Gemini 4 Hydrogen vs Terra｜使い分け

「Gemini 4 Hydrogen と GPT-6.1 Terra、どちらを業務の仕組みに入れればいいのか」「単価は Terra のほうが安いけれど、それだけで決めていいのか」——各社の速い中位のモデルが1か月のうちに続けて出て、比べようとしたところで手が止まっている方は多いはずです。

結論から言うと、音声や動画を読ませる仕事、30万トークン近い長い資料を毎回丸ごと渡す仕事、Google のツールの中で使う仕事は Hydrogen、画面の操作やファイル編集を伴うエージェントの仕事、出力を最大まで長く取りたい仕事、OpenAI の道具（Codex・ChatGPT Work）の中で使う仕事は Terraが向いています。トークンの単価は Terra のほうが安いものの、入力が27万2,000トークンを超えると逆転し、考える量の違いでも1回の費用は変わります。

株式会社Fyveは、中小企業の AI 活用を月額で伴走支援しながら、社内の定型作業でも複数社の AI を毎日動かしています。この記事では、Google と OpenAI の公式ドキュメントに書かれていることと、私たちが2026年11月13日に同じ問題を両方に解かせた結果だけを使い、2つのモデルの使い分けを整理します。

Gemini 4 Hydrogen そのものが何か、3.8 Flash から何が変わったかは、こちらにまとめています。

AI業務効率化Gemini 4 Hydrogenとは｜Flash後継の変更点

Gemini 4 Hydrogen と GPT-6.1 Terra の使い分け早見表

先に、仕事の種類ごとにどちらを選ぶかを表にします。理由は後の節で1つずつ説明します。

どちらも「いちばん賢いモデル」ではなく、上位のモデルの下で日常の仕事を速く安く回すための位置にいます。だから比べるときは、点数よりも「何を入力し、どこで動かし、1回にいくらかかるか」で決めるほうが外しにくくなります。

2つのモデルの位置づけ｜どちらも「上位の下の実行役」

Gemini 4 Hydrogen：Flash の名前を置き換える Google の速いモデル

Gemini 4 Hydrogen は、Google が2026年11月12日（米国時間）に発表したモデルで、API でのモデル名は gemini-4-hydrogen です。Google は、いちばん難しい仕事向けの Gemini 4 Carbon、コードと分析向けの Gemini 4 Argon の下に、日常の実行役として Hydrogen を置いています。発表では、既定の high の設定で Gemini 3.8 Flash より約2.5倍速く仕事を終えるとしています。

Google の移行ガイドは、用途として日常のコーディング、対話型の Web アプリ、道具を使うエージェント、表・グラフ・PDF・画像・音声・動画をまたぐ資料の処理、並列のサブエージェントを挙げています。

GPT-6.1 Terra：画面の理解と操作を強めた OpenAI の中位モデル

GPT-6.1 Terra は、OpenAI が2026年10月26日（米国時間）に発表したモデルで、API でのモデル名は gpt-6.1-terra です。OpenAI のラインナップでは、軽い GPT-6 Luna と、上位の GPT-6.1 Sol・GPT-6 Astra の間に入る中位のモデルです。OpenAI は「速く効率がよく、細かい画像の読み取りと正確なコンピューター操作を組み合わせたモデル」と紹介しています。

Terra そのものの詳しい説明は、次の記事にあります。

GPT-6.1 Terraとは｜できることと前から変わった点

なお、Google の発表は自社の Gemini のモデルとだけ比べていて、Terra には触れていません。この記事の比較は、両社の公式の仕様を私たちが並べたものです。

仕様の違いを1枚で比べる

両社の公式ドキュメント（Gemini API の移行ガイド「What's new in Gemini 4 Hydrogen」と、OpenAI の API のモデルページ）から、使い分けに効く項目を並べます。どちらも2026年11月13日に確認した値です。

料金は変わることがあります。使う前に、Google の料金ページ（https://aistudio.google.com/docs/pricing）と OpenAI のモデルページ（https://developers.openai.com/api/docs/models/gpt-6.1-terra）で最新の値を確かめてください。どちらも税別のドル建てで、API を使った分だけかかる従量の料金です。

