返回探索
资讯VibeFix 内容整理更新于 2026年11月20日

快模型当上主力:Google 发布 Gemini 4 Hydrogen,四档思考、比 3.8 Flash 快 2.5 倍

11 月 12 日,Google 发布 Gemini 4 Hydrogen:日常编码与 agent 工作流的快速执行模型,四档思考级别 low、medium、high、xhigh,100 万 token 窗口统一定价 1.50 美元与 7.50 美元;默认档 Artificial Analysis 指数 51 分超过 Argon 的 50 分,xhigh 档 54 分;Antigravity 的 Orchestrator 会在 Carbon 与 Hydrogen 之间自动换班。

真实照片:一只手握着屏幕显示 Gemini 标志的手机,背景是虚化的 Google G 标志。

旗舰负责想,快模型负责干

11 月 12 日,Google 在官方博客上发布了 Gemini 4 Hydrogen,作者是 Google DeepMind 高级副总裁兼首席 AI 架构师 Koray Kavukcuoglu。发布的时间点很有意思:就在三天前,Gemini 4 Carbon 刚刚全面进入 GitHub Copilot;再往前数,Gemini 4 Argon 也才发布不久。一个月里连发三款 Gemini 4,Google 的意图已经很清楚了:它不是在攒一款最聪明的模型,而是在拼一整套分工——Carbon 和 Argon 负责啃最难的长推理,Hydrogen 负责把每天大量的活儿又快又便宜地干完。Google 在博客里的原话是,Hydrogen 是为日常编码和 agent 工作流而生的快速执行模型,是“每个人的日常主力”。

这篇发布最值得注意的不是某一项分数,而是一次角色转变。过去一年,模型发布的主角一直是“更聪明”:更大的上下文、更高的基准分、更难的推理题。Hydrogen 反其道而行之,它的主打词是速度、效率和便宜。Google 说它在默认的高思考档位上比 Gemini 3.8 Flash 快 2.5 倍,Terminal-Bench 4.1 的得分从 18.2% 翻三倍多到 57%,编造事实的情况减少了 5 倍以上。快模型第一次不再只是“凑合能用”,而是被摆到了默认主力这个位置上。对每天要跑几百次 agent 循环的开发者来说,这比旗舰模型又涨几分要实在得多。

价格是这篇发布里最硬的一条。Hydrogen 在整个 100 万 token 的上下文窗口里统一定价:输入每百万 token 1.50 美元,输出每百万 token 7.50 美元。注意“整个窗口统一定价”这个细节——不管你用的是输入、思考还是输出,不管上下文塞得多满,都是这个价,没有按长度分档的阶梯。Google 还给了它四档思考级别:low、medium、high(默认)和新加的 xhigh。档位越高,想得越深、越慢、越贵;档位越低,答得越快、越便宜。一个小改动用 low 档,一次难缠的调试用 xhigh 档,账是按任务难度算的,不是一刀切。

四档思考,到底怎么选

四档思考是 Hydrogen 这次最有产品味道的设计。以前的模型要么让你选“快版还是聪明版”两个型号,要么把推理深度藏在黑盒里;Hydrogen 把它做成了一个显式的旋钮。Google 的说法是,四档之间是“平滑、可预测的递进”,你只需要为任务真正需要的推理深度付费和等待。这个说法听着像营销话,但它对应的是一个真实痛点:agent 循环里 90% 的调用都不需要深度思考——读一个文件、改一行配置、判断一次工具调用结果——用旗舰模型跑这些,等于请大厨去切葱。

档位和分数是挂钩的。在默认的 high 档,Hydrogen 在 Artificial Analysis 智能指数上拿到 51 分,比 Argon 的 50 分还高 1 分;开到 xhigh,能到 54 分。先说清楚,51 比 50 高 1 分这件事本身没什么好吹的,同一个指数里 1 分的差距在误差和版本波动面前不算数。但它说明了一件事:Google 敢把一台“快模型”放到和旗舰同台比较的指数里,而且没输。这才是信号——快和聪明之间的界线正在变模糊。Google 也留了后手:xhigh 是新档位,延迟和 token 消耗都会上去,博客没有给出绝对的延迟数字,只给了相对倍数,这一点后面还会再说。

