Google发布Gemini 4 Hydrogen，将Gemini 4从高价、深度推理模型扩展到日常编程、资料处理和AI Agent工作流。官方称，它在默认High推理档位下完成任务的速度是Gemini 3.8 Flash的2.5倍，Terminal‑Bench成绩由18.2%提高到57%，并以51分略超Gemini 4 Argon的50分；开启新的Xhigh档位后，综合指数进一步升至54分。模型支持文本、图片、音频和视频，拥有统一的100万Token输入—输出窗口，还能与Carbon组成自动切换模型的Orchestrator。不过，Hydrogen的标准API价格是当前3.8 Flash优惠价的两倍，部分编程、电脑操作和科学Agent测试也仍落后于Claude Sonnet 5.5。更准确地说，它不是用更少能力换取低价的“小模型”，而是Google试图为大规模Agent提供的一款高速执行模型。
文章作者、来源：Google DeepMind
Hydrogen不是缩小版Carbon，而是为执行任务重新调整的模型
Gemini 4目前形成了三种分工：Carbon和Argon负责复杂架构设计、长期推理及高难度科研任务；Hydrogen则面向编写代码、运行测试、检索文件、操作工具和整理资料等需要频繁执行的工作。
模型卡披露，Hydrogen由Gemini 4 Carbon适配而来，但Google没有公开参数量、专家数量、训练Token、训练算力或具体蒸馏方法。它可以接收文本、图片、音频及视频，输入和输出共用最多100万Token的上下文窗口；普通同步请求默认最多输出6.4万Token，通过后台长生成模式则可扩展到100万Token。知识截止时间为2026年3月。
Hydrogen提供Low、Medium、High和Xhigh四档推理强度。High是API默认档位；Xhigh会允许模型使用更多推理Token，可能提高复杂任务成绩，但也会增加成本和等待时间。
这个设计反映出Google对Agent成本的新判断：同一个模型不必在每个步骤都进行最深推理。读取文件、修改一处代码和执行测试，可以由高速模型完成；只有遇到架构冲突或普通尝试失败时，才升级到Carbon等更强模型。
“2.5倍更快”不是单纯的生成速度
Google所称“快2.5倍”，来自特定Agent任务在默认High档位下的整体完成时间比较，并不等于Hydrogen每秒输出Token的速度固定是3.8 Flash的2.5倍。
官方测试显示，Hydrogen在Terminal‑Bench 4.1中的任务完成率为57%，明显高于3.8 Flash的18.2%；同时，模型更善于在搜索没有结果、工具调用失败或代码测试报错后改变路线，而不是反复执行同一个失败动作。
合作伙伴的早期结果也呈现相似趋势。Box报告，在其复杂企业任务测试中，Hydrogen的准确率由Flash的74%升至79%，完成时间减少一半以上，Token使用量下降约12%。其他图数据库、SQL和数据工作流测试者报告速度提高约2至2.8倍，Token减少12%至23%。这些均属于Google及合作伙伴选择的早期案例，尚不能代表所有代码库和企业数据任务。
综合能力超过Argon一分，但并没有全面超过旗舰模型
在Artificial Analysis独立综合指数中，Hydrogen的High档位得到51分，略高于Gemini 4 Argon High的50分；Xhigh为54分。相比之下，3.8 Flash High只有31分。这个结果说明Hydrogen已经不只是传统意义上以低成本为主的Flash级模型。
但“超过Argon”只适用于特定综合指数和推理设置，不能理解为Hydrogen全面取代Argon或Carbon。Xhigh虽然将综合得分从51提高到54，但第三方估算的单项综合测试成本也由约1.87美元增加到3.16美元。
Google模型卡的分项结果同样参差不齐。Hydrogen在Agents’ Last Exam v1.1得到71.6%，高于Sonnet 5.5的60.4%；在AutomationBench‑AA中为76.1%，也高于Sonnet的71.8%。多模态知识工作MKA为53.4%，略高于Sonnet的52.0%。
另一方面，在Terminal‑Bench 4.1中，Hydrogen的57%低于Sonnet 5.5的63.9%；电脑操作OSWorld‑2.1为77.6%，低于Sonnet的83.9%；科学Agent测试中为51.4%，也低于Sonnet的59.9%。这些对比主要由Google按照各基准方法运行，并非所有结果都经过统一第三方复现。