使い分け1：入力の種類｜音声・動画なら Hydrogen

いちばんはっきり分かれるのが、入力として受け付けるものです。OpenAI のモデルページでは、Terra の入力はテキストと画像で、音声と動画は「非対応」と明記されています。一方、Google の移行ガイドは、Hydrogen が表・グラフ・PDF・画像・音声・動画を読み取ってまとめられると書き、動画を道具として扱いながら理解する「エージェント的な動画理解」も挙げています。

たとえば、次のような仕事は Hydrogen 側で組むのが素直です。

• 会議や商談の録音から、決まったことと宿題を抜き出す
• 現場で撮った動画から、作業の手順書の下書きを作る
• 音声つきの研修動画から、確認テストの問題を作る

Terra でも、音声を別のサービスで文字に起こしてから渡せば同じことはできます。ただ、その分だけ仕組みの部品と費用が増えます。逆に、画像（スクリーンショット・図面・商品写真）を読ませる仕事なら、どちらも対応しているので、この項目では差がつきません。

使い分け2：費用｜単価は Terra が安いが、条件で逆転する

ふだんの長さなら Terra のほうが安い

単価だけを見ると、入力も出力も Terra が Hydrogen の約3分の2です。同じ量のトークンを使う前提で、1回の費用を試算すると次のとおりです（2026年11月13日時点の公式の単価で計算・キャッシュは使わない前提）。

2行目で逆転しているのは、Terra の長い入力の割増のためです。入力が27万2,000トークンを超えると、そのリクエスト全体の入力が $2、出力が $7.50 になります。出力の単価は Hydrogen と同じになり、入力は Hydrogen の $1.50 より高くなります。Hydrogen は文脈の長さで単価が変わらないと、Google の発表に書かれています。

契約書の束や、長い社内規程をまるごと渡して毎回質問するような仕組みでは、この境目を越えるかどうかで結論が変わります。

同じ単価でも、考える量で1回の費用が変わる

もう1つ効くのが、答える前に考える量です。どちらのモデルも、考えた分のトークンは出力として課金されます。考える量の設定は Hydrogen が thinking level、Terra が effort で、既定は Hydrogen が high、Terra が medium と、Hydrogen のほうが深く考える側に置かれています。Terra には、ほとんど考えずに答える none の段もあります。

つまり、単価が安いうえに考える量も少なく済む仕事なら、Terra の1回の費用はさらに下がります。ただし、どれだけ考えるかは仕事の中身で変わるので、次の節の結果は「この問題ではこうだった」という1例として読んでください。

キャッシュの割引・Batch・月の費用の試算まで含めた Terra の料金は、こちらで詳しく書いています。

GPT-6.1 Terraの料金｜API単価と月いくらかかるか

手元で同じ問題を解かせた結果

考える量の違いを1つ確かめるため、同じ問題を両方に解かせました。問題は「りんご1個120円・みかん1個45円で、合計がちょうど1,000円になる買い方を全部挙げる」です。120と45はどちらも15の倍数なのに1,000は15で割り切れないので、答えは「0通り」になるひっかけの問題です。

条件は次のとおりです。

• Hydrogen：2026年11月13日の早朝、Gemini API（無料の鍵）を直接呼び、段ごとに1回ずつ
• Terra：同じ日の午前8時ごろ（日本時間）、ChatGPT アカウントでサインインした Codex CLI 0.167.0 から、effort を low と medium にして3回ずつ

費用の列は、出力の単価（Hydrogen $7.50・Terra $5・100万トークンあたり）を、考えたトークンと答えのトークンの合計に掛けて1,000倍した試算です。Terra の答えのトークンは Codex が表示した出力の数で、考えた分が含まれているかが表示からは分からないため、2つを足した多めの値で計算しています。入力の費用は省いています。

読み取れることは3つです。

• どちらも全問正解：この程度の問題なら、どちらのどの段でも解けます。正しさでは差がつきませんでした
• 考える量は Terra のほうがずっと少なかった：Terra が考えたのは1回19〜36トークン、Hydrogen は low でも363トークンでした。出力の合計で見ると、Hydrogen の low・medium・high は Terra の約3〜9倍です
• 単価の差より、考える量の差のほうが費用に効いた：単価の差は約1.5倍ですが、この問題の1,000回の出力の費用は約5〜14倍（xhigh を除く）開きました

