Gemini 4 Hydrogen：便宜，但不只是快

北京时间 11 月 13 日凌晨，谷歌正式发布 Gemini 4 Hydrogen；按谷歌官方发布时间计算，这次发布发生在美国时间 11 月 12 日。新模型的定位很明确：不和 Carbon、Argon 争夺最复杂任务的“总指挥”位置，而是以更低延迟和更低成本，承担日常编程、工具调用、资料处理以及多智能体系统中的高频执行工作。(blog.google)

**Gemini 4 Hydrogen 是谷歌面向高频编码与 Agent 工作流推出的 Gemini 4 高效率模型。**它的标准价格为每百万输入 Token 1.50 美元、每百万输出 Token 7.50 美元，而且在整个 100 万 Token 上下文范围内保持统一价格，不再因为输入长度跨过某个门槛而进入更贵的计费档位。

这可能是 Hydrogen 最有杀伤力的地方：它没有把“便宜”建立在明显牺牲推理能力的基础上。

价格比跑分更值得关注

**Hydrogen 的定价策略是用接近中端模型的成本，提供逼近前沿模型的推理能力。**按标准按量价格计算，处理 100 万输入 Token 需要 1.50 美元，生成 100 万输出 Token 的标价是 7.50 美元；批处理和 Flex 模式还可进一步降至输入 0.75 美元、输出 3.75 美元。(blog.google)

不过，“100 万 Token 输出”不能简单理解成一次普通请求可以在塞入 100 万 Token 输入后，再额外吐出 100 万 Token。

**Hydrogen 使用的是 1,048,576 Token 输入输出统一窗口。**输入、思考过程、工具调用和最终回答共同占用这段空间；普通前台请求单段最多生成 65,536 Token，若要继续扩展，需使用长输出机制分段续写，累计输出最多可以接近统一窗口剩余容量。换句话说，100 万 Token 是一间共享仓库，不是输入和输出各自拥有一间 100 万 Token 的仓库。(docs.cloud.google.com)

这项限制并不会削弱 Hydrogen 的工程价值，反而说明谷歌开始认真处理长任务的持续执行问题。对于大型代码库迁移、长文档综合、财务模型分析或者持续数十步的 Agent 任务，真正重要的并不是“单次回答能写多长”，而是模型能否保存状态、连续执行，并在工具失败后继续完成任务。

| 模型或方案 | 输入价格 / 百万 Token | 输出价格 / 百万 Token | 核心定位 | 关键差异 | |---|---:|---:|---|---| | Gemini 4 Hydrogen | 1.50 美元 | 7.50 美元 | 日常编程、高频 Agent 执行 | 统一 100 万 Token 窗口，四档思考深度 | | Gemini 4 Argon 首发价 | 2 美元 | 10 美元 | 长周期复杂推理、软件工程 | 能力上限更高，但价格和延迟更高 | | Hydrogen 批处理 / Flex | 0.75 美元 | 3.75 美元 | 非实时大规模任务 | 标准价格的 50%，适合离线处理 | | Carbon + Hydrogen Orchestrator | 按实际模型用量 | 按实际模型用量 | 多模型协作 | 自动分配规划与执行任务 |

如果一个 Agent 每天读取大量代码、日志和文档，输入 Token 往往远高于最终输出量。Hydrogen 把输入价格压到 1.50 美元，对代码审查、企业搜索、数据清洗和批量文档分析的意义，可能比输出价格更大。

举个简单的账：一个工作流每天处理 2 亿输入 Token、产生 1000 万输出 Token，按 Hydrogen 标准价格计算，每日模型费用约为 375 美元，其中输入成本 300 美元、输出成本 75 美元。如果任务允许使用批处理，理论费用可降至约 187.5 美元。

这也是谷歌真正想争夺的市场——不是聊天窗口里偶尔出现的一道难题，而是企业后台一天运行几万次的自动化任务。

它不是 Flash 的常规升级

**Gemini 3.8 Flash 的设计目标是快速回答，而 Hydrogen 的设计目标是快速完成任务。**两者看起来只差一个“Agent”概念，实际对应的是完全不同的工程要求。

聊天模型只需要生成一段看起来合理的答案；Agent 模型还要决定调用什么工具、读取哪些文件、是否拥有操作权限、工具失败后怎么恢复，以及最终有没有真的完成任务。模型如果在其中任何一步“自作聪明”，都可能把一次节省几美分的调用变成半小时的人工排错。

谷歌给出的数据是，Hydrogen 在默认 high 思考档位下，完成任务的速度达到 Gemini 3.8 Flash 的 2.5 倍；Terminal-Bench 4.1 得分从 18.2% 提升到 57%，虚构事实和虚构执行结果的频率降低超过 5 倍。(blog.google)

**Terminal-Bench 是用于评估模型在真实命令行环境中完成多步骤任务能力的基准。**57% 仍然意味着模型无法稳定独立完成所有终端工作，但从 18.2% 到 57% 已经不是普通的版本迭代，而是从“适合给建议”向“可以承担部分执行工作”跨了一步。

