Google 検索の Gemini 4 Hydrogen:AI 可視性レポートに記録すべき 11 月 12 日のモデル交代
サーフェスごとに 1 日 6 回の実行では、前後比較のテストが 12 ポイントの変化を捉えられるのは半分未満です。大きなパネルでも、5 ポイントの変化は 4 回に 1 回見逃されます。自分のパネルでその変化を捉えられると検出力チェックが示さない限り、Hydrogen のリリース日で系列を区切るかどうかは、データではなく発表で決まります。イベントログ、ロールアウト期間を除外できる分割スクリプト、そしてレポートに書いておくべき読み手向けの段落を紹介します。
目次
11 月 12 日、Google は Gemini 4 Hydrogen を検索に導入しました。Robby Stein の発表はこれを「検索にとってこれまでで最大のモデルアップグレード」("the biggest model upgrade to Search yet")と呼んでいます。しかもこのアップグレードは、レポート対象月のちょうど途中に来ました。Google の AI 回答について月次で AI 可視性の数字を送っているなら、11 月の数字はおそらく、その裏で動くモデルの交代をまたいでいます。そして前月比の折れ線グラフはそのことを示しません。
測定フレームワークの記事で、時系列には既知のベンダーのリリースをすべて注記として付けるべきだと書きました。この記事は、それを 1 つのリリースに当てはめた実践編です。主張の範囲は狭いものです。パネルが大きく、気にしている変化も大きい場合を除けば、12 日の前後を比べるテストでは Hydrogen が数字を動かしたかどうかはたいていわかりません。だから系列を区切るかどうかの判断は、データではなく発表から下すしかありません。自分のパネルがその例外に当たるかどうかは、後述のスクリプトでわかります。筆者は Hydrogen が何かに与えた影響を測定していません。この記事のために Google のサーフェスに問い合わせたことは一度もなく、以下の数字はすべてシミュレーションから出たもので、そのコードも載せています。
Google は検索向けの Gemini 4 Hydrogen について何を発表したのか
全ユーザーに提供されていること、クエリ ファンアウトが強化されたこと、回答がよりビジュアルになることです。どの AI サーフェスがこのモデルで動いているかは書かれておらず、数字も一切ありませんでした。時系列にとって重要なのは次の一文です。
Hydrogen is now available globally in Google Search for all users, delivering more helpful, visual, and intuitive responses with improved model capabilities:測定に直接関わる主張は次の 2 つです。
Hydrogen’s advanced reasoning supercharges our query fan-out technique in Search, connecting you to a broader range of helpful links than before.
You’ll see more images, structured responses, comparison tables, and custom tools built for you.書かれていないことに注目して読んでください。どちらの記事も AI Overviews(AI による概要)の名前を出していません。検索の記事で名前が出るサーフェスは AI Mode(AI モード)だけで、それも言語対応についての一文の中です("across all supported AI Mode languages")。DeepMind のモデル発表は Hydrogen が「全世界で展開中」("is rolling out globally")だと書き、検索の記事は「提供開始」("now available")と書いています。回答を見てどのモデルが書いたかを見分ける方法はどちらの記事にも書かれておらず、AI Mode や AI Overviews が Hydrogen をデフォルトにしたとも Google は言っていません。
モデルの記事は、可視性パネルが追跡しうるサーフェスにあと 2 つ触れています。Gemini アプリでは、無料ユーザーは「プロンプトに適したモデルである場合に自動モデル選択を通じて」("via auto model selection when it’s the appropriate model for the prompt")Hydrogen を使います。つまり自動選択のままアプリ経由で集めたパネルは、いまや複数のモデルが混ざったものです。アカウントの種類、モデル設定、そしてアプリが表示する場合は回答ごとのモデルを記録してください。API では、Hydrogen は新しいモデル ID gemini-4-hydrogen です。固定した古いバージョンをリクエストするコレクターはこのリリースの影響を受けていません。ただし、ID を固定しても挙動が固定されると保証されたことはこれまでもありません。
Gemini 4 Hydrogen への交代で AI 可視性の前月比が成り立たなくなるのはなぜか
