先查证 Google 是否在 11 月 13 日发布了 Gemini 4 Hydrogen，以及这款模型的实际规格。
官方博客、DeepMind 基准页和 36 氪的跟进报道都已核对，时间口径的差异也确认了。以下是成稿。
Google 在 2026 年 11 月 12 日（美西时间，国内媒体按北京时间记为 11 月 13 日）发布 Gemini 4 Hydrogen，它是 Gemini 4 家族的第三款、也是最便宜的一款：输入每百万 token 1.50 美元、输出 7.50 美元，整个 100 万 token 上下文窗口统一计价、没有长文本溢价，还带一个限速免费层；同一天它成为 Google 搜索 AI Mode 的默认模型，Gemini 应用、AI Studio、API、Gemini for Business、Antigravity 全量上线。36氪评价这件事，最该看的不是 “第三方智能指数 51 分压过自家旗舰 Argon 的 50 分” 这个戏剧性对比，而是谷歌把 “够用的智能” 直接降价到 Sonnet 5.5 的三分之一量级、并把全球最大搜索入口的默认模型换掉 —— 这是定价与分发的动作，模型只是载体。它的角色是 “执行器”，不是 “思考器”：官方自己说 Carbon 和 Argon 负责长程深推理，Hydrogen 负责快速执行。
一、先把事实对齐
| 项 | 情况 |
|---|---|
| 发布时间 | 2026-11-12（Google 官方博客，美西时间）；国内媒体记为 11-13 |
| 家族位置 | Gemini 4 第三款，前有 Argon（9/30 发布、10/13 进 API）、Carbon（11/10 GA） |
| 取代谁 | 接替 Gemini 3.8 Flash；Gemini 4 起不再用 “Flash” 命名 |
| 技术来源 | 由 Carbon 适配而来，定位 “快速、克制的执行” |
| 输出类型 | 仅文本 |
| 知识截止 | 2026 年 3 月 |
| 旧模型 | 3.8 Flash 仍在 API 可用，弃用页暂无下线日期 |
Technspire AB
二、四款型号的分工，比参数更值得记住
| 型号 | 定位 | 价格（每百万 token，输入 / 输出） | 免费层 |
|---|---|---|---|
| Gemini 4 Hydrogen | 日常执行、agentic 工作流主力 | $1.50 / $7.50，全程 1M 上下文同价 | 有（限速） |
| Gemini 4 Argon | 深推理、复杂问题 | $2 / $10 首价，12 月 1 日起 $4 / $20 | 无 |
| Gemini 4 Carbon | 长程前沿推理 | $2 / $10 首价，12 月 1 日起 $4 / $20 | 无 |
| Claude Fable 5.2（对照） | 前沿旗舰 fast 模式 | $16 / $80 | 无 |
Tech FeaturedHydrogen 比 Carbon 的标价低约 62%，比 Argon 的首价低 25%，缓存命中价 0.075 美元。更关键的是 “全程同价、无长文本附加费” 这一条 —— 很多厂商的长上下文是阶梯加价，谷歌这次直接把它抹平了。
三、价格才是这次发布的主语
| 指标 | Hydrogen | 对照 |
|---|---|---|
| 单任务成本（低思考档） | $0.29 | — |
| 单任务成本（xhigh 档） | $3.16 | Sonnet 5.5 约 $10.02 |
| 一次真实 3D 制作耗时 / 花费 | 1 小时 23 分 / $4.27 | Carbon 2 小时 39 分 / $8.83 |
| 合作方实测提速 | 2–2.8 倍 | 相对 3.8 Flash |
| 合作方实测 token 节省 | 12%–23% | 相对 3.8 Flash |
Technspire AB那组 3D 制作对比最能说明定位：同一件事，Hydrogen 用一半时间、一半成本做完，质量够用。这类 “够用且便宜” 的活，恰恰是当下 AI 支出里占比最大的部分 —— 写代码、跑测试、验证改动、串工具。
四、跑分怎么读：确实反超 Argon，但 “全面领先” 不成立
| 基准 | 测什么 | Hydrogen | Claude Sonnet 5.5 | GPT-6.1 Terra |
|---|---|---|---|---|
| SWE-sweep | Agentic 编码 | 13.5% | 3.1% | 5.8% |
| Terminal-Bench 4.1 | 终端任务（作弊校正口径） | 57.0% | 63.9% | — |
| Agents' Last Exam v1.1 | 端到端专业知识工作 | 71.6% | 60.4% | 69.8% |
| AutomationBench-AA | 自动化任务 | 76.1% | 71.8% | 60.2% |
| Vending-Bench 2 | 长程经营（账户余额） | $14,549 | $11,165 | $9,107 |
| OSWorld-2.1 | 电脑操作（离线子集） | 77.6% | 83.9% | 74.2% |
