en charge des paramètres : un accès compatible avec OpenAI ne suffit pas à établir la prise en charge de toutes les fonctionnalités propres à chaque fournisseur. Ne supposez pas, sans confirmation, qu’une validation native par schéma, un comportement donné des outils ou des paramètres identiques sont disponibles sur toutes les routes.

FAQ

Hydrogen garantit-il une sortie conforme à JSON Schema ?

L’annonce de Google fournie n’établit pas une telle garantie et ne précise pas d’API imposant la conformité à un schéma. Validez les réponses dans votre application, même si un point de terminaison documenté propose un mode de sortie structurée.

Carbon est-il plus précis pour l’extraction ?

La source fournie ne permet pas de le savoir. Google positionne Carbon sur un raisonnement plus approfondi, mais ne donne aucune comparaison de précision d’extraction entre Hydrogen et Carbon. Si ce choix est important, testez les deux modèles sur des documents représentatifs et annotés.

Un JSON valide signifie-t-il que les données extraites sont correctes ?

Non. Un JSON valide peut contenir des valeurs erronées et un JSON conforme au schéma peut malgré tout attribuer un sous-total au champ du total. Vérifiez séparément la justesse sémantique et la présence d’éléments à l’appui dans la source.

Conclusion

Hydrogen présente des points forts documentés en programmation et en exécution agentique, tandis que Carbon est positionné sur un raisonnement plus approfondi. Les éléments fournis ne permettent pas de déterminer quel modèle est le meilleur pour l’extraction structurée. Commencez par définir un schéma clair et une validation indépendante, puis choisissez en fonction des erreurs, de la latence et du coût mesurés sur vos propres documents.

Sources

FAQ

Gemini 4 Hydrogen garantit-il une sortie conforme à JSON Schema ?

L’annonce de Google fournie n’établit aucune garantie et ne précise pas d’API imposant la conformité à un schéma. Validez les réponses dans votre application, y compris lorsqu’un point de terminaison documente un mode de sortie structurée.

Gemini 4 Carbon est-il plus précis que Hydrogen pour l’extraction ?

La source fournie ne propose pas de comparaison directe de la précision d’extraction. Évaluez les deux modèles à partir d’exemples vérifiés issus de vos propres documents.

Un JSON conforme au schéma prouve-t-il qu’une extraction est correcte ?

Non. La validation par schéma vérifie la structure et les contraintes spécifiées, mais pas si une valeur est étayée par la source ou correspond au champ attendu.

Articles liés