So nutzt du Gemini 4 Hydrogen mit der Gemini API (Python, JavaScript und curl)

Schritt für Schritt: Erstelle einen Gemini-API-Key, rufe gemini-4-hydrogen per Python, JavaScript oder curl auf, stelle thinking_level ein und behebe die häufigsten Fehler.

Grafik eines Code-Editors, der das Modell gemini-4-hydrogen aufruft, mit einem Regler für die Thinking-Stufe

Google hat Gemini 4 Hydrogen am 12. November 2026 veröffentlicht. Es ist das schnelle, günstigere Modell der Gemini-4-Familie, gedacht für alltägliche Coding- und Agent-Aufgaben, und du kannst es im Rahmen der Limits kostenlos nutzen. Diese Anleitung zeigt dir, wie du einen API-Key bekommst, deinen ersten Aufruf mit Python, JavaScript oder curl absetzt, das Thinking hoch- oder runterdrehst und die häufigsten Fehler behebst.

Die Angaben stammen aus Googles eigener Ankündigung und der Gemini-API-Dokumentation, Stand 14. November 2026.

Was Gemini 4 Hydrogen ist

  • Modell-ID: gemini-4-hydrogen. Das ist eine stabile ID, du brauchst also kein Datumssuffix.
  • Kontextfenster: 1,048,576 Tokens (etwa 1M). Deine Eingabe, das Thinking des Modells und seine Antwort teilen sich dieses eine Fenster.
  • Ausgabe: bis zu 65,536 Tokens pro normalem Aufruf. Für längere Ausgaben brauchst du den Hintergrundmodus.
  • Eingaben: Text, Bilder, Video, Audio und PDF. Antworten gibt es nur als Text.
  • Wissensstand: März 2026, laut Model Card von Google DeepMind.

In Googles Entwicklerdokumentation stehen diese Preise für die Standard-Stufe:

StufeInput, pro 1M TokensOutput, pro 1M Tokens (inklusive Thinking)
Free TierKostenlos, mit Rate-LimitKostenlos, mit Rate-Limit
Standard (kostenpflichtig)$1.50$7.50
Batch oder Flex$0.75$3.75

Der Preis ist über das gesamte 1M-Kontextfenster gleich, lange Prompts kosten pro Token also nicht mehr. Einen Haken gibt es: Im Free Tier darf Google deine Prompts nutzen, um seine Produkte zu verbessern. Bei bezahlter Nutzung tut Google das nicht.

Außerhalb der API findest du Hydrogen im Modellmenü der Gemini-App und in Google AI Studio.

Was du brauchst

  • Ein Google-Konto.
  • Eine aktuelle Version von Python oder Node.js, wenn du die SDKs nutzen möchtest. Mit reinem curl funktioniert es auch.
  • Ein Terminal.

Schritt 1: API-Key erstellen

  1. Öffne die Seite „API Keys“ in Google AI Studio: aistudio.google.com/api-keys.
  2. Klicke auf Create API key und folge dem Dialog. Neue Nutzer bekommen automatisch ein Projekt und einen Key eingerichtet.
  3. Kopiere den Key.

Seit dem 28. Mai 2026 ist jeder neue Key, den du in AI Studio erstellst, ein Authorization Key. Google beschränkt diese Keys standardmäßig auf die Gemini API. Hast du noch einen älteren „Standard“-Key, der als Unrestricted markiert ist, lehnt die Gemini API ihn jetzt ab. Um ihn weiter zu nutzen, fährst du mit der Maus über das Label Unrestricted, klickst auf Add restrictions, wählst Restrict to Gemini API only und klickst dann auf Restrict key. Oder du erstellst einfach einen neuen Key.

Schritt 2: Key als Umgebungsvariable speichern

Die offiziellen SDKs lesen den Key aus GEMINI_API_KEY (oder aus GOOGLE_API_KEY, das Vorrang hat, wenn beide gesetzt sind). Unter macOS oder Linux:

Terminal
export GEMINI_API_KEY="YOUR_API_KEY"

Unter Windows PowerShell:

Code
$env:GEMINI_API_KEY = "YOUR_API_KEY"

Füge den Key niemals in Code ein, den du in Git committest. Wenn ein Key geleakt wird, sperrt Google ihn möglicherweise, und du siehst die Meldung „Your API key was reported as leaked.“ (Dein API-Key wurde als geleakt gemeldet.)

Schritt 3: SDK installieren

Python:

Terminal
pip install -U google-genai

JavaScript:

Terminal
npm install @google/genai

Schritt 4: Der erste Aufruf

Googles Quickstart nutzt die Interactions API. Hier sind die offiziellen Beispiele, mit Hydrogen als Modell.

Python (speichere es als hello.py und führe dann python hello.py aus):

Code
from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-4-hydrogen",
    input="Explain how AI works in a few words"
)
print(interaction.output_text)

JavaScript (speichere es als hello.mjs und führe dann node hello.mjs aus):

Code
import { GoogleGenAI } from "@google/genai";

const ai = new GoogleGenAI({});

const interaction = await ai.interactions.create({
  model: "gemini-4-hydrogen",
  input: "Explain how AI works in a few words",
});
console.log(interaction.output_text);

curl:

Terminal
curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H 'Content-Type: application/json' \
  -H "Api-Revision: 2026-05-20" \
  -d '{
    "model": "gemini-4-hydrogen",
    "input": "Explain how AI works in a few words"
  }'

Erwartete Ausgabe: ein bis zwei kurze Sätze darüber, wie KI Muster in Daten lernt. Die Formulierung ist jedes Mal anders. Wenn du eine Antwort zurückbekommst, funktionieren dein Key und dein Setup.