Hydrogen 在 SWE-sweep 上取得 13.5%，高于 Claude Sonnet 5.5 的 3.1% 和 GPT-6.1 Terra 的 5.8%；在 Agents’ Last Exam v1.1 中得分 71.6%，在 AutomationBench-AA 中得分 76.1%。但它并非全面领先：Terminal-Bench 4.1 得分 57%，低于 Claude Sonnet 5.5 的 63.9%；OSWorld-2.1 得分 77.6%，同样低于后者的 83.9%。(deepmind.google)

| 基准 | Gemini 4 Hydrogen | Claude Sonnet 5.5 | GPT-6.1 Terra | Hydrogen 表现 | |---|---:|---:|---:|---| | SWE-sweep | 13.5% | 3.1% | 5.8% | 明显领先 | | Terminal-Bench 4.1 | 57.0% | 63.9% | 未公布 | 落后 Sonnet 5.5 | | Agents’ Last Exam v1.1 | 71.6% | 60.4% | 69.8% | 小幅领先 Terra | | AutomationBench-AA | 76.1% | 71.8% | 60.2% | 领先 | | OSWorld-2.1 | 77.6% | 83.9% | 74.2% | 居中 | | HLE-Diamond | 58.8% | 53.3% | 47.3% | 领先 |

这些数据支持一个更克制的结论：Hydrogen 不是同级模型中的绝对性能冠军，但它很可能是当前成本、速度和 Agent 能力组合得最激进的模型之一。

四档思考深度，比单纯“快慢模型”实用

**思考深度是模型在回答前可以投入多少推理计算的控制参数。**Hydrogen 提供 low、medium、high 和 xhigh 四个档位，其中 high 是默认设置。

这种设计比过去把模型简单分为 Flash 和 Pro 更实用。开发者可以让 low 负责格式转换、字段提取和简单分类，让 medium 处理常规代码修改，让 high 进行跨文件调试，再把 xhigh 留给架构分析、复杂数据推理或需要反复验证的任务。

在 Artificial Analysis Intelligence Index 中，Hydrogen 默认 high 档位得到 51 分，比 Gemini 4 Argon 的 50 分高 1 分；xhigh 档位可达到 54 分。这里最值得注意的不是一两分的领先，而是 Hydrogen 在更低价格下已经进入前沿模型的能力区间。(blog.google)

但 xhigh 不应该成为默认选项。更深的思考通常意味着更高延迟和更多输出 Token，如果只是改一个配置文件或从表格中提取字段，强行使用 xhigh 相当于让高级工程师逐字检查一封会议通知——结果可能更严谨，投入却不成比例。

Orchestrator 才是这次发布的隐藏主角

**Orchestrator 是 Google Antigravity 中用于动态选择和切换不同模型的智能调度系统。**它可以在同一个会话里，让 Carbon 负责规划和处理高难度判断，再把写代码、跑测试、核对输出等执行步骤交给 Hydrogen。

这比要求用户手动选择模型更符合 Agent 产品的未来。真实任务并不会整齐地分成“简单问题”和“困难问题”：一次代码迁移可能前 10 分钟需要理解架构，接下来一小时只是机械修改，最后又需要高强度排错。如果从头到尾都使用最贵模型，成本高；如果全程使用快速模型，关键决策又可能出错。

在 Terminal-Bench 4.0 中，Orchestrator 的成功率接近 Carbon，但平均配额消耗减少 24%，完成速度提升 19%。这组数据意味着多模型路由不再只是理论上的成本优化，而开始能够在接近旗舰模型质量的同时，带来可量化的效率收益。(blog.google)

谷歌对 Carbon、Argon 和 Hydrogen 的分工已经相当清晰：

• Carbon 负责最复杂的规划、判断和长周期推理；
• Argon 负责高难度软件工程与专业知识工作；
• Hydrogen 负责高频执行、验证和并行子任务；
• Orchestrator 负责判断什么时候该用哪一个模型。

对于多智能体系统，Hydrogen 还可以充当 worker 和 verifier：一组实例并行修改不同模块，另一组实例运行测试、检查改动是否越界，Carbon 则负责统筹。这种“一个高级负责人带多个执行者”的组织方式，比让一个昂贵模型包办所有工作更接近真实的软件团队。

100 万 Token 的价值，不是把整个仓库硬塞进去

**长上下文是模型在一次任务中能够同时保留和处理的信息总量。**Hydrogen 支持文本、图片、音频、视频、PDF，以及 Office 和 OpenDocument 文件，统一上下文上限为 1,048,576 Token。(docs.cloud.google.com)

100 万 Token 足以容纳数十万行代码或多份大型文档，但开发者不应该因此放弃检索和上下文管理。把整个代码仓库不加筛选地塞给模型，会增加首 Token 延迟、输入费用和注意力噪声，也可能让真正相关的文件被埋在大量依赖代码中。

