Google 发布 Gemini 4 Hydrogen，发布四周后在基准上超过更大的 Argon

谷歌发布了Gemini 4 Hydrogen，这是一款快速通用型AI模型，面向开发者和日常用户。

与谷歌为深度、长时程推理而设计的Gemini 4 Carbon和Gemini 4 Argon等前沿模型不同，Hydrogen旨在快速且经济地处理日常任务。它似乎是早期Flash系列的对应产品。

不过这种比较可能低估了它。根据谷歌的说法，Hydrogen在人工智能分析指数的默认"高"思考级别上击败了更大的Argon（51 vs. 50），并在最高级别"xhigh"上达到54。

Hydrogen提供四个思考级别：低、中、高（默认）和一个新的xhigh层级，而Argon只提供中和高。该模型的输入上下文窗口为一百万个token，可以输出一百万个token。输入成本为每百万token 1.50美元，输出成本为每百万token 7.50美元。缓存命中成本为0.075美元。

在"xhigh"级别，Gemini 4 Hydrogen在人工智能分析指数上得分54，仅次于Claude Sonnet 5.5和GPT-6.1 Sol，后者在其最大思考级别上得分均为55。Gemini 4 Argon得分为50。 | 来源：人工智能分析

Hydrogen最终在能力和成本上都比Argon更强。更令人困惑的是，就在两天前谷歌宣布其新的前沿模型Carbon时，公司建议日常编码工作继续使用Argon。Hydrogen应该使这些建议变得无效，使得Argon在发布不到四周后就过时了。

Hydrogen比之前的Flash一代有显著提升

谷歌将Hydrogen定位为一个独立模型，并称其为Gemini 3.8 Flash的重大升级。在默认思考级别上，谷歌表示它完成任务的速度快2.5倍。在Terminal-Bench 4.1上，得分从18.2%（Flash）跃升至57%（Hydrogen）。谷歌表示幻觉减少了五倍，当工具调用失败或搜索结果为空时，模型恢复得更好。

在开放式的代理任务（如研究、数据分析和代码导航）中，Hydrogen在Agent Arena排行榜上排名第五。谷歌表示它在Vals Tax Agent Bench上排名第一，得分为52.3%，并在Vals Legal Research Bench上并列第一，得分为55.8%。

类别	基准	Gemini 4 Hydrogen	Gemini 4 Carbon	Gemini 4 Argon
通用能力	AA Index v5.0	54 (xhigh, 5.1)	59	50
	Vals Index v2.2	—	70.4%	69.2%
代理编码	SWE-sweep	13.5%	9.6%	4.3%
	FrontierSWE 2	—	61.2%	55.0%
	Terminal-Bench 4.1 (作弊调整)	57.0%	—	—
	Terminal Bench 4.0 (AA)	—	65.2%	57.1%
知识工作	Agents’ Last Exam v1.1	71.6%	77.4%	69.0%
	AutomationBench	76.1%	—	—
	AutomationBench (Zapier)	—	53.9%	51.3%
	Vending-Bench 2 (账户余额，美元)	$14,549	$16,484	$13,718
计算机使用	OSWorld-2.1 (离线子集)	77.6%	81.5%	74.7%
多模态理解	MKA (Climb WSR准确率)	53.4%	—	—
	Chartography	66.6%	72.5%	71.6%
	Blueprint Bench 2 (相似度得分)	—	58.6%	54.4%
长上下文	GraphWalks (256k到1M，BFS)	—	96.2%	84.2%
科学与数学	Terminal-Bench-Science 0.1	51.4%	—	—
	RiemannBench	—	80.0%	76.0%
	Terminal-Bench-Science 0.1 (AA)	—	64.8%	52.9%
推理	HLE-Diamond	58.8%	—	—
网络安全	CWE-bench	—	71.0%	68.0%
	ExploitGym	—	54.8%	42.0%
	SEC-bench Pro	—	88.2%	83.4%

用于多模态知识工作（如总结大型PDF、电子表格或视频），Hydrogen在其一百万个token的输入窗口之上支持高达一百万个token的输出。它在谷歌新的多模态知识代理基准上得分53.4%，在Agents' Last Exam v1.1上得分71.6%。