可視性の率はパネルとサーフェスの両方を反映した値で、Google によれば、12 日にそのサーフェスが変わったからです。12 日より前の数字と後の数字は、同じものを 2 回読んだ値ではないかもしれません。そして Google の記事からは、それを見分けられません。
ファンアウトについての主張は、仕組みそのものを名指ししています。検索ベースの回答では、システムが発行するクエリがどのページを取得するかを決め、取得したページが何を引用できるかを決めます。「より幅広い有用なリンク」は、まさにその段階の変化を表しています。そのため、回答あたりの引用数、回答あたりのドメインの種類数、自分の URL を引用する回答の割合は、サイト側で何も変えていなくても動きえます。方向も自明ではありません。取得範囲が広がれば、引用率は上がっても引用全体に占める自分のシェアは縮むことがあります。筆者の推測では、形式の変化はメンションにも効きます。段落なら製品を 1 つしか挙げないところで、比較表はいくつも挙げがちだからです。ただしこれは自分のパネルで確かめるべき仮説で、Google が言ったことではありません。
12 日をまたいで計算した 11 月の数字は、2 つの状態の平均です。重みは、実行がたまたまどちら側に何回入ったかで決まります。収集のスケジュールをずらせば、11 月の数字もそれに合わせて変わります。
Gemini 4 Hydrogen への交代を AI 可視性の時系列にどう記録するか
データとして、パネルの隣に、誰かが 11 月の数字を見る前に記録します。レポートの自由記述のメモでは足りません。分析コードがそれを読めなければいけないからです。
date,surface,event,source,confidence
2026-11-12,google_aio,Gemini 4 Hydrogen in Search,https://blog.google/products-and-platforms/products/search/gemini-4-hydrogen-search-upgrade/ (read 2026-11-16),announced for Search; surface not named
2026-11-12,google_ai_mode,Gemini 4 Hydrogen in Search,https://blog.google/products-and-platforms/products/search/gemini-4-hydrogen-search-upgrade/ (read 2026-11-16),announced for Search; surface not namedconfidence 列は、その行のどこまでが Google の発言で、どこからが筆者の割り当てかを示します。Google が発表したのは、ある日付での検索全体の変更です。それを AI Overviews と AI Mode に結びつけたのは筆者の仮定です。この 2 つが回答を生成する検索のサーフェスだからです。そのとおりに書き残しておけば、後で別の証拠が出たときに直すのは 1 行で済みます。Gemini アプリを自動選択のまま追跡しているならその行も追加し、古いモデルに固定した API の系列には行を追加しません。
ソースと一緒に読んだ日付も記録してください。ベンダーの記事は編集されるからです。モデルの発表にはすでに「Last updated November 13」と表示されています。また「展開中」は通常、変更がすべてのユーザーに同じ時刻に届いたわけではないことを意味します。イベントは 1 つの日付として残し、その不確かさは分析側で、日付の前後に除外する日数の幅を設けて扱います。後述のスクリプトがそれを行います。
11 月の AI 可視性の系列を Gemini 4 Hydrogen の日付でどう分割するか
影響を受けるサーフェスはイベントの日付で区切り、パネルの残りは連続したまま保ち、すべてのセグメントに区間を付けます。スクリプトは上のイベントログと、収集の試行 1 回につき 1 行の実行記録を読みます。メンション率に入るのは完了した回答だけです。タイムアウトや AI の回答が表示されなかったクエリは「メンションなし」ではなく試行として数え、試行数も出力するので、AI の回答が表示される頻度の変化も見えたままになります。3 つ目の引数は省略可能で、ロールアウトの除外幅(日数)です。
# split_series.py: cut each surface's mention-rate series at logged events
import csv, math, sys
from collections import defaultdict
from datetime import date, timedelta
def wilson(k, n, z=1.96):
p, d = k / n, 1 + z * z / n
c = (p + z * z / (2 * n)) / d
h = z * math.sqrt(p * (1 - p) / n + z * z / (4 * n * n)) / d
return c - h, c + h
def z_two(k1, n1, k2, n2):
p = (k1 + k2) / (n1 + n2) if n1 and n2 else 0
if p in (0, 1):
return None # empty segment, or no variation at all