Hydrogen 更合理的用法，是让 Agent 先并行搜索文件、识别依赖关系，再批量读取相关区域。谷歌表示，该模型擅长并行执行文件读取与搜索，而不是逐个文件串行检查；合作伙伴测试中，复杂图计算、SQL 和数据密集型工作流速度提升 2 至 2.8 倍，Token 使用量减少 12% 至 23%。(blog.google)

这说明 Hydrogen 的速度优势不完全来自更快的生成速度，也来自更有效的工具调用策略。对于 Agent 来说，少走三次错误的搜索路径，往往比每秒多生成几十个 Token 更重要。

安全指标不错，但别把它理解成可以无人值守

**Agent 越权是模型为了完成任务，执行超出用户授权范围操作的行为。**例如用户只要求分析生产日志，模型却主动修改配置；或者工具权限不足时，模型尝试绕过限制继续执行。

谷歌称 Hydrogen 将 Agent 任务中的越权行为最多减少 81%，服务不足问题最多减少 79%，并将工具调用与编码评测中的失准操作、任务走捷径问题减少 12 倍。模型在内部 Agent 诚实度测试中达到 96.7%，思维链可读性保留率达到 99.9%，对间接提示注入的抵抗能力在 Gray Swan IPI 基准中提升超过 2.3 倍。(blog.google)

这些指标说明 Hydrogen 更懂得什么时候应该停手、报告失败或者请求权限，但 96.7% 的诚实率仍然不是 100%。如果一个自动化系统每天执行 10 万次高风险任务，即使只有极低比例的失准，也可能形成不可接受的事故规模。

Hydrogen 更适合在明确的权限边界、隔离工作区、可回滚操作和自动测试体系中运行。尤其是涉及生产数据库、云资源删除、代码合并和资金操作时，人工审批仍然不能省略。

谷歌的模型卡也承认，Hydrogen 仍可能出现幻觉、偶发变慢或超时，高思考档位有时还会消耗更多 Token。模型的知识截止时间为 2026 年 3 月，因此涉及近期事实的任务仍然需要搜索和外部数据源。(deepmind.google)

谁应该现在就切换

**Hydrogen 最适合输入量大、任务频率高，同时允许通过测试和权限系统控制风险的工作流。**典型场景包括代码库问答、常规 Bug 修复、测试生成、数据表分析、企业文档综合、批量报告生成和多 Agent 并行执行。

如果团队目前主要使用 Gemini 3.8 Flash 跑工具调用或编码任务，Hydrogen 值得直接进入真实业务 A/B 测试。2.5 倍的任务速度、明显更高的终端任务成功率以及更低的虚构错误率，已经足以改变总体拥有成本，而不仅是改善聊天体验。

如果任务需要最高级别的系统架构判断、前沿科学推理或长周期自主研究，Carbon 或其他旗舰模型仍然更稳妥。Hydrogen 的优势不是在所有榜单上夺冠，而是把“足够强”的能力压到可以规模化调用的价格。

如果业务对延迟不敏感，还可以优先评估批处理和 Flex 价格。0.75 美元输入、3.75 美元输出意味着在相同预算下，理论处理量可以翻倍，这对夜间数据处理、离线代码扫描和周期性报告尤其有吸引力。

谷歌开始卖“模型团队”，而不是单个模型

**Gemini 4 Hydrogen 的真正意义，是谷歌开始把模型选择问题交给调度系统，而不是交给用户。**过去厂商习惯发布一个更大的模型，再让开发者自行权衡价格和能力；Gemini 4 的产品结构则更像一个模型团队：旗舰模型负责思考，高效模型负责执行，Orchestrator 负责调度。

这种架构很可能比单纯增加参数量更接近 Agent 产品的现实需求。企业不需要每一步都由最聪明的模型完成，只需要关键步骤不犯错、重复步骤足够便宜，并且整个流程能够被观测、验证和回滚。

Hydrogen 当前最值得肯定的地方，是价格、速度和能力之间没有明显短板。它在部分终端和计算机操作基准上仍落后于 Claude Sonnet 5.5，但 1.50 美元的输入价格、100 万 Token 统一窗口、四档思考深度，以及与 Carbon 协同的 Orchestrator，让它成为一个更像“生产工具”而不是“跑分样品”的模型。

对开发者而言，现在不必急着把所有工作流一次性迁移过去。更合理的做法是选择三类任务进行测试：一个代码库修改任务、一个长文档或表格任务，以及一个包含工具失败和权限限制的 Agent 任务。记录任务成功率、人工接管次数、总 Token、端到端时间和真实费用，再决定 Hydrogen 是否能成为新的默认执行模型。

至少从首批数据看，Gemini 4 Hydrogen 不只是 Gemini 4 的廉价版本。它更像谷歌专门为 Agent 规模化落地补上的一块关键拼图。

参考来源

• IT之家：谷歌发布 Gemini 4 Hydrogen 模型 —— 汇总模型价格、上下文能力、Orchestrator 效率数据及安全评测结果。