Gemini 4 Hydrogen बनाम Carbon: स्ट्रक्चर्ड एक्सट्रैक्शन के बारे में स्रोत क्या बताता है
Gemini 4 Hydrogen और Carbon के लिए उपलब्ध कोडिंग, टूल उपयोग और स्ट्रक्चर्ड आउटपुट के साक्ष्य की तुलना करें और स्कीमा से सत्यापित एक्सट्रैक्शन वर्कफ़्लो डिज़ाइन करें।
सारांश · TL;DR
Google, Hydrogen को कोडिंग और एजेंटिक वर्कफ़्लो के लिए एक एक्ज़ीक्यूशन मॉडल और Carbon को गहन तर्क के लिए एक मॉडल के रूप में बताता है। उसकी घोषणा में स्कीमा-आधारित एक्सट्रैक्शन के लिए दोनों की सीधी तुलना से कोई विजेता तय नहीं होता। इसलिए आउटपुट को सत्यापित करें और अपने दस्तावेज़ों पर मॉडल को बेंचमार्क करें।
मुख्य बातें
- दिए गए Google घोषणा-पत्र में Hydrogen के कोडिंग और टूल उपयोग के व्यवहार का वर्णन है, लेकिन इन क्षमताओं पर Carbon के साथ समान आधार वाली सीधी तुलना नहीं दी गई है।
- एक पार्टनर ने अपने मूल्यांकन सूट में Hydrogen के लिए 100% फ़ॉर्मैट अनुपालन की रिपोर्ट दी है; यह JSON Schema समर्थन या Carbon से तुलना का प्रमाण नहीं है।
- एक्सट्रैक्ट किए गए JSON को मॉडल के बाहर सत्यापित करें और अलग से जाँचें कि मानों की पुष्टि स्रोत दस्तावेज़ से होती है या नहीं।
- एक्सट्रैक्शन के लिए Hydrogen को एक उम्मीदवार मानें और जहाँ कठिन व्याख्या के लिए गहन तर्क वाला मॉडल उपयोगी हो सकता है, वहाँ Carbon का अलग से मूल्यांकन करें।
इस पृष्ठ पर (13)
फ़ैसला: Hydrogen को आज़माएँ, लेकिन हर एक्सट्रैक्शन सत्यापित करें
जब वर्कफ़्लो में तेज़ एक्ज़ीक्यूशन और मशीन द्वारा पढ़े जा सकने वाले नतीजे चाहिए हों, तब Gemini 4 Hydrogen स्ट्रक्चर्ड एक्सट्रैक्शन के लिए एक उचित उम्मीदवार है। दी गई घोषणा के आधार पर एक्सट्रैक्शन की सटीकता या JSON Schema अनुपालन के लिए इसे Gemini 4 Carbon से बेहतर न चुनें: Google ने ऐसी तुलना नहीं दी है। इसके बजाय Carbon को गहन, दीर्घ-अवधि वाले तर्क के लिए एक अग्रणी मॉडल बताया गया है। देखें Google की Gemini 4 Hydrogen घोषणा।
प्रोडक्शन में मॉडल की प्रतिक्रिया को अविश्वसनीय इनपुट मानें: उसे पार्स करें, स्कीमा के विरुद्ध सत्यापित करें और जाँचें कि उसके मानों की पुष्टि दस्तावेज़ से होती है या नहीं। यह लेख OneMux ने प्रकाशित किया है, जो OpenAI-compatible API के ज़रिए प्रमुख मॉडल तक पहुँच देता है। नीचे दिया गया वैलिडेशन तरीका किसी भी प्रदाता या एंडपॉइंट के साथ उपयोगी है।
Hydrogen बनाम Carbon: दर्ज क्षमताएँ और जानकारी की कमी
यह तालिका Google के उत्पाद विवरणों को मापे गए सीधे तुलनात्मक नतीजों से अलग करती है। दिया गया स्रोत विक्रेता की घोषणा है, इसलिए उसके दावों और पार्टनर के नतीजों को अपने वर्कलोड का स्वतंत्र मूल्यांकन न समझें।
