Google 发布了 Gemini 4 Hydrogen，这是一个面向开发者和日常用户的快速通用 AI 模型。
与前沿模型不同Gemini 4 Carbon和Gemini 4 Argon（Google 为在难题上进行深度、长程推理而设计）不同，Hydrogen 旨在快速、低成本地处理日常任务。它似乎是早前 Flash 系列的对应产品。
不过，这样的比较可能低估了它。据 Google 称，Hydrogen 在默认的“high”思考级别上，在Artificial Analysis Intelligence Index上击败了更大的 Argon（51 对 50），并在最高级别“xhigh”上达到 54。
Hydrogen 提供四个思考级别：low、medium、high（默认）以及新的 xhigh 档，而 Argon 只提供 medium 和 high。该模型的输入上下文窗口为 100 万 token，输出可达 100 万 token。价格为每百万输入 token 1.50 美元，每百万输出 token 7.50 美元。缓存命中费用为 0.075 美元。
Hydrogen 显然最终比 Argon 能力更强且更便宜。更添混乱的是，就在两天前 Google 发布其新前沿模型 Carbon 时，公司建议日常编码工作继续使用 Argon。Hydrogen 应会让这一建议变得无关紧要，使 Argon 在发布不到四周后即遭淘汰。
Hydrogen 相较上一代 Flash 实现了大幅跃升
Google 将 Hydrogen 定位为一款独立模型，是对 Gemini 3.8 Flash 的重大升级。Google 称，在默认思考级别下，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）。Google 称，幻觉减少了五倍，并且当工具调用失败或搜索无结果时，该模型的恢复能力更好。
在研究、数据分析、代码导航等开放式智能体任务上，Hydrogen 在Agent Arena排行榜上位列第五。Google 称其在Vals Tax Agent Bench以 52.3% 并列第一，在Vals Legal Research Bench以 55.8%。
| 类别 | 基准测试 | 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% | |
| 智能体编程 | SWE-sweep | 13.5% | 9.6% | 4.3% |
| FrontierSWE 2 | — | 61.2% | 55.0% | |
| Terminal-Bench 4.1（作弊校正后） | 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 至 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% |
对于总结大型 PDF、电子表格或视频等多模态知识工作，Hydrogen 在其 100 万 token 输入窗口的基础上支持最多 100 万输出 token。它在 Google 全新的Multimodal Knowledge Agent Benchmark上得分 53.4%，在Agents' Last Exam v1.1上得分 71.6%。
Hydrogen 现已可用
Google 正在全球所有平台推出 Hydrogen。开发者可通过 AI Studio 和 Android Studio 中的 Gemini API 访问，付费的 Pro 和 Ultra 订阅用户可通过 Google Antigravity 使用。企业客户可通过 Gemini for Business 获取，所有人都可以在 Gemini 应用和 Google 搜索中使用。
在 Gemini 应用中，Google 表示该模型在更长的对话中能更严格地遵循语气、格式和指令，因此草稿、摘要和文档往往一次就能用。Hydrogen 还可以从 Gmail 和 Drive 等 Google 应用，以及 Airtable 和 Dropbox 等第三方应用中引入上下文。
Google 声称 Hydrogen 对搜索也是一次"重大升级"。Google 表示，该模型能更好地处理搜索查询，即使查询中包含拼写错误、多部分问题或非常具体的请求。结果更可视化、更易浏览，改进后的查询扇出技术能引入更广泛的相关链接。
在 Google 的编程工具 Antigravity 中，一个新的编排器会在单次会话内于 Carbon 和 Hydrogen 之间动态切换，而不是固定使用一个模型。在外部基准测试Terminal-Bench 4.0上，Google 表示该编排器的成功率几乎与 Carbon 持平，同时使用的资源减少 24%，处理时间缩短 19%。
独立测试发现 Hydrogen 很少产生幻觉，但在终端工作上落后
由Artificial Analysis进行的一项独立评估显示，Hydrogen 在最高思考水平上大致与 Claude Sonnet 5.5 持平。在默认的"高"水平下，得分降至 51，略落后于 GPT-6.1 Sol（xhigh，52）和 Claude Opus 5.5（high，52）。
据 Artificial Analysis 称，在 AA-Omniscience 基准测试中，Hydrogen 编造内容的概率仅为 8%。在评估智能体知识工作的 AA-Briefcase 中，它在呈现质量上也超过了包括 Carbon 在内的其他 Gemini 模型。
Hydrogen 在智能体终端工作上较弱，在 Terminal-Bench 4.0 上得分为 54%，在 Terminal-Bench-Science 0.1 上仅为 50%。Claude Sonnet 5.5（max）分别达到 64% 和 53%，而 GPT-6.1 Sol（max）得分为 56% 和 58%。
在性价比方面，Artificial Analysis 估算 Hydrogen 在 xhigh 下每任务成本约为 3.16 美元，约为 Claude Sonnet 5.5（max）在几乎相同智能水平下成本的三分之一，但约为 GPT-6.1 Sol（max）的 2.5 倍。
在 "high" 档，成本降至 1.87 美元，"medium" 档降至 0.80 美元，"low" 档降至 0.29 美元。不过，智能得分在较低档位急剧下降，medium 档在该指数上仅达到 41，low 档仅为 27。Artificial Analysis 指出，xhigh 使用的输出 token 数量几乎是 high 的两倍，这解释了价格的跃升。在 high、medium 和 low 档位，该模型处于帕累托前沿，这意味着在这些价格点上，没有其他模型既更便宜又更智能。