return (k2 / n2 - k1 / n1) / math.sqrt(p * (1 - p) * (1 / n1 + 1 / n2))
def main(events_file, runs_file, band_days=0):
band = timedelta(days=band_days)
cuts = defaultdict(list)
for e in csv.DictReader(open(events_file)):
cuts[e["surface"]].append(date.fromisoformat(e["date"]))
cells = defaultdict(lambda: [0, 0, 0]) # mentions, completed, attempts
for r in csv.DictReader(open(runs_file)):
day, cs = date.fromisoformat(r["date"]), sorted(cuts[r["surface"]])
if any(abs(day - c) < band for c in cs):
continue # rollout band: neither before nor after
cell = cells[(r["surface"], sum(day >= c for c in cs))]
cell[2] += 1
if r["status"] == "completed": # a timeout or "no AI answer shown" is not "no mention"
cell[0] += int(r["mentioned"])
cell[1] += 1
for (s, seg), (k, n, tries) in sorted(cells.items()):
if n == 0:
print(f"{s:<15} seg {seg} no completed runs of {tries}")
continue
lo, hi = wilson(k, n)
line = f"{s:<15} seg {seg} {k:>3}/{n:<3} {k/n:6.1%} [{lo:.1%}, {hi:.1%}] of {tries} tries"
if seg > 0:
k0, n0, _ = cells.get((s, seg - 1), (0, 0, 0))
z = z_two(k0, n0, k, n)
line += " z n/a" if z is None else f" z {z:+.2f}"
print(line)
if __name__ == "__main__":
main(sys.argv[1], sys.argv[2], int(sys.argv[3]) if len(sys.argv) > 3 else 0)このスクリプトはすべての実行を独立した試行として扱いますが、実際のパネルはそうではありません。同じ日の同じプロンプトの実行は多くを共有しています。そのため区間は狭すぎます。本番では、フレームワークの記事で説明したとおり、プロンプト ID を残し、プロンプトに等しい重みを付け、両側で同じプロンプトを比べてください。分割で何がわかり何がわからないかを見るだけなら、この簡易版で足ります。
テストデータはシミュレーションした 11 月です。3 つのサーフェスでそれぞれ 1 日 6 回実行し、12 日に本当に変わるのは google_aio だけ(メンション率は変更前 20 パーセント、変更後 32 パーセント)で、残りの 2 つは横ばいです。chatgpt_search にはイベントの行がないので 1 つのセグメントのままで、対照群になります。
# toy_runs.py: simulated November; only google_aio really changes on the 12th
import csv, random
from datetime import date
random.seed(7)
rates = {"google_aio": (.20, .32), "google_ai_mode": (.25, .25), "chatgpt_search": (.15, .15)}
w = csv.writer(open("runs.csv", "w", newline=""))
w.writerow(["date", "surface", "status", "mentioned"])
for d in range(1, 31):
day = date(2026, 11, d)
for s, (before, after) in rates.items():
p = before if day < date(2026, 11, 12) else after
for _ in range(6):
w.writerow([day, s, "completed", int(random.random() < p)])python3 toy_runs.py && python3 split_series.py events.csv runs.csvchatgpt_search seg 0 34/180 18.9% [13.8%, 25.2%] of 180 tries
google_ai_mode seg 0 25/66 37.9% [27.1%, 49.9%] of 66 tries