| क्षेत्र | Gemini 4 Hydrogen | Gemini 4 Carbon | स्रोत से क्या स्थापित नहीं होता |
|---|---|---|---|
| कोडिंग | Google रिपॉज़िटरी डीबगिंग, लक्षित बदलाव और समानांतर फ़ाइल-रीड तथा सर्च कॉल का वर्णन करता है। वह Terminal-Bench 4.1 में 57% स्कोर की रिपोर्ट देता है, जबकि Gemini 3.8 Flash का स्कोर 18.2% है। | Google, Carbon को आर्किटेक्चर संबंधी निर्णय और मुश्किल से पकड़ में आने वाले बग के लिए उपयुक्त बताता है। | रिपॉज़िटरी कोडिंग या डीबगिंग के लिए Hydrogen और Carbon का सीधा तुलनात्मक स्कोर। |
| टूल कॉलिंग | Google के अनुसार, टूल कॉल विफल होने या सर्च में कोई नतीजा न मिलने पर Hydrogen अपना तरीका बदलता है और फ़ाइल रीड तथा सर्च को बैच कर सकता है। | Google, Carbon को समानांतर एजेंटों के संभावित कोऑर्डिनेटर के रूप में बताता है। | दोनों मॉडल की टूल-कॉल सटीकता, विफलता से उबरने की क्षमता या समानांतर कॉल प्रदर्शन के तुलनीय आँकड़े। |
| स्ट्रक्चर्ड आउटपुट | Google संरचित डिलिवरेबल्स का वर्णन करता है। एक पार्टनर अपने तर्क और रचनात्मकता संबंधी मूल्यांकन सूट में 100% फ़ॉर्मैट अनुपालन की रिपोर्ट देता है। | स्ट्रक्चर्ड आउटपुट का कोई समकक्ष नतीजा नहीं दिया गया है। | क्या कोई भी मॉडल किसी खास JSON Schema API विकल्प का समर्थन करता है, या स्कीमा अनुपालन और एक्सट्रैक्शन सटीकता में दोनों की तुलना क्या है। |
| संयुक्त वर्कफ़्लो | Google का Antigravity Orchestrator, Carbon और Hydrogen सहित अलग-अलग मॉडल के बीच स्विच करता है। Google Terminal-Bench 4.0 पर Carbon के करीब कार्य-सफलता, 24% कम कोटा खपत और 19% जल्दी कार्य पूरा होने की रिपोर्ट देता है। | Orchestrator के बताए गए इस नतीजे में Carbon तुलना का आधार है। | अकेले Hydrogen और Carbon की सीधी तुलना, या इस बात का प्रमाण कि यही लाभ एक्सट्रैक्शन पर भी लागू होते हैं। |
स्रोत: Google की घोषणा। पार्टनर का फ़ॉर्मैट-अनुपालन नतीजा उस मूल्यांकन के बारे में उपयोगी साक्ष्य है, लेकिन घोषणा से यह स्थापित नहीं होता कि उसमें मनमाने JSON स्कीमा या एक्सट्रैक्शन की शुद्धता मापी गई थी।
कोडिंग और टूल उपयोग के साक्ष्य का एक्सट्रैक्शन के लिए क्या मतलब है
अगर एक्सट्रैक्शन पाइपलाइन दस्तावेज़ प्राप्त करती है या संदर्भ डेटा खोजती है, तो विफल कॉल से उबरने की Hydrogen की बताई गई क्षमता प्रासंगिक है। पाइपलाइन बनाते समय उसके रिपॉज़िटरी-कोडिंग नतीजे भी महत्वपूर्ण हो सकते हैं। इनमें से कोई भी दावा यह साबित नहीं करता कि मॉडल हर दस्तावेज़ के लिए सही टूल चुनेगा, सही मान निकालेगा या स्कीमा के अनुसार वैध JSON लौटाएगा। इन गुणों को अलग-अलग मापें।
