Gemini 4 Hydrogen：AA 51 分与 Terminal-Bench 57%

一句话结论：Gemini 4 Hydrogen 是 Google 从旗舰模型 Gemini 4 Carbon 蒸馏出的快速执行版，100 万 token 上下文全程平价，输入 1.50 美元、输出 7.50 美元每百万 token，Terminal-Bench 4.1 拿下 57%，比上一代 Gemini 3.8 Flash 的 18.2% 翻了 3 倍多。

Google 在 2026 年 11 月 12 日通过官方博客正式发布 Gemini 4 Hydrogen，同步开放 AI Studio、Gemini API、Gemini for business、Gemini 应用、Google Search 以及 Antigravity 付费订阅通道。这个模型不是 Gemini 4 Carbon 的平替，它在官方定位里属于负责快速执行的第二梯队：Carbon 和 Argon 面向长周期深度推理，Hydrogen 面向日常编码与智能体工作流，可以在同一场多模型协作里被 Carbon 调度为子智能体。

从可用的数据看，Hydrogen 的价值锚点非常清晰。第一，它把上一代 Flash 的智能体编码能力拉到了 Carbon 的邻域。第二，它把价格压到与 Flash 接近的区间，同时保住 100 万上下文。第三，它提供了 low、medium、high、xhigh 四档思考级别，让同一个模型在延迟与成本之间连续调节。这三点合起来决定了一件事：它会成为智能体工作流里的默认底座模型，而不是又一个旗舰。

Gemini 4 Hydrogen 是什么：Carbon 的快速执行分支

Google DeepMind 发布的模型卡把 Hydrogen 的出身写得很清楚。Hydrogen 由 Gemini 4 Carbon 适配而来，训练数据、训练数据处理、架构与硬件实现全部沿用 Carbon 的方案。模型卡里与 Carbon 重复的段落占了大半篇幅，这本身就说明这次发布的重点是行为调优与推理效率，而非重新训练一个模型。

输入侧支持文本、图像、音频与视频文件。上下文窗口为 100 万 token 的统一输入输出长度。输出默认上限 64K 同步 token，通过后台长解码任务最长可到 100 万 token。知识截止时间是 2026 年 3 月，官方也提示部分领域的知识可能更旧。

模型卡给 Hydrogen 列出的适用场景覆盖了七类：作为独立模型或与旗舰模型并行的子智能体快速执行、迭代式仓库编码与调试、开放式智能体执行、多模态知识工作、Web 开发、跨四档思考级别的速度与智能调节、以及把零散任务串联完成的日常写作与调研。

这里要和 Gemini 4 Carbon 发布与安全基准 那篇放在一起看。Carbon 拿的是深度架构判断的活，Hydrogen 拿的是把活干完的活。两者共用同一套安全基线，但模型卡的评测结果显示 Hydrogen 在多模态安全上还有独立提升。

基准成绩：与 Claude Sonnet 5.5、GPT-6.1 Terra 正面比较

Google DeepMind 官方模型页给出了 Hydrogen 与两款同级竞品的横向数据。这张表比厂商宣传口径更有参考价值，因为它把智能体编码、知识工作、电脑操作、多模态、科学推理几类任务摆在了同一行里。

这张表里有三组结论需要分开看。第一组是 Hydrogen 的明显优势项。SWE-sweep 上 13.5% 对 Claude Sonnet 5.5 的 3.1%，差距超过 4 倍，这是纯仓库级软件工程能力的差距。Vending-Bench 2 的净利润 14,549 美元是三个模型里最高的，说明它在小规模经营模拟里更愿意完成交易而不是保守观望。MKA 基准 53.4% 领先 Claude 的 52.0% 和 GPT-6.1 Terra 的 43.8%，与站内那篇 MKA 多模态知识智能体基准实测 提到的多模态知识型任务成本差距是同一个方向。

第二组是 Hydrogen 承认的落后项。OSWorld-2.1 上 77.6% 低于 Claude Sonnet 5.5 的 83.9%，Terminal-Bench-Science 0.1 上 51.4% 落后 59.9%，电脑操作与科学推理这两类任务仍然是 Claude 的强项。第三组是智能体长任务与自动化测试，Hydrogen 的 71.6% 和 76.1% 处于领先位置，GPT-6.1 Terra 在这两项上分别是 69.8% 和 60.2%。

第三方评测机构 Artificial Analysis 的实测数据补充了厂商没公布的延迟侧信息。Hydrogen 在其 Intelligence Index 上以 xhigh 档拿到 54 分，位列收录的 78 个模型中的第 16 位。首字延迟 41.11 秒，输出速度 198 token 每秒，单任务平均耗时 13.0 分钟。上下文长度为 100 万 token，输入支持文本、图像、语音与视频。

四档思考与定价：1.50 美元每百万输入 token

价格是 Hydrogen 这次最容易被低估的信息。Google 官方博客明确写明，整个 100 万 token 上下文窗口区间内价格保持平价，输入每百万 token 1.50 美元，输出每百万 token 7.50 美元。第三方平台还标注了 95% 的缓存读取折扣，折算后缓存输入价约 3.16 美元每百万 token。

思考档位的价值在实操层面比数字更明显。low 档适合批量分类与抽取，medium 档覆盖常规问答，high 档是默认配置，xhigh 档留给需要反复自检的代码与研究任务。Google 的表述是这些档位在质量、延迟与成本之间提供平滑可预期的递进，用户只需要为任务真正需要的推理深度付费。Artificial Analysis 的指数显示，默认 high 档得 51 分，xhigh 档得 54 分，Argon 在默认 high 档是 50 分。也就是说在 AA 的口径下 Hydrogen 已经压过了 Argon，而 Carbon 在 v5.0 指数上仍然是 59 分。三者的位置关系很明确：Carbon 做架构判断，Hydrogen 做执行主力，Argon 退居第二档。