对 vibe coding 的人来说,档位的实际意义在于成本结构变了。以前你写一个 agent 循环,模型选型基本是二选一:便宜的 Flash 档跑量,贵的旗舰档兜底。现在 Hydrogen 把中间地带填上了:日常执行走 high,需要啃硬骨头的时候单次切 xhigh,架构判断再交给 Carbon。Google 在博客里明确推荐了这种搭配:Carbon 和 Argon 做深层架构判断,Hydrogen 做执行引擎。这不是一句客套话,后面讲的多模型协作就是按这个分工设计的。

和 3.8 Flash 比,到底强在哪

Hydrogen 的直接前任是 Gemini 3.8 Flash。Google 在博客里把它写成了一次“独立升级”,给出的对比数字有四组。第一组是速度:默认 high 档下,完成任务比 3.8 Flash 快 2.5 倍。第二组是 Terminal-Bench 4.1:57% 对 18.2%,三倍多。第三组是编造事实:减少 5 倍以上。第四组来自早期合作伙伴的实测:在复杂图谱、SQL 和数据密集型企业工作流里,Hydrogen 比 3.8 Flash 快 2 到 2.8 倍,同时 token 用量减少 12% 到 23%。这四组数字要分开看:前三组是 Google 自己的基准口径,第四组是合作伙伴的早期测试,都不是独立第三方的复核结果。数字的方向一致,但精确程度要打折扣。

还有一组数字值得单独拎出来:Hydrogen 在仓库级编码和调试上,Google 说它在 SWE-sweep 上超过了同级别模型,特点是“聚焦的、手术式的编辑”——修掉 bug 而不重写无关文件,产出的代码更干净、更接近可直接上线的状态。更重要的是方法:它会把读文件和搜索调用原生地批量并行发起,而不是一个一个文件地翻。对大仓库来说,这才是速度感的真正来源:模型一次并行读十个文件,和一次只读一个文件,体感差距比参数规模大得多。Agent Arena 的实时榜单上,Hydrogen 排到第 5 名;Vals 税务 agent 基准 52.3% 排第 1,Vals 法律研究基准 55.8% 并列第 1,HLE-Diamond 58.8% 领先同级别,AutomationBench-AA 也是同级别领先。这些榜单的名字很专业,结论可以一句话概括:Hydrogen 不是只会写代码的快模型,它在需要查资料、做判断的 agent 任务上也能打。

多模态是另一条线。Hydrogen 原生支持 100 万 token 输入、最高 100 万 token 输出,能把密集的 PDF、电子表格、图表、音频和录制视频合成带引用的报告。在新的多模态知识 agent 基准(MKA)上,它拿到 53.4%;在 Agents' Last Exam v1.1 上拿到 71.6%,这是面向端到端专业工作流的基准。网页开发上,Google 的说法是它能用更少的提示词生成更完整、功能更全的布局。博客里举的例子是:把全球实时闪电数据合成一个交互式 3D 地球仪。这些说法都来自 Google 自己的测试,读的时候要记住这个前提。

对照图:Terminal-Bench 4.1 上 Hydrogen 57% 对 3.8 Flash 18.2%;Artificial Analysis 智能指数 Hydrogen 默认 high 档 51 分、xhigh 档 54 分,Argon 50 分。数字均来自 Google 官方博客原文,为 Google 自家口径。

