Google 发布 Gemini 4 Hydrogen,默认思考档位在 Artificial…
Google's Gemini 4 Hydrogen outscores the bigger Argon just four weeks after its launch
Google 发布面向日常任务的 Gemini 4 Hydrogen,据 Google 称其在 Artificial Analysis 智能指数默认 high 档位得 51 分,超过更大的 Argon 的 50 分,xhigh 档位可达 54 分。该模型提供 low、medium、high、xhigh 四档思考级别,输入输出上下文各 100 万 token,输入每百万 token 1.50 美元、输出 7.50 美元,缓存命中 0.075 美元。Artificial Analysis 的独立评测显示 Hydrogen 在最高档位与 Claude Sonnet 5.5 大致相当,但在 Terminal-Bench 4.0 等终端任务上落后于 Claude Sonnet 5.5 和 GPT-6.1 Sol。
推荐理由
精选AI 评分 85
文章对比了 Hydrogen 与 Argon 的定价和基准表现,并引入第三方评测,读者可据此判断日常任务该选哪个模型。
主题
正文 · AI 翻译
要点
Google 发布了 Gemini 4 Hydrogen,这是一款面向开发者和日常用户的快速通用 AI 模型。
与 Google 为在难题上进行深度、长程推理而设计的前沿模型 Gemini 4 Carbon 和 Gemini 4 Argon 不同,Hydrogen 旨在快速、低成本地处理日常任务。它似乎是此前 Flash 系列的对应产品。
不过,这种比较可能低估了它。据 Google 称,在默认的“high”思考档位下,Hydrogen 在 Artificial Analysis 智能指数上超过了更大的 Argon(51 对 50),并在最高档位“xhigh”下达到 54。
Hydrogen 提供四个思考档位:low、medium、high(默认)以及新的 xhigh 档位,而 Argon 仅提供 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。其价格为每百万输入 token 1.50 美元、每百万输出 token 7.50 美元。缓存命中费用为 0.075 美元。
Hydrogen 最终显然既比 Argon 能力更强,又比它更便宜。更令人困惑的是,就在两天前 Google 发布其新前沿模型 Carbon 时,该公司还建议日常编码工作继续使用 Argon。Hydrogen 应该会让这一建议变得多余,使 Argon 在发布不到四周后便遭淘汰。
Hydrogen 相较上一代 Flash 实现了重大跃升
Google 将 Hydrogen 定位为一款独立模型,是相较 Gemini 3.8 Flash 的重大升级。Google 表示,在默认思考档位下,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,幻觉减少了五分之四,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。
在诸如研究、数据分析和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 上以 52.3% 的成绩排名第一,并在 Vals Legal Research Bench 上以 55.8% 的成绩并列第一。
对于诸如总结大型 PDF、电子表格或视频等多模态知识工作,Hydrogen 在其 100 万 token 输入窗口之外还支持最多 100 万输出 token。它在 Google 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 现已可用
在 Gemini 应用中,Google 表示该模型在较长的对话中能更严格地遵循语气、格式和指令,因此草稿、摘要和文档往往第一次尝试即可使用。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 还声称 Hydrogen 对搜索也是“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。结果更加可视化、更易于浏览,改进的查询扇出技术能引入更广泛的相关链接。
在 Google 的编码工具 Antigravity 中,一个新的编排器会在会话内于 Carbon 和 Hydrogen 之间动态切换,而不是坚持使用单一模型。在外部基准 Terminal-Bench 4.0 上,Google 表示该编排器的成功率几乎与 Carbon 相当,同时资源使用减少 24%,处理时间缩短 19%。
独立测试发现 Hydrogen 很少产生幻觉,但在终端任务上落后
Artificial Analysis 的一项独立评估显示,Hydrogen 在最高思考档位下与 Claude Sonnet 5.5 大致相当。在默认的“high”档位下,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 基准上,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 在智能体终端任务上较弱,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 档位下每项任务约 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”档位下,成本降至 1.87 美元,“medium”档位降至 0.80 美元,“low”档位降至 0.29 美元。不过,较低档位的智能得分急剧下降,medium 在该指数上仅达到 41,low 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 档位下,该模型位于帕累托前沿,这意味着在这些价格点上没有其他模型既更便宜又更聪明。