Gemini 4 Hydrogen发布：面向高频执行的高速智能模型

导语

Google DeepMind发布Gemini 4 Hydrogen，将其定位为面向日常开发和代理式工作流的高效率模型。与强调长链路深度推理的Gemini 4 Carbon、Gemini 4 Argon不同，Hydrogen更关注快速执行、工具调用、代码迭代和多模态资料处理。Google表示，该模型将覆盖Google AI Studio、Gemini API、企业服务、Gemini应用、Google搜索，以及Google Antigravity中的Pro和Ultra订阅用户。

核心要点

• 速度与成本并重：Hydrogen拥有100万Token输入上下文，并支持最高100万Token输出。价格按整个输入上下文统一计算，每百万输入Token为1.50美元，每百万输出Token为7.50美元。
• 四档思考强度：模型提供low、medium、high和新增的xhigh四个级别。默认high级别在Artificial Analysis Intelligence Index上获得51分，高于Argon的50分；xhigh级别达到54分。相关成绩和速度数据均来自Google披露。
• 适合多模型协作：Google在Antigravity中推出Orchestrator，可在同一会话中动态切换Carbon与Hydrogen。根据官方测试，这种组合在Terminal-Bench 4.0上接近Carbon的任务成功率，同时平均少消耗24%的配额、快19%完成任务。
• 开发能力升级：相较Gemini 3.8 Flash，Hydrogen在官方测试中将Terminal-Bench 4.1得分从18.2%提升至57%，高思考级别下任务完成速度约快2.5倍，虚构性陈述减少超过五倍。它还支持并行读取文件与搜索，减少大型代码库分析中的等待。
• 覆盖更广的代理场景：模型可处理代码调试、深度研究、数据分析、法律与税务研究等任务，也能综合PDF、表格、图表、音频和视频，生成带引用的报告。Google同时展示了其在网页设计、3D交互、Google Sheets和Slides自动化中的应用案例。

意义与影响

Hydrogen的重点并不是单纯追求更大的推理能力，而是把模型放进真实工作流，承担大量重复但需要可靠执行的环节。复杂任务可由Carbon或Argon负责拆解和架构判断，再由Hydrogen并行编写代码、运行测试和验证结果，这种分工有望降低高端模型的使用成本。

不过，文中大部分性能数字来自Google自有测试或合作方早期测试，不能直接等同于所有用户环境下的表现。实际效果仍会受到任务类型、工具链、提示设计和配额策略影响。总体来看，Hydrogen体现了大模型竞争从“单模型能力”扩展到“模型编排、延迟和单位任务成本”的趋势。

来源：Google DeepMind