真正的新东西:Orchestrator 让模型自己换班

如果只看 Hydrogen 本身,这还只是一次常规的模型换代;真正值得写一节的,是和它一起发布的 Orchestrator。这是 Google Antigravity 里的一项新功能:它不再让一个模型从头跑到尾,而是在同一个会话里动态切换模型——Carbon 负责判断,Hydrogen 负责执行,系统自动决定什么时候换班。Google 在 Terminal-Bench 4.0 上给出的数字是:Orchestrator 达到了接近 Carbon 的任务成功率,同时平均少用 24% 的配额、快 19% 完成。这组数字如果属实,意义比 Hydrogen 自己的榜单更大:它说明“快模型 + 聪明模型”的组合可以做到接近只用聪明模型的效果,但便宜四分之一、快五分之一。

并行 agent 的分工也是同一套思路:Carbon 当协调员,Hydrogen 当工人和验证者,在隔离的工作区里同时构建和测试改动,再汇总回来。这对 vibe coding 的工作流有直接的启发:以前一个人指挥一个 agent,现在是一个 agent 团队——贵的那个做决定,便宜的那个干活、检查、返工。成本的大头从来不在最难的那一步,而在成百上千次的执行和验证上。Hydrogen 的定位,就是把执行这一步的单价打下来,同时保证它不太会把事情搞砸——搞砸的返工成本,往往比模型本身的调用费贵得多。

当然,Orchestrator 也有门槛:它目前只在 Google Antigravity 里提供,而且 Antigravity 里的 Hydrogen 只对付费的 Google AI Pro 和 Ultra 订阅用户开放。免费用户和 AI Plus 用户目前还停留在 3.5 Flash-Lite 上。也就是说,最便宜的“自动换班”组合,眼下是付费墙后面的东西。这也是 Google 一贯的做法:先让付费用户替新工作流买单,再慢慢往下放。

普通人用到的地方:搜索和 Gemini 应用

Hydrogen 不只是开发者的模型,它同一天就进了 Google Search 和 Gemini 应用,覆盖全部用户。搜索方面的变化有三点:更理解提问的真实意图——多段问题、难懂的错别字、非常具体的要求都能处理;回答更视觉化、更易扫描;查询扩展(query fan-out)升级,能连到更广的链接范围。Google 的说法是,Hydrogen 现在是搜索的默认模型之一,在 AI Mode 里处理最难的问题,在 AI Overviews 里也被用于最难的问题。换句话说,你下一次用 Google 搜东西,背后很可能已经是 Hydrogen 在干活,而你什么都不会察觉到——这恰恰是“日常主力”该有的样子。

Gemini 应用里的变化更贴近日常:模型更能按你的指示走,少来回几轮;更会调用正确的工具和技能;更会按你的语气、格式和具体规则返回可以直接用的东西。Google 举了几个场景:按你的语气起草邮件、做学习指南、改写文档;从上传的文件、Gmail、Google Drive,以及 Airtable、Dropbox 这类已连接应用里拉上下文,把目标拆成步骤去完成;做日常原型和迭代,比如把实时闪电数据合成交互式 3D 地球仪。这些功能听起来不像“模型发布”,更像“助手变好用了”。这也是 Hydrogen 的定位决定的:它不是用来发论文的,是用来每天干活的。

安全:快模型最怕的,是手比脑子快

博客里专门留了一节讲安全,理由很直白:一个越快的 agent 模型,犯错的破坏力也越大。Google 给出的数字都集中在“越界”这个主题上:和 3.8 Flash 相比,Hydrogen 在 agent 任务里的越权行为减少最多 81%,服务不足减少最多 79%,错位操作和任务走捷径减少 12 倍;面对不可能完成或被阻止的任务,绕过权限边界的可能性最多降低一半;在内部 agent 诚实度评估里,诚实率达到 96.7%。思维链可读性保持在 99.9%,在超过 20 万轮审计对话里没有出现欺骗性推理修改;面对间接提示注入攻击,在 Gray Swan IPI 基准上比之前强 2.3 倍以上。医疗健康方面,区分真正的生物安全风险和合法医学科学问题的误拒率在 HealthBench Pro 上低于 0.4%。