ただし、この比べ方には差が出やすい条件が残っています。Terra は Codex の中で動いているので、Codex 自身の指示（毎回約1万7,000トークンの入力・大半はキャッシュ）が付いていて、短く答える方向に寄っている可能性があります。Hydrogen は API を直接呼んだので、その指示がありません。また、1問を数回解かせただけです。応答までの時間も、Terra は CLI の起動を含む4.8〜6.4秒、Hydrogen は API だけで3.4〜11.9秒と測り方が違うので、速さの比較には使っていません。

それでも、「単価表だけで決めると、1回の費用の見積もりを外しやすい」ことは、この1例でも分かります。自分の仕事で比べるときは、同じ依頼を両方に数回ずつ流し、考えた分を含む出力のトークン数を並べてみてください。Hydrogen の段の選び方は、こちらで詳しく書いています。

AI業務効率化Gemini 4 Hydrogenのthinking level

使い分け3：どこで使うか｜ツールと契約で決まる

モデルの性能より先に、使う場所で決まってしまうことも多いはずです。両社の発表と公式のページに書かれている提供先を並べます。

社内で Google Workspace を使っていて、スプレッドシートや Gemini アプリの中で日常の仕事をさせたいなら Hydrogen が自然です。すでに ChatGPT の有料プランや Codex で開発や資料作りをしているなら、Terra を選べば契約を増やさずに済みます。

エージェントを自分で組む場合は、道具の差も効きます。OpenAI のモデルページでは、Terra は Responses API で computer use（画面を見てマウスとキーボードを操作する道具）、apply_patch（ファイルの書き換え）、hosted shell、code interpreter、MCP などを使えると書かれています。Google の移行ガイドは、Hydrogen について関数呼び出し・構造化出力・Google 検索での裏付け（検索は1回ごとに別料金）・読み取りと検索の道具の並列実行を挙げています。画面の操作を任せたいなら、道具がそろっている Terra のほうが組みやすい、というのが今の時点の整理です。

Hydrogen がアプリやツールに出てこないときの原因は、こちらにまとめています。

AI業務効率化Gemini 4 Hydrogenが使えない原因と対処

ベンチマークで比べられること・比べられないこと

2つのモデルの公式の数字を並べたくなりますが、そのまま比べられる数字はほとんどありません。

• 同じ名前でも版が違う：Agents' Last Exam は、Hydrogen が v1.1 で71.6%、Terra は v1 で57.6%（medium）・60.0%（max）です。版が違う評価なので、点数の差をそのまま読めません
• 測った会社が違う：Terminal-Bench も、Google と OpenAI がそれぞれ自社の条件で測った値を出しています

ひとつの目安になるのは、外部の評価機関 Artificial Analysis の総合指標（Intelligence Index）です。Google の発表によると、Hydrogen は既定の high で51、いちばん深い xhigh で54です。Terra は、10月26日時点の一覧で max が48でした（Kingy AI による Artificial Analysis の一覧の書き写し）。数字の上では Hydrogen が上ですが、測った時期が2週間以上離れていて、指標の中身が更新されている可能性もあります。「同じくらいの格で、総合点は Hydrogen がやや上」と読むのが正確です。

Terra の公式の数値と読み方は、次の記事で評価ごとに並べています。

GPT-6.1 Terraのベンチマーク｜公式の数値と読み方

Claude Sonnet 5.5 も候補に入れるなら

同じ「速い中位」の位置には、Anthropic の Claude Sonnet 5.5 もあります。Anthropic のモデル一覧（2026年11月13日確認）では、単価は入力 $2・出力 $10（100万トークンあたり）、文脈は100万トークン、1回の出力は128,000トークンまで、入力はテキストと画像です。単価は3つの中でいちばん高く、Hydrogen の約1.3倍、Terra の2倍です。

そのぶん、OpenAI 自身の発表の図でも、デスクトップの操作（OSWorld 2.1）やコマンドラインのコーディング（Terminal-Bench 4.0）では Sonnet 5.5 が Terra より高い点数でした。費用より仕上がりを優先したいコーディングや、Claude Code の中で使う仕事なら、Sonnet 5.5 を比べる価値があります。Terra と Claude の使い分けは、こちらで書いています。