Schritt 5: Steuern, wie intensiv das Modell nachdenkt

Hydrogen „denkt“ nach, bevor es antwortet. Wie viel, legst du mit thinking_level innerhalb von generation_config fest. Es gibt vier Stufen:

StufeEinsatzzweck
lowSchnelle, einfache Aufgaben, bei denen Tempo und Kosten am wichtigsten sind
mediumEine mittlere Einstellung
highDer Standardwert bei Hydrogen
xhighSchwieriges Debugging, sorgfältiges Code-Review, mehrstufiges Schlussfolgern

Python-Beispiel mit dem tiefsten Thinking:

Code
from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-4-hydrogen",
    input="Audit this payment retry queue for race conditions and rewrite the lock acquisition logic.",
    generation_config={
        "thinking_level": "xhigh"
    }
)
print(interaction.output_text)

In JavaScript funktioniert es nach demselben Prinzip: generation_config: { thinking_level: "xhigh" }.

Thinking-Tokens werden als Output-Tokens abgerechnet. Wie viele ein Aufruf verbraucht hat, siehst du in interaction.usage.total_thought_tokens. Bei einfachen Jobs mit hohem Volumen ist der Wechsel zu low der leichteste Weg, Kosten und Wartezeit zu senken.

Du willst seine Überlegungen sehen? Zusammenfassungen der Gedankengänge sind standardmäßig deaktiviert. Füge "thinking_summaries": "auto" zu generation_config hinzu. Die Antwort enthält dann thought-Schritte mit einer Zusammenfassung, gefolgt von einem model_output-Schritt mit der Antwort. Googles Thinking-Guide zeigt die komplette Schleife zum Auslesen.

Schritt 6: Umstieg von Gemini 3.8 Flash oder älteren Modellen

Wenn du bereits Code mit einem älteren Modell laufen hast, nennen Googles Migrationshinweise diese Änderungen:

  1. Ändere den Modell-String, zum Beispiel von gemini-3.8-flash auf gemini-4-hydrogen.
  2. Entferne temperature, top_p und top_k. Laut Googles Doku werden Werte im gültigen Bereich ignoriert, Werte außerhalb davon führen zu einem 400-Fehler.
  3. Erhöhe niedrige max_output_tokens-Limits oder entferne sie. Das Limit gilt jetzt für Thinking plus Antwort, bis zu 65,536.
  4. Entferne explizites Caching (cached_content, caches.create). Hydrogen unterstützt nur automatisches (implizites) Caching, das bei Prompts ab 4,096 Tokens greift.
  5. Rechne damit, dass der Standardwert von thinking_level jetzt high statt medium ist, und verwende minimal nicht.
  6. Deklariere Tools sauber im Request, statt das Modell zu bitten, Tool-Calls als Klartext zu schreiben.

Häufige Fehler und Lösungen

Ein Fehler bei minimal. Hydrogen akzeptiert thinking_level: "minimal" nicht. Nimm stattdessen low.

400-Fehler wegen temperature oder top_p. Lösche diese Parameter. Hydrogen steuert das Sampling selbst.

401 authentication oder der Key wird abgelehnt. Prüfe, ob GEMINI_API_KEY in demselben Terminal gesetzt ist, in dem du das Skript ausführst (echo $GEMINI_API_KEY unter macOS oder Linux). Bei einem alten Unrestricted-Key beschränkst du ihn auf die Gemini API oder erstellst einen neuen (Schritt 1).

403 permission_denied / FREE_TIER_VERIFICATION_REQUIRED. Dein Projekt muss in AI Studio erst verifiziert werden oder die Abrechnung eingerichtet haben, bevor es Aufrufe senden kann. Erneute Versuche helfen erst, wenn das erledigt ist.

404 model_not_found. Prüfe die Schreibweise: gemini-4-hydrogen, komplett kleingeschrieben und mit Bindestrichen.

429 rate_limit_exceeded oder quota_exceeded. Du hast die Limits des Free Tiers erreicht. Warte und versuche es mit Backoff erneut, oder aktiviere die Abrechnung. Das Python-SDK wiederholt bei Rate-Limit- und Serverfehlern ohnehin schon selbstständig ein paar Versuche.

MALFORMED_FUNCTION_CALL. Du hast das Modell gebeten, Tool-Calls als Text auszugeben, ohne Tools zu deklarieren. Deklariere deine Funktionen im Request als Tools.

Antwort bricht mitten im Satz ab. Dein max_output_tokens ist zu niedrig, weil das Thinking einen Teil des Budgets verbraucht. Erhöhe den Wert oder senke thinking_level.

Fazit

So startest du mit Gemini 4 Hydrogen: Erstelle in AI Studio einen Key, exportiere ihn als GEMINI_API_KEY, installiere google-genai oder @google/genai und rufe interactions.create mit model="gemini-4-hydrogen" auf. Stimme danach thinking_level so ab, dass Qualität, Tempo und Kosten zusammenpassen. Wenn du Agents baust, gelten dieselben Gewohnheiten über alle Tools hinweg. Unsere Anleitungen zu Claude Code Agent Skills und Chrome DevTools MCP zeigen, wie du einem Coding-Agent mehr Fähigkeiten gibst. Für den Vergleich mit dem neuesten Modell von Anthropic lies Claude Fable 5.2 erklärt.

Quellen

Links zuletzt geprüft am 15. November 2026.

Von Mindloop Editorial

The Mindloop Experience editorial team writes clear, carefully sourced explainers and how-tos on tech, science, money and culture, for anyone who likes to know how things actually work.

Über Mindloop Experience

Kommentare

Kommentar schreiben

Mehr von Mindloop Experience

Alle Artikel von Mindloop Experience

Du kannst bis zu 50-mal applaudieren.