因此，Hydrogen最突出的优势并非单项能力最高，而是在相对较短的任务时间内维持接近前沿模型的综合能力。
它比旗舰便宜，却比“高速小模型”贵很多
Hydrogen的标准API价格为每百万输入Token 1.50美元、输出Token 7.50美元；缓存输入为0.075美元。价格在整个100万Token窗口内保持不变，不会因为超过某一上下文长度而自动进入更高档位。
与Carbon、Argon当前每百万输入／输出Token 2美元／10美元的优惠价格相比，Hydrogen便宜25%。但与3.8 Flash截至2026年底的0.75美元／3.75美元优惠价相比，它正好贵一倍。
如果和其他厂商的轻量模型比较，差距更大：GPT‑6 Luna、Claude Haiku 5.5和Muse Ember的短上下文基础价格约为0.10美元／0.50美元。VentureBeat计算指出，Hydrogen的每Token价格大约是这些最低档价格的15倍。
Hydrogen Medium在Artificial Analysis综合指数中得到41分，仍高于上述轻量模型的最高推理成绩，但其估算任务成本也更高。这意味着它的目标不是争夺最便宜的批量分类、摘要或客服请求，而是减少Agent完成复杂任务时的失败重试和多轮调用。
Orchestrator让两款模型在同一任务中交替工作
Google还在Antigravity编程平台中推出Orchestrator。它不是在任务开始时简单选择一个模型，而是可以随着任务推进，在Carbon和Hydrogen之间双向切换。
例如，Carbon先以只读方式探索代码库并制定修改方案；Hydrogen随后批量读取文件、编辑代码、更新依赖并运行测试；如果Hydrogen遇到无法解决的架构问题，Carbon再介入分析，之后把执行权交还给Hydrogen。
Google称，这种组合在Terminal‑Bench中取得了接近纯Carbon的任务成功率，但平均减少24%的配额消耗，完成速度提高19%。在并行Agent场景中，Carbon还可以担任总协调者，让多个Hydrogen子Agent分别负责编码、测试和验证。
这可能比Hydrogen本身更值得关注：前沿Agent正在从“选择一款最强模型完成所有步骤”，转向按任务阶段分配不同能力和成本的模型。
更少越权是官方结论，完整安全报告仍未发布
Google称，相比3.8 Flash，Hydrogen在Agent任务中的过度执行最多减少81%，服务不足最多减少79%；工具调用和编程评测中的错误捷径及不一致行为减少约12倍。面对无法完成或被权限阻挡的任务时，它绕过边界的概率据称最多降低一半。
内部诚实度评测给出96.7%的成绩；在超过20万次审计的推理过程中，Google称其推理可读性达到99.9%，没有观察到欺骗性修改。Gray Swan间接提示注入基准中，抵抗能力据称提高到原来的2.3倍。
这些数字需要保留边界。模型卡明确说明，部分安全结果来自自动评测，而不是完整的人类红队测试；Hydrogen的完整安全与安全性报告在发布时仍标为“未来几天提供”。
模型卡还披露了一项退步：多模态安全性有所提高，但不合理拒绝正常请求的比例相对3.8 Flash增加5.57个百分点。Google同时承认，模型仍可能产生幻觉，偶尔出现延迟或超时，并可能在高推理档位使用超出预期的Token。
Google的前沿安全评估认为Hydrogen没有达到生物和网络安全的关键能力等级，但已触及两项预警阈值。由于它相对Argon没有被认定为出现“重大能力变化”，Google没有重新执行全部关键能力测试，而是主要完成了生物与网络安全的定向评估。
Gemini 4开始进入普通用户的默认工作流
Hydrogen已经面向Gemini API、AI Studio、Gemini企业服务、Google Sheets、Gemini应用和Google Search推出。免费Gemini用户可以通过自动模型选择使用它，但不一定能在所有账户中手动指定；Antigravity中的Hydrogen和Orchestrator则主要面向Google AI Pro、Ultra及企业客户。
在Google Search中，Hydrogen被用于拆解包含多个部分、拼写混乱或条件极多的查询，并行搜索不同子主题，再组织图片、表格、图表、地图和更多外部链接。Gemini应用则强调调用Gmail、Drive、Airtable和Dropbox等工具时的指令遵循与工具选择。
Hydrogen真正代表的不是又一次排行榜刷新，而是Gemini 4能力开始进入日常流量：Google正在用它替换一部分原本交给Flash的工作，同时通过Orchestrator让高端模型只在真正困难的步骤中出现。