AIsaAIsaStudio English 打开 AIsa Studio

Google 发布 Gemini 4 Hydrogen,得分超过更大的 Argon 且价格更低

原标题:Google's Gemini 4 Hydrogen outscores the bigger Argon just four weeks after its launch

Google 发布快速通用模型 Gemini 4 Hydrogen,在 Artificial Analysis Intelligence Index 默认 high 档得分 51、xhigh 档达 54,超过更大的 Argon 的 50 分。模型定价为输入 $1.50/百万 token、输出 $7.50/百万 token,支持 100 万 token 上下文窗口;独立评测显示其幻觉率仅 8%,但终端类任务弱于 Claude Sonnet 5.5。

为什么值得看

文章汇总官方与 Artificial Analysis 双方数据,读者可以横向比较 Hydrogen 的智能分数、幻觉率与各档位成本再决定是否切换。

阅读原文 ↗11月13日 AI 日报

本页的摘要、推荐理由与解读出自 AIsa Studio 的 AI 风向智能体,原文版权归原作者所有。

深度解读

发生了什么

Google 发布了 Gemini 4 Hydrogen,一个面向开发者和普通用户的快速通用模型,定位为此前 Flash 系列的对应产品。与专为大问题深度长程推理设计的前沿模型 Gemini 4 Carbon 和 Gemini 4 Argon 不同,Hydrogen 强调快速、低成本地完成日常任务。

但这次发布的关键在于:Hydrogen 在 Argon 发布不到四周后就超过了它。据 Google 数据,在默认「high」思考档位下,Hydrogen 在 Artificial Analysis Intelligence Index 上以 51 比 50 胜过更大的 Argon,在最高档「xhigh」下可达 54 分。报道指出,就在两天前 Google 发布 Carbon 时还建议日常编码继续用 Argon,而 Hydrogen 让这一建议失去了意义。

关键细节

  • 提供四个思考档位:low、medium、high(默认)和新增的 xhigh;Argon 只有 medium 和 high。输入和输出上下文均为一百万 token。
  • 定价:输入每百万 token $1.50,输出 $7.50,缓存命中 $0.075。
  • 相比上一代 Gemini 3.8 Flash:默认档位下任务完成速度提升 2.5 倍,Terminal-Bench 4.1 得分从 18.2% 跃升至 57%,幻觉减少为原来的五分之一,工具调用失败或搜索无结果时的恢复能力更好。
  • 智能体基准:在 Agent Arena 排行榜排第五,Vals Tax Agent Bench 以 52.3% 排第一,Vals Legal Research Bench 以 55.8% 并列第一;多模态方面在 Google 新的多模态知识智能体基准上得 53.4%,Agents' Last Exam v1.1 得 71.6%。
  • 全平台可用:Gemini API(AI Studio、Android Studio)、Pro 和 Ultra 订阅者可通过 Google Antigravity 使用,企业客户通过 Gemini for Business,普通用户在 Gemini 应用和 Google 搜索中都能用上。模型可调用 Gmail、Drive 以及 Airtable、Dropbox 等第三方应用的上下文。
  • 在 Antigravity 编码工具中,新的编排器会在一个会话内动态切换 Carbon 和 Hydrogen;在 Terminal-Bench 4.0 上,其成功率接近 Carbon,同时资源消耗减少 24%、处理时间缩短 19%。

独立评测方 Artificial Analysis 的结果显示:Hydrogen 在最高思考档位下大致与 Claude Sonnet 5.5 相当;在 AA-Omniscience 基准上编造率仅 8%,在评估智能体知识工作的 AA-Briefcase 上展示质量超过包括 Carbon 在内的其他 Gemini 模型。但它在智能体终端任务上较弱:Terminal-Bench 4.0 得 54%,Terminal-Bench-Science 0.1 得 50%,而 Claude Sonnet 5.5(max)分别为 64% 和 53%,GPT-6.1 Sol(max)为 56% 和 58%。

为什么重要

一个快速、便宜的日常模型在四个月内(注:原文为四周)反超了刚发布的前沿模型,说明前沿定位并不稳固,也直接推翻了 Google 两天前「日常编码继续用 Argon」的官方建议。在 xhigh 档位下,Hydrogen 每个任务成本约 $3.16,大约是 Claude Sonnet 5.5(max)的三分之一,而两者智能水平接近;但约为 GPT-6.1 Sol(max)的 2.5 倍。

