GuidesOneMux

Gemini 4 Hydrogen и Carbon: что источник говорит о структурированном извлечении данных

Сравните опубликованные сведения о программировании, использовании инструментов и структурированном выводе Gemini 4 Hydrogen и Carbon и создайте процесс извлечения данных с проверкой по схеме.

AI

Кратко · TL;DR

Google описывает Hydrogen как модель для выполнения задач программирования и агентных процессов, а Carbon — как модель для более глубоких рассуждений. В анонсе не установлено, какая из них лучше извлекает данные с соблюдением схемы, поэтому проверяйте результаты и тестируйте модели на собственных документах.

Главное

  • В приведённом анонсе Google описывает работу Hydrogen с кодом и инструментами, но не приводит сопоставимых результатов прямого сравнения с Carbon по этим возможностям.
  • Партнёр сообщает о 100% соблюдении формата моделью Hydrogen в своём наборе оценочных тестов; это не доказывает поддержку JSON Schema и не является сравнением с Carbon.
  • Проверяйте извлечённый JSON вне модели и отдельно убеждайтесь, что значения подтверждаются исходным документом.
  • Рассматривайте Hydrogen как кандидата для извлечения данных, а Carbon оценивайте отдельно, когда сложная интерпретация требует кандидата, способного к более глубоким рассуждениям.
В этой статье (13)

Решение: тестируйте Hydrogen, но проверяйте каждый результат извлечения

Gemini 4 Hydrogen — подходящий кандидат для структурированного извлечения данных, когда процессу нужны быстрое выполнение и машиночитаемые результаты. Но не выбирайте его вместо Gemini 4 Carbon на основании точности извлечения или соблюдения JSON Schema, опираясь на приведённый анонс: Google не проводит такого сравнения. Carbon, в свою очередь, описывается как передовая модель для глубоких и долгосрочных рассуждений. См. анонс Google о Gemini 4 Hydrogen.

В производственной среде считайте ответ модели недоверенным вводом: разбирайте его, проверяйте по схеме и убеждайтесь, что значения подтверждаются документом. Эта статья опубликована OneMux, который предоставляет доступ к ведущим моделям через OpenAI-совместимый API. Описанный ниже подход к проверке полезен независимо от провайдера и конечной точки.

Hydrogen и Carbon: подтверждённые возможности и пробелы в данных

В таблице описания продуктов от Google отделены от результатов прямого сравнительного тестирования. Приведённый источник — анонс поставщика, поэтому его утверждения и результаты партнёра не следует принимать за независимую оценку применительно к вашим задачам.

ОбластьGemini 4 HydrogenGemini 4 CarbonЧто источник не устанавливает
ПрограммированиеGoogle описывает отладку репозиториев, точечные правки и параллельные вызовы для чтения файлов и поиска. Компания сообщает о результате 57% в Terminal-Bench 4.1 против 18.2% у Gemini 3.8 Flash.Google позиционирует Carbon как модель для принятия архитектурных решений и работы со сложными для обнаружения ошибками.Результат прямого сравнения Hydrogen и Carbon при работе с кодом или отладке репозиториев.
Вызов инструментовПо словам Google, Hydrogen адаптируется, когда вызов инструмента завершается ошибкой или поиск не даёт результатов, и может группировать операции чтения файлов и поиска.Google описывает Carbon как возможного координатора параллельных агентов.Сопоставимые показатели точности вызова инструментов, восстановления после ошибок или производительности параллельных вызовов для двух моделей.
Структурированный выводGoogle описывает структурированные результаты работы. Один из партнёров сообщает о 100% соблюдении формата в своём наборе тестов на рассуждение и творческие задачи.Аналогичный результат для структурированного вывода не приведён.Поддерживает ли какая-либо из моделей конкретную опцию JSON Schema в API, а также как соотносятся модели по соблюдению схемы и точности извлечения.
Комбинированный процессAntigravity Orchestrator от Google переключается между моделями, включая Carbon и Hydrogen. Google сообщает об успешности выполнения задач, близкой к Carbon, на 24% меньшем расходе квоты и на 19% более быстром выполнении в Terminal-Bench 4.0.Carbon служит точкой сравнения для этого опубликованного результата Orchestrator.Сравнение Hydrogen и Carbon по отдельности или подтверждение того, что такие же улучшения применимы к извлечению данных.