google_ai_mode seg 1 26/114 22.8% [16.1%, 31.3%] of 114 tries z -2.16
google_aio seg 0 13/66 19.7% [11.9%, 30.8%] of 66 tries
google_aio seg 1 42/114 36.8% [28.6%, 46.0%] of 114 tries z +2.41この乱数系列(シード 7)は、たまたま両方のケースを 1 つの表で見せてくれます。AI Mode の真の率は前後とも 25 パーセントでしたが、分割すると 38 パーセントから 23 パーセントへの低下が、絶対値で 2 を超える z とともに出ています。AI Overviews での本物の上昇は、AI Mode での偽の低下より説得力があるようには見えません。このような誤検出は、有意水準 5 パーセントのテストではごく普通の 20 回に 1 回のケースで、分割の欠陥ではありません。より重要なのは AI Overviews の行で、その理由は乱数を引き直してみて初めてわかります。
# power.py: how often a 66/114-run split flags a change, over 1,000 simulated Novembers
import random
from split_series import z_two
def share_flagged(before, after, n0=66, n1=114, draws=1000):
hits = 0
for seed in range(draws):
rng = random.Random(seed)
k0 = sum(rng.random() < before for _ in range(n0))
k1 = sum(rng.random() < after for _ in range(n1))
z = z_two(k0, n0, k1, n1)
hits += z is not None and abs(z) > 1.96
return hits / draws
for before, after in [(.25, .25), (.20, .32), (.20, .36), (.20, .40)]:
print(f"{before:.0%} -> {after:.0%}: flagged in {share_flagged(before, after):.1%}")25% -> 25%: flagged in 4.4%
20% -> 32%: flagged in 42.0%
20% -> 36%: flagged in 62.4%
20% -> 40%: flagged in 81.9%12 日より前が 66 回、後が 114 回だと、12 ポイントの上昇が検出されるのはシミュレーションした 11 月の半分未満です。分割が 5 回に 4 回捉えるには、率がおよそ 2 倍、20 パーセントから 40 パーセントまで上がる必要があります。それより小さい本物の効果はたいてい「有意な変化なし」として返ってきますが、それは変化がないこととは違います。しかもシミュレーションの実行は構造上独立しているので、実際のパネルではもっと悪くなります。
ですから判断の前に、自分の数字で実行してください。n0 と n1 に 12 日の前後それぞれの完了した実行数を、before に現在の率を、after にはそれに報告したい最小の変化を加えた率を入れます。答えはサイズに大きく左右されます。300 回と 520 回なら、上の 12 ポイントの上昇は 97 パーセントの確率で検出されますが、5 ポイントの変化(20 パーセントから 25 パーセント)は 36 パーセントにとどまります。730 回と 1,270 回前後、つまりフレームワークの記事の例(3 つのサーフェスで 1 期間あたり 6,000 件の回答)でサーフェスごとに残るおおよその数でも、5 ポイントの変化はおよそ 4 回に 1 回見逃されます。気にしている変化が検出される割合がおよそ 5 回に 4 回を下回るなら、系列が途切れたかどうかをデータでは決められず、発表で決めるしかありません。
除外幅を 2 にして実行すると(python3 split_series.py events.csv runs.csv 2)、11 月 11 日から 13 日は前後どちらのセグメントにも入りません。z が 2 を超えるかどうかだけでなく、推定値とその区間を比べてください。除外幅を設けると実行数も減るので、それで結果が反転するなら、単に検出力が落ちただけかもしれません。
Gemini 4 Hydrogen の導入後、データに跳ねが見えなくても Google の AI サーフェスのベースラインを取り直すべきか
はい。上の検出力チェックで、気にしている変化をパネルが捉えられるとわかった場合は別です。これはレポートの方針として最初に明示してください。データに跳ねが見えるかどうかにかかわらず、12 日を Google の回答サーフェスの区切りとして扱う、と。重要な変化を捉えるより見逃すほうが多いテストに、系列が連続しているかどうかを決めさせるわけにはいきません。区切りがなければ、ベンダー側の変更が自分たちの施策の効果として通ってしまいます。