GPT-6.1 TerraとClaude｜使い分けと実測比較

乗り換えるときにつまずきやすい所

片方からもう片方へ移るとき、モデル名だけを書き換えると動かない・結果が変わる所があります。

1. 考える量の段の名前が違う：Terra の none・max は Hydrogen にありません。Hydrogen に、旧い Gemini 向けの minimal を送ると400のエラーになります（私たちが11月13日に確認）。段は指定し直します
2. Hydrogen は temperature などを無視する：Google の移行ガイドによると、temperature・top_p・top_k は送ってもサーバー側で無視されます。答えのぶれを temperature で抑えていた仕組みは、指示の書き方で抑える形に変えます
3. 出力の上限の差：Terra で1回に10万トークン近く書き出していた仕事は、Hydrogen の同期の呼び出しでは65,536で止まります。background の指定で長く書き出す形にするか、分けて出します
4. キャッシュの付け方：Hydrogen は明示のキャッシュ（cachedContents）に対応しておらず、4,096トークン以上の同じ前置きに自動でキャッシュがかかる形です。Terra のようにキャッシュを書き込む前提の設計は、そのままでは使えません
5. 出力の上限を絞りすぎない：Hydrogen は考えた分も出力の上限に数えます。私たちが上限を256にしたところ、考えるだけで253トークンを使い、答えが空のまま止まりました

私たちの使い分けの考え方

私たちは社内で、無人で動く定型の仕事を毎日いくつも回しています。そこで決めているのは、仕事の重さでモデルと設定を分け、どの仕事にどのモデルと設定を使うかを必ず書いておくことです。機械的な集計や転記は速くて安いモデル、公開する文章や判断が要る仕事は上位のモデル、と仕事ごとに固定しています。

Hydrogen と Terra のような同じ格のモデルが並んだときも、考え方は同じです。私たちなら次の順で決めます。

1. 入力と場所で絞る：音声・動画があれば Hydrogen、画面の操作があれば Terra。社内の契約（Google Workspace か ChatGPT か）で使える場所が決まるなら、それに合わせる
2. 残った候補に、自分の仕事を流す：実際の依頼を10件ほど、両方に数回ずつ。正しさと、考えた分を含む出力のトークン数を並べる
3. 費用は1回の実額で比べる：単価表ではなく、2で出たトークン数に単価を掛ける。長い資料を渡すなら、27万2,000トークンの境目を越えるかも見る
4. 選んだら、モデル名と段を書いて固定する：提供元が既定を変えても、知らないうちに費用や結果が変わらないようにする

今回の1例でも、単価表から想像した差（約1.5倍）と、実際の出力の費用の差（約5〜14倍）はまったく違いました。新しいモデルが出るたびに、自分の仕事で数回流してから決めるのが、結局いちばん早い道です。

まとめ｜Gemini 4 Hydrogen と GPT-6.1 Terra の選び方

• Hydrogen が向く：音声・動画を読ませる仕事、27万2,000トークンを超える長い入力を毎回渡す仕事、Antigravity・Gemini アプリ・スプレッドシートの中で使う仕事、無料枠で API を試したいとき
• Terra が向く：画面の操作やファイル編集を伴うエージェント、1回に長く書き出す仕事、Codex・ChatGPT Work の中で使う仕事、短い依頼を安く大量に流す仕事
• 単価は Terra が約3分の2。ただし長い入力では逆転し、考える量の違いで1回の費用は大きく変わる
• 手元の1例では、どちらも正解し、Terra の考える量は Hydrogen の low より1桁少なかった
• ベンチマークは版や測った会社が違い、そのまま比べられない。Artificial Analysis の総合指標では Hydrogen がやや上

株式会社Fyveでは、新しいモデルが出るたびに、提供条件と費用を自分たちの環境で確かめてから、お客様の業務に入れるかどうかを決めています。Hydrogen と Terra のどちらを入れるかで迷ったときも、まずは自分の仕事を両方に数回流すところから始めてみてください。