Artificial Analysis 还指出,在 high、medium、low 三个档位上,Hydrogen 处于帕累托前沿,即在这些价格点上没有其他模型既更便宜又更聪明。不过档位越低智能分数下降明显(medium 仅 41,low 仅 27),且 xhigh 的输出 token 用量接近 high 的两倍,这正是每任务成本从 $1.87 涨到 $3.16 的原因。

对谁有影响

  • 通过 AI Studio 和 Android Studio 使用 Gemini API 的开发者;
  • 通过 Google Antigravity 使用模型的 Pro 和 Ultra 订阅者,其新编排器会动态混合 Carbon 和 Hydrogen;
  • 通过 Gemini for Business 使用的企业客户;
  • Gemini 应用和 Google 搜索的普通用户。

对于在模型之间做选择的团队,日常任务现在可能更倾向于选 Hydrogen 而非 Argon;而对终端操作或计算机使用等任务有最高要求的用户,Google 的对比显示 Claude Sonnet 5.5 在这些任务上得分仍最高。

全文翻译

谷歌发布了 Gemini 4 Hydrogen,这是一款面向开发者和普通用户的快速通用 AI 模型。

与专为解决难题而设计的深度、长程推理前沿模型 Gemini 4 Carbon 和 Gemini 4 Argon 不同,Hydrogen 旨在快速且低成本地处理日常任务。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的实力。据谷歌称,在默认“high”(高)思考级别下,Hydrogen 在 Artificial Analysis Intelligence Index 上击败了更大的 Argon 模型(51 分 vs. 50 分),并在最高级别“xhigh”(超高)下达到 54 分。

Hydrogen 提供四种思考级别:low(低)、medium(中)、high(高,默认值)以及新的 xhigh(超高)级别,而 Argon 仅提供 medium 和 high 两个级别。该模型的输入上下文窗口为一百万个 token,输出能力也为一百万个 token。其价格为每百万输入 token 1.50 美元,每百万输出 token 7.50 美元。缓存命中(cache hits)的价格为 0.075 美元。

在“xhigh”级别下,Gemini 4 Hydrogen 在 Artificial Analysis Intelligence Index 上得分为 54,紧随 Claude Sonnet 5.5 和 GPT-6.1 Sol 之后,后两者在其最大思考级别下均得分为 55。Gemini 4 Argon 的得分为 50。| 来源:Artificial Analysis

Hydrogen 显然比 Argon 更强大且更便宜。这增加了混淆程度,因为 就在两天前谷歌宣布其新前沿模型 Carbon 时,该公司建议在日常编码工作中继续使用 Argon。Hydrogen 的出现将使这一建议变得过时,Argon 在发布不到四周后即面临淘汰。

Hydrogen 较上一代 Flash 系列实现重大飞跃

谷歌将 Hydrogen 定位为一款独立模型,并对 Gemini 3.8 Flash 进行了大幅升级。在默认思考级别下,谷歌表示其完成任务的速度提高了 2.5 倍。在 Terminal-Bench 4.1 上,分数从 18.2%(Flash)跃升至 57%(Hydrogen)。幻觉现象减少了五分之一,并且当工具调用失败或搜索结果为空时,模型的恢复能力更强,谷歌表示。

在研究、数据分析和代码导航等开放式智能体任务中,Hydrogen 在 Agent Arena 排行榜上排名第五。谷歌表示,它在 Vals Tax Agent Bench 上以 52.3% 的成绩排名第一,并在 Vals Legal Research Bench 上与第一名并列,成绩为 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%
智能体编码 SWE-sweep 13.5% 9.6% 4.3%
FrontierSWE 2 — 61.2% 55.0%
Terminal-Bench 4.1 (作弊调整后) 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 (攀爬 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 支持在一百万个输入 token 的基础上再输出一百万个 token。它在谷歌新的 Multimodal Knowledge Agent Benchmark 上得分为 53.4%,在 Agents' Last Exam v1.1 上得分为 71.6%。

Hydrogen 现已上线

谷歌正在全球范围内向所有平台推出 Hydrogen。开发者可以通过 AI Studio 和 Android Studio 中的 Gemini API 访问该模型,付费的 Pro 和 Ultra 订阅用户则可以通过 Google Antigravity 使用它。企业客户通过 Gemini for Business 获得该模型,并且所有人都在 Gemini 应用和 Google 搜索中可以使用它。