区切りにはコストがあります。交代前のセグメントは短く、10 月と比べられるのは 11 月の 30 日分ではなく 11 日分で、12 日をまたぐ比較はどれも検出力を失います。どのベンダーのニュースなら区切りに値するかのルールは、次のニュースが来る前に書き残しておく必要があります。筆者なら、追跡しているサーフェスでモデルまたは検索の変更が発表された場合、とします。それ以外(ChatGPT、Perplexity、古いモデルに固定した API の系列)は連続したままにします。今回の発表はそのどれにも触れていないからです。
そのうえで、Google が主張した点を自分のパネルで確かめてください。回答全文を保存していれば、確認は安上がりです。見るべきは、回答あたりの引用数、回答あたりのドメインの種類数、表を含む回答の割合、そもそも AI の回答が表示される頻度です。あるサーフェスで 12 日前後にこれらが大きく動けば、交代がそこに届いたことを示唆しますが、モデルが原因だったと証明はできません。このサイズでメンション率が横ばいでも、自分の立ち位置についてはどちらの方向にもほとんど何もわかりません。
Search Console も同じ扱いが必要です。その生成 AI のパフォーマンス レポートは AI Overviews と AI Mode の表示回数を合算して数えていて、その系列も 12 日をまたいでいます。同じイベントの行で注記を付けてください。
11 月の AI 可視性レポートは Gemini 4 Hydrogen について何を書くべきか
何が変わったか、それに対して何をしたか、数字から何がもうわからなくなったかを、脚注ではなくレポートの本文に書きます。たとえば次のような段落です。
11 月 12 日、Google は検索を新しいモデル(Gemini 4 Hydrogen)に移行し、新しいモデルがユーザーを「より幅広い有用なリンク」につなぐと述べました。どの AI サーフェスが変わったのかを、Google は明らかにしていません。私たちはこの日付を Google の系列の区切りとして扱います。11 月 1 日から 11 日は 10 月と比較し、11 月 12 日以降は新しいベースラインの始まりとします。12 月の比較では、12 月の 1 か月分を、ブラックフライデーを含む 11 月 12 日から 30 日までと比べることになるため、同じプロンプトで比較し、その差を区間とともに報告します。ChatGPT と Perplexity は影響を受けておらず、通常どおり報告します。
スライドに矢印を 1 本引くほうが簡単です。でも 1 月に誰かが「11 月に Google の可視性が跳ねたのはなぜか」と聞いたとき、その矢印は何も答えられません。
Gemini 4 Hydrogen の注記からわからないことは何か
リリースのどの部分が数字を動かしたかです。Google は新しいモデル、作り直したファンアウトの段階、新しい回答形式を 1 つのリリースで説明していて、その下のインデックスもいつもどおり変わり続けていました。注記が記録するのは、ある日付にサーフェスが変わったということです。各部分を切り分けることはできず、発表日での区切りの精度はロールアウトの精度を超えられません。
また、注記がカバーするのは発表されたものだけです。一般向けのサーフェスはブログ記事なしでモデルや検索の仕組みを変えますし、モデルはじっとしていない依存関係です。イベントログが捉えるのは誰かが書き残したリリースだけで、残りについては系列そのものを読むしかありません。そこでは多数のプロンプトで同時に起きる急な動きが数少ないシグナルの 1 つで、緩やかなドリフトはまったく表に出ないかもしれません。359 件の回答で Beetroot の可視性を測定したとき、同じ製品がサーフェスとプロンプト次第で 0 から 100 パーセントまでのスコアになりました。すべて同じ日の結果です。そうしたサーフェスの 1 つの裏でモデルが交代すると、同じ問題に時間という軸が加わります。
01 / ディスカッション
コメント欄はありません。議論は X で行っています。
02 / ほかの記事
ChatGPT Business Hub のインサイト: オンラインビジネスにとっての「メンション」はブランド名ではなくウェブサイトへの参照
Business Hub の数値は、実質的には引用数です。URL を伴わない推奨はカウントされず、分母も競合との比較もありません。
GPT-6 Astra と weight-space programming: Qwen の MATH-500 の実験は実際に何を測ったのか
アブストラクトは GPT-6 Astra が生の重みを読めると書いています。実験表のうち実際にそうしているのは 3 件で、対象は重みが最大 17.2 万個の小さなネットワークです。8 億パラメータの Qwen の修正には Python と最大 50 バッチの練習問題が使われ、同じ手順の Gemma の実験は失敗しました。結果は本物ですが、見出しとは別物です。
Gemini が utm_source=gemini を外した: iOS アプリからの流入は GA4 の Direct に入り、数えられるのはサーバーログだけ
3 週間のタグ付けで変わったことは、見た目ほど多くありません。GA4 では utm_source だけのタグがセッションを Unassigned に落とし、iPhone の WebView からのクリックはタグの有無にかかわらずリファラーを送りません。そうしたクリックを数えられる場所は、今も生のリクエストログです。