Hydrogen现已可用

Google 正在全球范围内所有平台上推出 Hydrogen。开发者可以通过 AI Studio 和 Android Studio 中的 Gemini API 获取，而付费的 Pro 和 Ultra 订阅者可以通过 Google Antigravity 使用它。企业客户可以通过 Gemini for Business 获取，并且每个人都可以在 Gemini 应用和 Google 搜索中使用。

在 Gemini 应用中，Google 表示该模型在较长的对话中更紧密地遵循语气、格式和指令，因此草稿、摘要和文档更经常可以在第一次尝试时使用。Hydrogen 还可以引入来自 Gmail 和 Drive 等谷歌应用以及 Airtable 和 Dropbox 等第三方应用的内容。

Google 声称 Hydrogen 也是 Search 的 "重大升级"。该模型更好地处理搜索查询，即使查询包含拼写错误、多部分问题或非常具体的要求，Google 表示也是如此。结果更具视觉化，更容易扫描，并且改进的查询扩散技术引入了更广泛的的相关链接。

在 Google 的基准比较中，Gemini 4 Hydrogen 在知识工作和多模态理解测试中击败了 Claude Sonnet 5.5 和 GPT-6.1 Terra。然而，Sonnet 在终端任务和计算机使用方面得分最高。 | 来源：Googl

在 Google 的编码工具 Antigravity 中，一个新的协调器在会话内动态地在 Carbon 和 Hydrogen 之间切换，而不是坚持使用一个模型。在外部基准测试 Terminal-Bench 4.0 中，Google 表示该协调器几乎达到了 Carbon 的成功率，同时使用了 24% 更少的资源，并将处理时间缩短了 19%。

独立测试发现 Hydrogen 很少产生幻觉，但在终端工作上表现不佳

由 Artificial Analysis 进行的独立评估将 Hydrogen 大致与 Claude Sonnet 5.5 在其最高思考水平上相媲美。在默认的 "高" 级别下，分数降至 51，略低于 GPT-6.1 Sol (xhigh, 52) 和 Claude Opus 5.5 (high, 52)。

根据 Artificial Analysis 的 AA-Omniscience 基准测试，Hydrogen 只有 8% 的时间会编造内容。它还在 AA-Briefcase 中以演示质量击败了其他 Gemini 模型，包括 Carbon，该测试评估了代理知识工作。

Hydrogen 在代理终端工作上较弱，在 Terminal-Bench 4.0 上得分 54%，在 Terminal-Bench-Science 0.1 上得分仅为 50%。Claude Sonnet 5.5 (max) 分别达到了 64% 和 53%，而 GPT-6.1 Sol (max) 分别得分 56% 和 58%。

在价格性能方面，Artificial Analysis 将 Hydrogen 的成本定为每项任务约 3.16 美元，大致是 Claude Sonnet 5.5 (max) 在几乎相同的智能水平下成本的三分之一，但大约是 GPT-6.1 Sol (max) 的 2.5 倍。

"xhigh" 思考级别将 Gemini 4 Hydrogen 的分数从 51 提升至 54，但需要几乎两倍于 "high" 的输出令牌数。每项任务的平均成本从 1.87 美元上升到 3.16 美元。 | 来源：Artificial Analysi

在 "high" 级别下，成本降至 1.87 美元，在 "medium" 级别下降至 0.80 美元，在 "low" 级别下降至 0.29 美元。然而，在较低级别下，智能分数急剧下降，中等级别在指数上仅为 41，低级别仅为 27。Artificial Analysis 指出，xhigh 使用了几乎两倍于 high 的输出令牌数，这解释了价格跳跃。在高、中、低级别上，该模型位于帕累托前沿，这意味着没有其他模型在这些价格点上既更便宜又更聪明。

AI 新闻无炒作 – 由人类编辑

订阅 THE DECODER 以享受无广告阅读、每周一份的 AI 新闻简报、我们独有的每年六次的 "AI 雷达" 前沿报告、完整档案访问权限以及访问我们的评论区。