Источник: анонс Google. Результат партнёра по соблюдению формата полезен для понимания проведённой им оценки, но анонс не подтверждает, что в ней проверялись произвольные схемы JSON или правильность извлечения данных.

Что сведения о программировании и использовании инструментов значат для извлечения данных

Описанная способность Hydrogen восстанавливаться после неудачных вызовов важна, если конвейер извлечения получает документы или ищет справочные данные. Результаты модели при работе с кодом репозиториев могут иметь значение при создании такого конвейера. Однако ни одно из этих утверждений не доказывает, что модель выберет нужный инструмент для каждого документа, извлечёт правильное значение или вернёт JSON, соответствующий схеме. Измеряйте эти свойства отдельно.

Позиционирование Carbon как модели для более глубоких рассуждений делает её кандидатом для работы с документами, сложными для интерпретации. Однако источник не даёт количественной оценки того, справляется ли она с ними лучше. Если цена ошибки в поле высока, можно также предусмотреть проверку человеком.

Создание процесса извлечения данных с проверкой по схеме

Ниже приведён иллюстративный, непроверенный пример извлечения номера счёта и итоговой суммы из текста. Он не зависит от встроенной функции структурированного вывода какой-либо конкретной модели.

1. Определите контракт до составления промпта

Для работы нужны доступ к конечной точке модели, исходный текст, который вашему приложению разрешено обрабатывать, Python и пакет jsonschema. Перед интеграцией проверьте документированное имя модели, параметры запроса и формат ответа конечной точки. В частности, используйте встроенную опцию ответа JSON Schema, только если её поддержка указана в документации конечной точки; приведённый анонс такую поддержку не подтверждает.

Попросите модель вернуть только объект JSON с полями invoice_number, total_amount и currency. Укажите, что для явно отсутствующего значения нужно использовать null, а не пытаться его угадать. Например, для документа с текстом Invoice INV-104; total USD 125.50 результат может выглядеть так:

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

Используйте схему, которая позволяет явно обозначать отсутствующие значения, но отклоняет неожиданные поля и типы:

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)

Схема проверяет структуру, типы, неотрицательность суммы и формат валюты из трёх заглавных букв. Она не проверяет, является ли валюта признанным кодом, указана ли итоговая сумма счёта, а не промежуточный итог, и встречается ли какое-либо значение в источнике. Для финансовой обработки также используйте подходящее десятичное представление и правила учёта в приложении, потребляющем данные.

2. Обрабатывайте ошибки, не принимая их молча

  • Некорректный JSON: фиксируйте ошибку и при необходимости повторяйте запрос с ограниченной инструкцией вернуть только запрошенный объект. Не удаляйте произвольный текст в предположении, что остатку можно доверять.
  • Ошибка проверки по схеме: возвращайте ошибки валидации для исправления или отправляйте запись на проверку. Ограничьте число повторов, чтобы некорректный документ не вызвал бесконечный цикл.
  • Корректное, но не подтверждённое значение: сравнивайте извлечённые поля с источником или требуйте подтверждения, например цитаты. Неоднозначные итоговые суммы и противоречащие друг другу значения передавайте человеку.
  • Отсутствующее значение: не смешивайте null с нулём или пустой строкой. На последующих этапах решайте, допустимо ли принимать неполную запись.
  • Недоверенные инструкции в документе: считайте инструкции внутри документа содержимым, из которого извлекаются данные, а не указаниями изменить задачу. Ограничивайте разрешения инструментов и независимо проверяйте чувствительные действия.

Как сравнить модели на ваших документах

Подготовьте репрезентативный набор документов с проверенными эталонными значениями. Включите примеры с отсутствующими полями, несколькими итоговыми суммами, необычным форматированием и противоречивыми сведениями. Примените к каждой модели одинаковые инструкции по извлечению и правила валидации, используя документированные настройки. Фиксируйте долю результатов, соответствующих схеме, точность на уровне полей, долю неподтверждённых значений, задержку и стоимость; анализируйте ошибки, а не полагайтесь только на средние показатели. Для итогового сравнения сохраните отдельную отложенную выборку.