这些数字要谨慎地读。它们全部来自 Google 自己的内部评估,评估方法和样本都没有对外完整公开;“减少 81%”这种表述,分母是 3.8 Flash 的表现,不是绝对的安全水平。快模型的真正风险从来不在基准里,而在真实世界的长尾:一个会自动调用工具、会自动改代码、会自动发请求的模型,一旦理解错了目标,几分钟就能把一个仓库改得面目全非。Google 强调的“诚实率”和“思维链可读性”恰恰说明它自己也知道这一点:你得能看懂模型在想什么,才敢让它自己干活。对 vibe coder 来说,Hydrogen 的安全数字如果可信,最大的实际意义是:你可以更放心地让它在隔离工作区里自己跑测试、自己验证,而不是每一步都盯着。

和已经发过的 Gemini 篇划清界线

这篇和站内已经发过的几篇 Gemini 文章不是一回事,需要说清楚。11 月 10 日发过的 Gemini 4 Carbon 全面可用,讲的是旗舰模型进入 Copilot、价格从 2 美元涨到 4 美元那条线;更早的 Gemini 4 Argon 发布篇,讲的是长推理旗舰和机器人方向;11 月 11 日的 Gemini Decisions API,讲的是只做判断、不生成文字的决策模型。Hydrogen 是第四个角色:日常执行的快模型。它和 Carbon、Argon 是同一代里的分工,不是换代;它和 Decision 1 的区别在于,Decision 1 只回答是非和选择题,Hydrogen 是正经写代码、跑工具、做研究的通用模型。四篇合起来,才是 Gemini 4 这一代的完整拼图。

关于 3.8 Flash 的去留,博客里没有写退役日期。Google 只说 Hydrogen 是从 3.8 Flash 迁移过来的团队的“重大独立升级”。按第三方梳理的 Google AI Studio 定价页,3.8 Flash 目前的价格是输入每百万 0.75 美元、输出 3.75 美元,到 2026 年 12 月 31 日为止;从 2027 年 1 月 1 日起,它会涨到和 Hydrogen 一样的 1.50 美元和 7.50 美元。也就是说,留给 3.8 Flash 用户的选择题不是“要不要换”,而是“什么时候换”——元旦之后,继续用旧模型在价格上已经没有便宜可占了。这个价格收敛的细节博客正文里没有写,来自定价页的第三方梳理,读到这里请把它当作待你自己去定价页核对的提醒,而不是 Google 的原话。

给 vibe coder 的判断:什么时候用 Hydrogen

写到这里,可以给一个直接的判断。Hydrogen 最适合三类活:第一,agent 循环里的高频执行——读文件、改代码、跑测试、验证结果,这些调用量大、单次价值低,用旗舰模型是浪费;第二,需要快速迭代的原型——网页布局、交互 demo、数据可视化,Hydrogen 的卖点就是“更少的提示词、更完整的结果”;第三,多模型工作流里的工人角色——Carbon 定方向,Hydrogen 干活和验证,Orchestrator 自动换班。不适合的活也很明确:需要深层架构判断的系统设计、需要长推理的疑难 bug、以及任何一次出错代价很大的操作——这些还是交给 Carbon 和 Argon,或者至少让 Hydrogen 的结果经过人工复核。

档位的选择可以给一个简单的起点:日常改动和批量执行用默认的 high;一眼就能完成的小事切到 low 或 medium,省下的 token 和时间积少成多;卡住的调试和复杂的多步任务再开 xhigh,但要记住 xhigh 更贵、更慢,而且模型可能“想太多”。最忌讳的是全程只用一个档位——那等于把 Hydrogen 当成又一个固定型号来用,浪费了它这次最大的设计。Google 没有公布各档位的绝对延迟和价格倍数,所以这套切档策略目前只能凭体感调,等 AI Studio 的实测数据出来再校准。