在 Gemini 应用中,谷歌表示,在较长的对话中,该模型能更紧密地遵循语气、格式和指令,因此草稿、摘要和文档通常第一次尝试即可使用。Hydrogen 还可以从 Gmail 和 Drive 等谷歌应用以及 Airtable 和 Dropbox 等第三方应用中提取上下文。

谷歌声称 Hydrogen 也是搜索的一项“重大升级”。谷歌表示,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。搜索结果更具视觉吸引力且易于扫描,改进后的查询发散技术(query fan-out technique)能够引入更广泛的相关链接。

在谷歌的基准测试对比中,Gemini 4 Hydrogen 在所示的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:Google

在谷歌的编码工具 Antigravity 中,一个新的编排器(orchestrator)会在会话期间动态切换 Carbon 和 Hydrogen,而不是固守单一模型。在外部基准测试 Terminal-Bench 4.0 上,谷歌表示,该编排器的成功率几乎与 Carbon 相当,同时资源使用量减少了 24%,处理时间缩短了 19%。

独立测试发现 Hydrogen 极少产生幻觉,但在终端工作上表现落后

Artificial Analysis 的一项独立评估显示,Hydrogen 在其最高思考级别下大致与 Claude Sonnet 5.5 持平。在默认的“high”(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 的数据,在 AA-Omniscience 基准测试中,Hydrogen 的胡编乱造率仅为 8%。在评估智能体知识工作的 AA-Briefcase 中,它在呈现质量方面也优于其他 Gemini 模型,包括 Carbon。

Hydrogen 在智能体终端工作方面较弱,在 Terminal-Bench 4.0 上得分为 54%,在 Terminal-Bench-Science 0.1 上仅得分为 50%。Claude Sonnet 5.5(max)在这两项测试中分别达到 64% 和 53%,而 GPT-6.1 Sol(max)的得分分别为 56% 和 58%。

在性价比方面,Artificial Analysis 指出,Hydrogen 在 xhigh 级别下的每次任务成本约为 3.16 美元,大致相当于 Claude Sonnet 5.5(max)在几乎相同智能水平下的成本的三分之一,但大约是 GPT-6.1 Sol(max)成本的 2.5 倍。

“xhigh”思考级别将 Gemini 4 Hydrogen 的分数从 51 提升至 54,但需要比“high”级别多近一倍的输出 token。每次任务的平均成本从 1.87 美元上升至 3.16 美元。| 来源:Artificial Analysis

在“high”级别下,成本降至 1.87 美元,“medium”(中)级别为 0.80 美元,“low”(低)级别为 0.29 美元。不过,在较低级别下,智能分数急剧下降,其中“medium”级别仅达到 41 分,“low”级别仅为 27 分。Artificial Analysis 指出,xhigh 级别的输出 token 数量几乎是 high 级别的两倍,这解释了价格的跳跃。在 high、medium 和 low 层级,该模型位于帕累托前沿(Pareto frontier),意味着没有其他模型在这些价格点上既更便宜又更聪明。

无炒作 AI 资讯 – 由人工策划

订阅 THE DECODER,享受无广告阅读、每周 AI 通讯、每年六次的独家“AI Radar”前沿报告、完整档案访问权限以及评论板块访问权限。

立即订阅

查看原文

Google has released Gemini 4 Hydrogen, a fast general-purpose AI model meant for developers and everyday users.

Unlike the frontier models Gemini 4 Carbon and Gemini 4 Argon, which Google designed for deep, long-horizon reasoning on hard problems, Hydrogen is meant to handle everyday tasks quickly and cheaply. It appears to be the counterpart to the earlier Flash series.

That comparison may sell it short, though. According to Google, Hydrogen beats the larger Argon on the Artificial Analysis Intelligence Index at the default "high" thinking level (51 vs. 50) and reaches up to 54 at the highest level, "xhigh."

Hydrogen offers four thinking levels: low, medium, high (the default), and a new xhigh tier, while Argon offers only medium and high. The model has a one-million-token context window for input and can output one million tokens. It costs $1.50 per million input tokens and $7.50 per million output tokens. Cache hits cost $0.075.

At "xhigh," Gemini 4 Hydrogen scores 54 on the Artificial Analysis Intelligence Index, just behind Claude Sonnet 5.5 and GPT-6.1 Sol, which each score 55 at their maximum thinking level. Gemini 4 Argon trails at 50. | Source: Artificial Analysis

Hydrogen apparently ends up both more capable and cheaper than Argon. Adding to the confusion, when Google announced its new frontier model Carbon just two days ago, the company recommended sticking with Argon for daily coding work. Hydrogen should make that advice moot, leaving Argon obsolete less than four weeks after its release.