速度与工程效率：Orchestrator 的多模型协同

Google 在 Antigravity 里同步引入了 Orchestrator 机制。它不把整段任务锁定在单一模型上，而是在同一次会话内于 Carbon 与 Hydrogen 之间动态切换。官方给出的 Terminal-Bench 4.0 数据是：Orchestrator 达到了接近 Carbon 的任务成功率，同时平均少消耗 24% 的配额，完成速度快 19%。

对于需要并行智能体的场景，官方建议 Carbon 充当协调者，Hydrogen 承担工作节点与验证节点的角色，在相互隔离的工作区里同时构建与测试改动。这一思路与站内 谷歌 TPU 8tx 与 8i Max 硬件规格 提到的推理供给侧变化方向一致，当单卡推理吞吐上来之后，多模型编排的成本结构会被重新定价。

Google 同时披露了 Hydrogen 相对 Gemini 3.8 Flash 的迁移收益，这是官方给出的口径。在默认 high 档下任务完成速度快 2.5 倍，Terminal-Bench 4.1 得分从 18.2% 提升到 57%，捏造声明数量减少 5 倍以上。官方还提到它在工具调用失败或搜索返回空结果时能干净地重试调整。

安全表现与已知局限：模型卡给出的六个约束

Hydrogen 的模型卡发布于 2026 年 11 月，完整的 Safety and Security Report 官方标注为稍后提供。当前公开的是研发阶段的部分内部安全评测，这些是自动化评测而非人工评测或红队测试。

多模态内容安全是提升最大的一项，图像输入场景的安全响应率提高了 7 个百分点。文本与多语言的安全响应率维持在与 Flash 相当的置信区间内。不当拒绝上升 5.57 个百分点是这份数据里唯一需要警惕的信号，这意味着模型对部分请求倾向于拒绝回答，多模态提示上尤其明显。官方同时说明，化学、生物、放射性与核、网络内容方面的单项测试尚未达到目标，但部分指标触及了告警阈值。

已知局限部分写得很直接。Hydrogen 存在一般性幻觉问题，官方承认正在持续改进越狱抗性并强化前沿安全缓解措施。模型可能出现偶发变慢或超时，高思考档位下为了最大化表现会消耗更多 token。知识截止 2026 年 3 月，部分领域的信息可能不够新。

如何开始使用：七个分发通道与接入方式

Hydrogen 通过七个通道分发，分别是 Gemini 应用、Gemini API、Google Sheets、Google AI Studio、Gemini for business、Google Antigravity 以及 Google Search。开发者可以从 AI Studio 或 Gemini API 接入，Google 提供的 Gemini API 快速开始文档与 Google Cloud 文档覆盖了接入细节。

对已有 Gemini 3.8 Flash 用户的团队，最实际的路径是先在 AI Studio 里切到 Hydrogen 的默认 high 档跑一轮自己的仓库任务，用同样的任务集对比 Terminal-Bench 4.1 与实际耗时两项指标，再决定是否迁移默认模型。多模态相关的接入评估可以参考站内 Gemini Omni 1.2 Flash 的视频与音频单价拆解，以及 Gemini Decisions API 的单次判定定价，这两篇给出了 Google 家族其他接口的计费口径。

常见问题

Gemini 4 Hydrogen 和 Gemini 4 Carbon 该怎么选

Carbon 面向深度、长周期的架构判断与复杂问题求解，Hydrogen 面向快速执行与日常智能体工作流。两者不是替代关系，Google 推荐的组合是让 Carbon 做协调者，用 Hydrogen 承担工作节点与验证节点，在隔离工作区里并行推进。

Hydrogen 的价格比 Gemini 3.8 Flash 贵吗

官方博客把 Hydrogen 定在 Carbon 与 Argon 这一价格档位，100 万上下文全程平价，输入 1.50 美元、输出 7.50 美元每百万 token，并提供 95% 的缓存折扣。与上一代 Flash 的直接对比不在官方口径内，但 2.5 倍的任务提速在多数按任务计费或按 token 计费的工作流里足以抵消单价差异。

四档思考级别该怎么选

默认是 high 档。批量分类、抽取、格式化这类一次性的短任务用 low 档，日常问答与常规代码修改用 medium 档，需要多轮自检的编码与研究任务才值得上 xhigh 档。档位之间在质量、延迟与成本上是平滑递进的，按任务需要选，不必一律拉满。

小结

Gemini 4 Hydrogen 的定位是 Google 智能体产品线里的执行层默认值。它把 Carbon 级别的部分能力下沉到 Flash 的价格区间，用 100 万上下文、四档思考和 1.50 美元输入价打出了可预测的成本结构。SWE-sweep 13.5% 与 Vending-Bench 2 净利润 14,549 美元说明它的仓库工程与商业模拟表现确实到了同级前列，OSWorld-2.1 77.6% 与科学推理 51.4% 也说明电脑操作与学科推理仍是它的短板。不当拒绝率上升 5.57 个百分点是上线前值得重点压测的一项。

相关阅读

• Gemini 4 Carbon 官方发布：安全基线与基准拆解
• Gemini Omni 1.2 Flash：15 秒视频与每秒 0.07 美元
• MKA 多模态知识智能体基准：200 任务实测
• 谷歌 TPU 8tx 与 8i Max：四款第八代系统
• Gemini Decisions API 上线：1000 题单次判定