गहन तर्क के लिए Carbon की स्थिति उसे उन दस्तावेज़ों के लिए एक उम्मीदवार बनाती है जिनकी व्याख्या कठिन है, लेकिन स्रोत यह नहीं बताता कि ऐसे दस्तावेज़ों पर उसका प्रदर्शन कितना बेहतर है या बेहतर है भी या नहीं। जब किसी गलत फ़ील्ड की कीमत अधिक हो, तो मानवीय समीक्षा का रास्ता भी एक विकल्प है।
स्कीमा से सत्यापित एक्सट्रैक्शन वर्कफ़्लो बनाएँ
नीचे टेक्स्ट से इनवॉइस नंबर और कुल राशि निकालने का एक उदाहरणात्मक, अपरीक्षित तरीका दिया गया है। यह किसी खास मॉडल की मूल स्ट्रक्चर्ड-आउटपुट सुविधा पर निर्भर नहीं है।
1. प्रॉम्प्ट देने से पहले अनुबंध तय करें
इसके लिए मॉडल एंडपॉइंट तक पहुँच, ऐसा स्रोत टेक्स्ट जिसे प्रोसेस करने की आपके एप्लिकेशन को अनुमति हो, Python और jsonschema पैकेज चाहिए। एकीकरण से पहले एंडपॉइंट के दस्तावेज़ों में दिए मॉडल नाम, अनुरोध पैरामीटर और प्रतिक्रिया फ़ॉर्मैट की पुष्टि करें। विशेष रूप से, मूल JSON Schema प्रतिक्रिया विकल्प का उपयोग तभी करें जब एंडपॉइंट के दस्तावेज़ों में उसके समर्थन की जानकारी हो; दी गई घोषणा से ऐसा समर्थन स्थापित नहीं होता।
मॉडल से केवल एक JSON ऑब्जेक्ट लौटाने को कहें, जिसमें invoice_number, total_amount और currency हों। उसे निर्देश दें कि जो मान स्पष्ट रूप से मौजूद न हो, उसका अनुमान लगाने के बजाय null इस्तेमाल करे। उदाहरण के लिए, Invoice INV-104; total USD 125.50 लिखे दस्तावेज़ से यह परिणाम मिल सकता है:
{"invoice_number":"INV-104","total_amount":125.50,"currency":"USD"}
ऐसा स्कीमा इस्तेमाल करें जो अनुपस्थित मानों को स्पष्ट रूप से दर्शाने दे और अप्रत्याशित फ़ील्ड तथा प्रकारों को अस्वीकार करे:
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)
स्कीमा संरचना, प्रकार, गैर-ऋणात्मक राशि और तीन बड़े अक्षरों वाले मुद्रा फ़ॉर्मैट की जाँच करता है। यह सत्यापित नहीं करता कि मुद्रा एक मान्यता प्राप्त कोड है, राशि उप-योग के बजाय इनवॉइस की कुल राशि है या कोई मान स्रोत में मौजूद है। वित्तीय प्रोसेसिंग के लिए, डेटा का उपयोग करने वाले एप्लिकेशन में उपयुक्त दशमलव निरूपण और लेखांकन नियम भी इस्तेमाल करें।
2. विफलताओं को चुपचाप स्वीकार करने के बजाय संभालें
- अवैध JSON: विफलता दर्ज करें और चाहें तो केवल अनुरोधित ऑब्जेक्ट लौटाने के सीमित निर्देश के साथ दोबारा प्रयास करें। मनमाना टेक्स्ट हटाकर बाकी को भरोसेमंद न मानें।