В каталоге OneMux представлены Gemini 4 Hydrogen и Gemini 4 Carbon. Если вы используете OneMux для оценки, сначала проверьте документацию конечной точки и поддержку параметров: один лишь доступ через OpenAI-совместимый API не подтверждает поддержку всех функций конкретного провайдера. Без подтверждения не предполагайте наличие встроенного обеспечения соответствия схеме, определённого поведения инструментов или одинаковых настроек при разных способах маршрутизации запросов.

FAQ

Гарантирует ли Hydrogen вывод, соответствующий JSON Schema?

Приведённый анонс Google не устанавливает такой гарантии и не описывает API для обеспечения соответствия схеме. Проверяйте ответы в своём приложении, даже если в документации конечной точки указан режим структурированного вывода.

Точнее ли Carbon при извлечении данных?

Из приведённого источника это неизвестно. Google позиционирует Carbon для более глубоких рассуждений, но не сравнивает точность извлечения Hydrogen и Carbon. Если выбор модели важен, протестируйте обе на репрезентативных размеченных документах.

Означает ли корректный JSON, что данные извлечены правильно?

Нет. Корректный JSON может содержать неверные значения, а JSON, соответствующий схеме, всё равно может указывать промежуточный итог в поле общей суммы. Отдельно проверяйте смысловую корректность и соответствие исходному документу.

Заключение

Для Hydrogen описаны сильные стороны в программировании и выполнении агентных задач, тогда как Carbon позиционируется для более глубоких рассуждений. Приведённых сведений недостаточно, чтобы определить, какая модель лучше справляется со структурированным извлечением данных. Начните с чёткой схемы и независимой валидации, а затем выбирайте модель по измеренным ошибкам, задержке и стоимости при работе с вашими документами.

Источники

  • Google: Introducing Gemini 4 Hydrogen — источник описаний моделей, заявленных результатов тестов и результата, опубликованного партнёром, которые рассматриваются выше.

Вопросы

Гарантирует ли Gemini 4 Hydrogen вывод, соответствующий JSON Schema?

Приведённый анонс Google не устанавливает такой гарантии и не описывает API для обеспечения соответствия схеме. Проверяйте ответы в своём приложении, в том числе когда в документации конечной точки указан режим структурированного вывода.

Точнее ли Gemini 4 Carbon, чем Hydrogen, при извлечении данных?

Приведённый источник не содержит прямого сравнения точности извлечения. Оцените обе модели на проверенных примерах из ваших документов.

Доказывает ли соответствие JSON схеме правильность извлечённых данных?

Нет. Валидация по схеме проверяет заданную структуру и ограничения, но не то, подтверждается ли значение источником и соответствует ли оно нужному полю.

Похожие статьи

Guides

Оценка стоимости API Grok Imagine Image для извлечения данных в JSON

Оцените расходы на генерацию изображений с помощью Grok Imagine Image, определите недостающие расходы на извлечение и проверьте структурированные записи по JSON-схеме.

阅读全文 →

Guides

Стоимость API Qwen4 Max для извлечения данных по JSON Schema

Оцените стоимость извлечения данных с Qwen4 Max на документ и на 100 000 документов с учетом повторных запросов, допущений о кэше и проверки JSON Schema.

阅读全文 →

Guides

Стоимость GPT Image 2 API для структурированного извлечения данных: оценка на основе допущений

Оцените стоимость работы с GPT Image 2 на основе явных допущений о токенах и узнайте, почему перед планированием бюджета нужно проверить поддержку извлечения данных в JSON.

阅读全文 →

Guides

Стоимость API GPT 6.2 Sol для структурированного извлечения: воспроизводимая оценка

Оценка стоимости структурированного извлечения с помощью GPT 6.2 Sol на основе явных допущений о токенах, повторных запросах, кэше и тарифах для разных размеров контекста.

阅读全文 →