Google 发布 Gemini 4 Hydrogen,主打速度与日常智能体任务
Google正式发布Gemini 4 Hydrogen 速度与智能水平大幅提升
Google 正式发布 Gemini 4 Hydrogen,定位为承担日常工作和智能体任务的快速模型,原生支持 100 万 Token 输入和最多 100 万 Token 输出。Google 称其在 Terminal-Bench 4.1 上得分 57%,Gemini 3.8 Flash 为 18.2%;在 Artificial Analysis Intelligence Index 默认 High 推理设置下得 51 分,XHigh 设置下为 54 分。API 输入价格为每百万 Token 1.50 美元、输出 7.50 美元,已向 Google AI Studio 各层级用户、Gemini API 开发者、Gemini for Business 企业用户和 Gemini 应用用户开放,并整合进 Google Search。
推荐理由
精选AI 评分 91
原文列出 Hydrogen 与 Carbon、Argon 的分工和定价,读者可据此判断多模型协作如何影响智能体部署成本。
主题
正文
此前,Google已经推出Gemini 4 Carbon和Gemini 4 Argon,分别面向复杂推理和高难度任务。Hydrogen则承担更广泛的日常工作,希望在保持较高智能水平的同时,提供更快的响应速度和更低的使用成本。
Google表示,与2026年9月推出的Gemini 3.8 Flash相比,Gemini 4 Hydrogen在速度和智能水平上均实现了显著提升。它不再只是一个强调低成本和快速响应的轻量级模型,而是具备了处理复杂编程任务和多步骤智能体工作的能力。
在上下文处理方面,Gemini 4 Hydrogen原生支持100万Token输入,并且最多可以生成100万Token输出。这使其能够处理规模庞大的代码仓库、长篇技术文档以及复杂的多轮任务。尤其是在智能体工作流程中,模型可以持续保留大量上下文信息,减少执行长任务时反复提供背景资料的需要。
Google还特别强调了Hydrogen在智能体编程方面的表现。它能够参与代码编写、调试、测试和修改等连续工作,而不仅仅是根据用户要求生成一段代码。对于需要多个步骤才能完成的开发任务,模型可以在不同阶段之间保持上下文联系,从而更适合承担日常软件工程工作。
在性能测试方面,Google公布的数据显示,Hydrogen在Terminal-Bench 4.1测试中的成绩达到57%,而Gemini 3.8 Flash为18.2%。这项测试主要评估模型在终端环境中完成实际软件工程任务的能力,包括命令执行、代码修改和问题排查等。
在Artificial Analysis Intelligence Index智能指数中,Hydrogen在默认High推理设置下获得51分,略高于Gemini 4 Argon的50分;在最高XHigh推理设置下,其成绩进一步达到54分。Google表示,Hydrogen在取得这些成绩的同时,通常也能以更短的时间完成任务。
不过,Google并没有将Hydrogen定位为取代Carbon和Argon的旗舰模型。Carbon和Argon仍然主要面向复杂推理、长时间自主执行以及难度更高的专业任务,而Hydrogen则强调快速执行和日常工作效率。Google希望通过不同模型之间的协作,让用户不必始终使用计算成本更高的旗舰模型处理简单任务。
在智能体协作方面,Google的Orchestrator功能可以将部分常规工作交给Hydrogen执行,而让Carbon负责更复杂的决策和推理。Google将这种模式描述为在尽可能保持Carbon级别工作质量的同时,减少Token消耗。通过模型之间的任务分配,企业可以降低大规模部署AI智能体时的运行成本。
价格方面,Gemini 4 Hydrogen的API输入价格为每百万Token 1.50美元,输出价格为每百万Token 7.50美元。Google表示,整个100万Token上下文窗口采用统一定价,不会因为上下文长度增加而采用不同的价格档位。
Hydrogen此次采用相当广泛的发布策略。它已经向Google AI Studio所有层级的用户、Gemini API开发者、Gemini for Business企业用户以及Gemini应用用户开放,同时也整合进Google Search。使用Google AI Pro和Ultra付费订阅的用户,还可以在Google Antigravity中调用该模型。
在Gemini应用中,Hydrogen被定位为适合日常帮助的模型。用户可以将其用于一般问答、信息处理和编程辅助,而开发者则能够通过API将其接入自己的应用和智能体系统。
这次发布也意味着Google正在进一步改变Gemini产品线的定位方式。过去,Flash系列主要强调速度和成本优势,而Pro系列承担更复杂的任务。如今,Hydrogen在部分智能指数测试中甚至超过了Argon,说明Google希望让较低成本的模型也具备处理相当复杂任务的能力。
从产品布局来看,Gemini 4系列正在形成更加明确的分工:Carbon和Argon负责高难度推理,Hydrogen负责快速执行和日常智能体任务。通过多模型协作,Google试图解决一个越来越现实的问题:随着AI智能体开始连续执行数十甚至数百个步骤,单纯依靠最强模型完成所有工作,不仅速度较慢,也会带来高昂的计算费用。
Gemini 4 Hydrogen的推出,正是Google试图在模型智能水平、执行速度和运营成本之间寻找新平衡的一次尝试。