- स्कीमा विफलता: सुधार के लिए वैलिडेशन त्रुटियाँ लौटाएँ या आइटम को समीक्षा के लिए भेजें। दोबारा प्रयासों की सीमा तय करें, ताकि गलत संरचना वाला दस्तावेज़ अंतहीन लूप न बना सके।
- वैध लेकिन स्रोत से असमर्थित मान: एक्सट्रैक्ट किए गए फ़ील्ड की स्रोत से तुलना करें या उद्धृत अंश जैसे साक्ष्य की माँग करें। अस्पष्ट कुल राशियाँ और परस्पर विरोधी मान किसी व्यक्ति को भेजें।
- अनुपस्थित मान:
nullको शून्य या खाली स्ट्रिंग से अलग रखें। आगे की प्रोसेसिंग में तय करें कि अधूरा रिकॉर्ड स्वीकार किया जा सकता है या नहीं। - अविश्वसनीय दस्तावेज़ निर्देश: दस्तावेज़ के भीतर दिए निर्देशों को एक्सट्रैक्शन की सामग्री मानें, कार्य बदलने के निर्देश नहीं। टूल अनुमतियाँ सीमित रखें और संवेदनशील कार्रवाइयों की स्वतंत्र समीक्षा करें।
अपने दस्तावेज़ों पर मॉडल की तुलना कैसे करें
समीक्षित संदर्भ मानों वाले दस्तावेज़ों का एक प्रतिनिधि सेट बनाएँ, जिसमें अनुपस्थित फ़ील्ड, कई कुल राशियाँ, असामान्य फ़ॉर्मैटिंग और परस्पर विरोधी जानकारी शामिल हों। दस्तावेज़ों में दर्ज सेटिंग का उपयोग करते हुए प्रत्येक मॉडल के लिए समान एक्सट्रैक्शन निर्देश और वैलिडेशन नियम चलाएँ। स्कीमा के अनुसार वैध नतीजों की दर, फ़ील्ड-स्तर की सटीकता, स्रोत से असमर्थित मानों की दर, लेटेंसी और लागत दर्ज करें; केवल औसत पर निर्भर रहने के बजाय त्रुटियों की समीक्षा करें। अंतिम तुलना के लिए एक अलग होल्डआउट सेट रखें।
OneMux पर Gemini 4 Hydrogen और Gemini 4 Carbon, दोनों सूचीबद्ध हैं। मूल्यांकन के लिए OneMux इस्तेमाल कर रहे हों, तो पहले दस्तावेज़ों में दिए एंडपॉइंट और पैरामीटर समर्थन की जाँच करें: केवल OpenAI-compatible पहुँच से हर प्रदाता-विशिष्ट सुविधा का समर्थन स्थापित नहीं होता। पुष्टि के बिना अलग-अलग रूट पर मूल स्कीमा एनफ़ोर्समेंट, टूल व्यवहार या एक जैसी सेटिंग मानकर न चलें।
FAQ
क्या Hydrogen, JSON Schema के अनुरूप आउटपुट की गारंटी देता है?
दी गई Google घोषणा ऐसी कोई गारंटी स्थापित नहीं करती और न ही स्कीमा लागू कराने वाला API निर्दिष्ट करती है। भले ही दस्तावेज़ों में किसी एंडपॉइंट पर स्ट्रक्चर्ड-आउटपुट मोड उपलब्ध बताया गया हो, अपने एप्लिकेशन में प्रतिक्रियाओं को सत्यापित करें।
क्या एक्सट्रैक्शन के लिए Carbon अधिक सटीक है?
दिए गए स्रोत से यह पता नहीं चलता। Google, Carbon को गहन तर्क के लिए उपयुक्त बताता है, लेकिन Hydrogen और Carbon की एक्सट्रैक्शन सटीकता की तुलना नहीं देता। अगर चुनाव महत्वपूर्ण है, तो प्रतिनिधि लेबल किए गए दस्तावेज़ों पर दोनों का परीक्षण करें।
क्या वैध JSON का मतलब है कि एक्सट्रैक्ट किया गया डेटा सही है?