最后说一句判断。Hydrogen 的发布本身不算惊天动地:没有新的模型架构,没有改写行业格局的参数量。但它标志着模型竞争的战场正在转移——从“谁更聪明”转向“谁的日常工作流更便宜、更快、更可靠”。当一家厂商开始为“每天几百次调用”这个场景专门做模型、做档位、做自动换班,说明 agent 编程已经从演示变成了日常。而日常,才是 vibe coding 真正的主战场。Hydrogen 能不能坐稳默认主力,要看它在真实仓库里的返工率,而不是发布会上的基准分。这个答案,未来几周的实测会给出来。

还没答案的部分

有几件事这篇发布没有说清楚,写在这里,免得读者误以为它们已经解决了。第一,所有基准数字都是 Google 自家口径,Artificial Analysis 的指数是第三方发布的,但 Google 引用的是自己的解读;独立复核还没有。第二,xhigh 档位的绝对成本和延迟没有公布,只知道它比 high 更贵更慢,具体贵多少,要等定价页和实测。第三,Orchestrator 的 24% 配额节省和 19% 提速是在 Terminal-Bench 4.0 上测的,换到真实仓库会不会打折扣,未知。第四,Antigravity 里的 Hydrogen 只对 Pro 和 Ultra 订阅开放,免费用户暂时用不上;Vertex AI 的支持情况博客没有提,企业用户要自己去确认。第五,模型标识 gemini-4-hydrogen 和知识截止 2026 年 3 月这些细节来自 Google 的模型页与定价页梳理,博客正文里没有逐项列出,使用前请以官方文档为准。这些留白不是缺点,是提醒:发布日当天的信息永远是不完整的,好用的判断要等实测。

阅读 16评论 0

评论 (0)

ME
0/1000
评论加载中...

原始来源

浏览项目广场发布你的项目

相关文章

一名戴眼镜的开发者坐在木桌前敲笔记本电脑,左边外接显示器上是深色背景的 C 语言代码,桌上有绿植
资讯
微软的编程模型终于不当配角了:MAI Code 2 拿 96% 的分数、只收 5% 的钱,但先看清三处“但是”

2026 年 11 月 17 日,微软发布 MAI Code 2 和 Code 2 Flash:大模型 770 亿激活参数、100 万上下文,四项基准平均通过率 63.2%,与 GPT-6.1 Sol、Claude Opus 5.5 咬得很紧,但每任务成本只有 0.309 美元。先看清三处“但是”:价格是推广价、分数是三者最低、长周期任务不在舒适区。

开发工作流产品发布模型动态
黑色背景上,一名指挥家背对镜头高举指挥棒,脚下环绕着旋转的光轨,像一支乐队正在被指挥
资讯
一个接口接 45 个模型,坏了自动换一家接着跑:Perplexity 的 Orchestrator 想当模型界的‘总机’

2026 年 11 月 17 日,Perplexity 推出 Orchestrator API:一个接口接通 OpenAI、Anthropic、Google、xAI 与 GLM、Kimi、DeepSeek 等开源权重模型,按回答模型的公开价计费、不收平台费。同一模型挂了就换一家部署接着跑,路由功能还能按任务把请求分给不同的模型。

开发工作流产品发布模型动态
一名开发者坐在双显示器工位前敲键盘,左屏是深色代码编辑器,右屏是带损失曲线、混淆矩阵与流水线图的机器学习仪表盘
资讯
一个 bug 难不倒它,五十个就全军覆没:BuggyMLE 把编程智能体的遮羞布扯下来了

2026 年 11 月 18 日,谷歌研究院等团队在 arXiv 发布 BuggyMLE:往 222 个能跑的机器学习仓库里注入 bug,14 个模型从最简单的 95% 一路跌到最难的 9%。一个 90 亿参数的小模型靠从易到难的课表,在 10 个 bug 那档超过了 Claude Opus 5.5。

行业趋势测试与质量AI 编程实践