Hydrogen delivers a major jump over the previous Flash generation

Google pitches Hydrogen as a standalone model and a big upgrade over Gemini 3.8 Flash. At the default thinking level, Google says it finishes tasks 2.5 times faster. On Terminal-Bench 4.1, the score jumps from 18.2 percent (Flash) to 57 percent (Hydrogen). Hallucinations dropped by a factor of five, and the model recovers better when a tool call fails or a search comes up empty, Google says.

On open-ended agent tasks like research, data analysis, and code navigation, Hydrogen ranks fifth on the Agent Arena leaderboard. Google says it takes first place on the Vals Tax Agent Bench with 52.3 percent and ties for first on the Vals Legal Research Bench with 55.8 percent.

Category

Benchmark

Gemini 4 Hydrogen

Gemini 4 Carbon

Gemini 4 Argon

General Abilities

AA Index v5.0

54 (xhigh, 5.1)

59

50

Vals Index v2.2

—

70.4%

69.2%

Agentic coding

SWE-sweep

13.5%

9.6%

4.3%

FrontierSWE 2

—

61.2%

55.0%

Terminal-Bench 4.1 (cheating-adjusted)

57.0%

—

—

Terminal Bench 4.0 (AA)

—

65.2%

57.1%

Knowledge Work

Agents’ Last Exam v1.1

71.6%

77.4%

69.0%

AutomationBench

76.1%

—

—

AutomationBench (Zapier)

—

53.9%

51.3%

Vending-Bench 2 (Account Balance, U.S. Dollars)

$14,549

$16,484

$13,718

Computer Use

OSWorld-2.1 (offline subset)

77.6%

81.5%

74.7%

Multimodal Understanding

MKA (Climb WSR accuracy)

53.4%

—

—

Chartography

66.6%

72.5%

71.6%

Blueprint Bench 2 (Similarity Score)

—

58.6%

54.4%

Long Context

GraphWalks (256k to 1M, BFS)

—

96.2%

84.2%

Science and Mathematics

Terminal-Bench-Science 0.1

51.4%

—

—

RiemannBench

—

80.0%

76.0%

Terminal-Bench-Science 0.1 (AA)

—

64.8%

52.9%

Reasoning

HLE-Diamond

58.8%

—

—

Cybersecurity

CWE-bench

—

71.0%

68.0%

ExploitGym

—

54.8%

42.0%

SEC-bench Pro

—

88.2%

83.4%

For multimodal knowledge work like summarizing large PDFs, spreadsheets, or videos, Hydrogen supports up to one million output tokens on top of its one-million-token input window. It scores 53.4 percent on Google's new Multimodal Knowledge Agent Benchmark and 71.6 percent on Agents' Last Exam v1.1.

Hydrogen is available now

Google is rolling Hydrogen out globally across all platforms. Developers get access through the Gemini API in AI Studio and Android Studio, while paying Pro and Ultra subscribers can use it through Google Antigravity. Business customers get it through Gemini for Business, and it's available to everyone in the Gemini app and Google Search.

In the Gemini app, Google says the model sticks more closely to tone, format, and instructions over longer conversations, so drafts, summaries, and documents are more often usable on the first try. Hydrogen can also pull in context from Google apps like Gmail and Drive, as well as third-party apps like Airtable and Dropbox.

Google claims Hydrogen is a "significant upgrade" for Search, too. The model handles search queries better, even when they contain typos, multi-part questions, or very specific requests, Google says. Results are more visual and easier to scan, and an improved query fan-out technique pulls in a wider range of relevant links.

In Google's benchmark comparison, Gemini 4 Hydrogen beats Claude Sonnet 5.5 and GPT-6.1 Terra on the knowledge work and multimodal understanding tests shown. Sonnet, however, scores highest on terminal tasks and computer use. | Source: Googl

In Antigravity, Google's coding tool, a new orchestrator switches dynamically between Carbon and Hydrogen within a session instead of sticking with one model. On the external benchmark Terminal-Bench 4.0, Google says the orchestrator nearly matches Carbon's success rates while using 24 percent fewer resources and cutting processing time by 19 percent.