नहीं। वैध JSON में गलत मान हो सकते हैं और स्कीमा के अनुसार वैध JSON भी कुल राशि वाले फ़ील्ड में उप-योग डाल सकता है। अर्थ के स्तर पर शुद्धता और स्रोत से पुष्टि की अलग-अलग जाँच करें।
निष्कर्ष
Hydrogen की कोडिंग और एजेंटिक एक्ज़ीक्यूशन में दर्ज खूबियाँ हैं, जबकि Carbon को गहन तर्क के लिए उपयुक्त बताया गया है। दिए गए साक्ष्य से यह तय नहीं होता कि स्ट्रक्चर्ड एक्सट्रैक्शन में कौन-सा मॉडल बेहतर है। स्पष्ट स्कीमा और स्वतंत्र वैलिडेशन से शुरुआत करें, फिर अपने दस्तावेज़ों पर मापी गई त्रुटियों, लेटेंसी और लागत के आधार पर चुनाव करें।
स्रोत
- Google: Introducing Gemini 4 Hydrogen — ऊपर चर्चा किए गए मॉडल विवरणों, बेंचमार्क दावों और पार्टनर द्वारा रिपोर्ट किए गए नतीजे का स्रोत।
सामान्य प्रश्न
क्या Gemini 4 Hydrogen, JSON Schema के अनुरूप आउटपुट की गारंटी देता है?
दी गई Google घोषणा कोई गारंटी स्थापित नहीं करती और न ही स्कीमा लागू कराने वाला API निर्दिष्ट करती है। अपने एप्लिकेशन में प्रतिक्रियाओं को सत्यापित करें, तब भी जब किसी एंडपॉइंट के दस्तावेज़ों में स्ट्रक्चर्ड-आउटपुट मोड दिया गया हो।
क्या एक्सट्रैक्शन के लिए Gemini 4 Carbon, Hydrogen से अधिक सटीक है?
दिए गए स्रोत में एक्सट्रैक्शन सटीकता की सीधी तुलना नहीं है। अपने दस्तावेज़ों के समीक्षित उदाहरणों पर दोनों का मूल्यांकन करें।
क्या स्कीमा के अनुसार वैध JSON यह साबित करता है कि एक्सट्रैक्शन सही है?
नहीं। स्कीमा वैलिडेशन निर्दिष्ट संरचना और सीमाओं की जाँच करता है, यह नहीं कि किसी मान की पुष्टि स्रोत से होती है या वह इच्छित फ़ील्ड को दर्शाता है।
संबंधित लेख
Guides
JSON Extraction वर्कफ़्लो के लिए Grok Imagine Image API की लागत का अनुमान
Grok Imagine Image से इमेज जनरेट करने का शुल्क अनुमानित करें, extraction की अज्ञात लागतों को पहचानें और JSON schema के आधार पर structured records को validate करें।
Guides
Structured extraction के लिए GPT 6.2 Sol API की लागत: दोहराया जा सकने वाला अनुमान
Token, retry, cache और context-tier से जुड़ी स्पष्ट मान्यताओं के आधार पर GPT 6.2 Sol से structured extraction की लागत का अनुमान लगाएं।
Guides
स्ट्रक्चर्ड एक्सट्रैक्शन के लिए GPT Image 2.6 Sunburst API की लागत: योजना बनाने की गाइड
टोकन संबंधी स्पष्ट मान्यताओं, स्कीमा वैलिडेशन, रीट्राई और मूल्य निर्धारण की सीमाओं के साथ image-to-JSON वर्कलोड का अनुमान लगाएं।
Guides
Schema से सत्यापित extraction के लिए GPT Image 2.6 Flare API की लागत का अनुमान
Structured extraction के लिए दोबारा जाँचा जा सकने वाला API बजट बनाएँ और दस्तावेज़ों में दी गई image-token दरों को extraction और OneMux की अज्ञात कीमतों से अलग रखें।