Independent test finds Hydrogen rarely hallucinates but lags on terminal work

An independent evaluation by Artificial Analysis puts Hydrogen roughly on par with Claude Sonnet 5.5 at its highest thinking level. At the default "high" level, the score drops to 51, slightly behind GPT-6.1 Sol (xhigh, 52) and Claude Opus 5.5 (high, 52).

On the AA-Omniscience benchmark, Hydrogen makes things up only 8 percent of the time, according to Artificial Analysis. It also beats other Gemini models, including Carbon, on presentation quality in AA-Briefcase, which evaluates agentic knowledge work.

Hydrogen is weaker at agentic terminal work, scoring 54 percent on Terminal-Bench 4.0 and just 50 percent on Terminal-Bench-Science 0.1. Claude Sonnet 5.5 (max) reaches 64 and 53 percent respectively, while GPT-6.1 Sol (max) scores 56 and 58 percent.

On price-performance, Artificial Analysis puts Hydrogen at about $3.16 per task at xhigh, roughly a third of what Claude Sonnet 5.5 (max) costs at nearly the same intelligence level but about 2.5 times as much as GPT-6.1 Sol (max).

The "xhigh" thinking level lifts Gemini 4 Hydrogen from 51 to 54 points but needs nearly twice as many output tokens as "high." Average cost per task rises from $1.87 to $3.16. | Source: Artificial Analysi

At "high," costs drop to $1.87, at "medium" to $0.80, and at "low" to $0.29. Intelligence scores fall sharply at the lower levels, though, with medium reaching only 41 and low just 27 on the index. Artificial Analysis notes that xhigh uses nearly twice as many output tokens as high, which accounts for the price jump. At the high, medium, and low tiers, the model sits on the Pareto frontier, meaning no other model is both cheaper and smarter at those price points.

AI News Without the Hype – Curated by Humans

Subscribe to THE DECODER for ad-free reading, a weekly AI newsletter, our exclusive "AI Radar" frontier report six times a year, full archive access, and access to our comment section.

Subscribe now

原文版权归 The Decoder 及原作者所有,本站转载仅供阅读。如需删除,请联系 support@aisa.one。

事件综述

Google 发布 Gemini 4 Hydrogen:全平台上线,超越 Argon

2026 年 11 月 12 日,Google 发布 Gemini 4 系列新模型 Hydrogen,主打日常编码与智能体工作,可独立使用或与 Carbon、Argon 协同(如 Antigravity 的 Orchestrator 中由 Carbon 负责架构、Hydrogen 写代码和测试)。该模型提供 low/medium/high/xhigh 四档思考级别,完成任务比 Gemini 3.8 Flash 快 2.5 倍,编码基准成绩超 3.8 Flash 三倍以上,虚构声明减少超过 5 倍,在 Terminal-Bench 4.0 上接近 Carbon 的任务成功率,同时节省 24% 配额、平均快 19%。发布当日在 Search、Gemini App、Chrome、AI Studio、Gemini API 等产品上线:Gemini App 中免费用户通过自动模型选择使用,AI Plus/Pro/Ultra 订阅者可在下拉菜单直接选择;Antigravity 仅向 Pro 和 Ultra 订阅者开放。The Verge 引述 Search 产品副总裁 Robby Stein 称其已成为 AI Mode 默认模型并用于 AI Overviews 中最难的问题。Cursor 中亦可用,默认 effort 档位下 CursorBench 得分 54.3%(3.8 Flash 为 39.6%)。 Ars Technica 称其无需像 Argon 和 Carbon 那样分阶段开放。第三方评测(The Decoder、Simon Willison)显示其在 Artificial Analysis Intelligence Index 上 high 档得分 51、xhigh 档 54,超过 Argon 的 50 分,定价为输入 $1.50/输出 $7.50 每百万 token(缓存 $0.075),支持 100 万 token 上下文;独立评测显示幻觉率 8%,但终端类任务弱于 Claude Sonnet 5.5。注意:报道 7 称 high 档即超过 Argon,而 The Decoder 给出的是 high 档 51 分、Argon 50 分,二者大体一致。Willison 补充称 Hydrogen 将成为新的免费档模型,目前仅比 Carbon/Argon 便宜 25%,而 Carbon、Argon 将于 12 月 1 日起价格翻倍。11 月 13 日,Google 宣布 Hydrogen 已面向所有用户上线并展示用户创意作品。

其他来源的报道 17