| MKA | 复杂视觉文件知识工作 | 53.4% | 52.0% | 43.8% |
| Chartography | 图表理解 | 66.6% | 61.6% | 63.2% |
| Terminal-Bench-Science 0.1 | 科学计算终端任务 | 51.4% | 59.9% | 58.3% |
| HLE-Diamond | 高难推理 | 58.8% | 53.3% | 47.3% |
Google DeepMind这张表画出的画像很清楚：知识工作、自动化、长程经营、图表理解赢；硬核终端任务、电脑操作、科学计算输。 它是一个偏科生，强在 “把流程跑完”，弱在 “把硬骨头啃下”。SWE-sweep 那行三个数字都很低，说明这是新且难的基准，13.5% 对 5.8% 的差距，参考价值不如 Agents' Last Exam 上 71.6% 对 69.8% 那种接近打平。
五、和自家兄弟比：赢在 agentic，输在深推理
| 基准 | Hydrogen | Argon | Carbon |
|---|---|---|---|
| Artificial Analysis 智能指数 | 51（xhigh 54） | 50 | 60 |
| Agents' Last Exam v1.1 | 71.6% | 69.0% | 77.4% |
| OSWorld-2.1 | 77.6% | 74.7% | 81.5% |
| HLE-Diamond | 58.8% | 56.7% | 69.1% |
| Chartography | 66.6% | 71.6% | — |
| Terminal-Bench 4.0 | 57.1%（官方另一口径） | — | 65.2% |
AIToolsRecap栏目一眼就能看出断层：Hydrogen 在 Agents' Last Exam、OSWorld 这类 “动手干活” 的项目上与两个大哥接近甚至超过 Argon，但在 HLE-Diamond、Chartography、Terminal-Bench 4.0 这些 “深度” 项目上明确落后于 Carbon。所以 “小模型打败大模型” 这个说法只在综合指数上成立，在难度谱系的两端都不成立。
六、对上一代是碾压级的
| 指标 | Hydrogen | Gemini 3.8 Flash |
|---|---|---|
| 默认档任务速度 | 2.5 倍 | 1 倍 |
| Terminal-Bench 4.1 | 57% | 18.2% |
| 捏造陈述 | 降低 5 倍以上 | 基准 |
| Artificial Analysis 智能指数 | 51（xhigh 54） | 31 |
这一组的跨度比 “反超 Argon” 更有意义：同一价格带上，能力和速度同时大幅跳升。对还在用 3.8 Flash 的团队来说，迁移的收益是确定的，风险主要在兼容性与输出长度约束上。
七、真正值得抄的是 Orchestrator 这个分工
| 项 | 做法 | 官方数字 |
|---|---|---|
| 分工模式 | Carbon 负责规划，Hydrogen 负责执行 | Antigravity 的 Orchestrator 模式 |
| 任务成功率 | 接近纯 Carbon | — |
| 配额消耗 | 明显更低 | 减少 24% |
| 完成速度 | 更快 | 提升 19% |
| 测试基准 | Terminal-Bench 4.0 | 上述数字基于此 |
36氪这套 “大模型规划、小模型干活” 的路由模式，跟厂商无关，是可以直接搬到自家系统里的架构经验：贵的那部分只用来做决策，便宜的那部分承担 90% 的 token 消耗。
八、行为指标：做 agent 时比分数更重要
| 指标 | 表现 |
|---|---|
| 内部诚实率 | 96.7% |
| Agentic overreach（做超出要求的事） | 最多降低 81% |
| Under-service（该做没做） | 最多降低 79% |
| 错位动作与走捷径 | 降低 12 倍 |
| 面对不可行任务时绕过权限的倾向 | 最多降低 2 倍 |
| 对间接提示注入的抵抗力 | 按谷歌自测提升 2.3 倍 |
Technspire AB这些数字对做产品的人比跑分更有用：一个会 “多做一步” 的 agent，在真实业务里的破坏力远大于一个答错题的聊天机器人。96.7% 的诚实率与 “不可行任务时更少绕过权限”，是它能被放进自动化流程的前提。
九、三个该泼的冷水
| 问题 | 具体表现 |
|---|---|
| 基准多为自评 | 上述跑分来自 Google 模型卡与官方博客，未经第三方完整复现；部分与第三方榜单存在口径差（如 Legal Research Bench 官方 55.8%、Vals 榜 53.85%） |
| 跨源数字打架 | 与 Argon 的部分对比在不同报道中不一致（如 SWE-sweep 的 Argon 取值有 4.3% 与未公布两种），引用需锁定单一来源 |
| 官方自陈局限 | 模型卡写明高思考档存在 “偶发变慢或超时”；输出仅文本，知识截止 2026 年 3 月 |
Technspire AB还有一条容易被忽略：Antigravity 里 Hydrogen 只对付费 Pro/Ultra 开放，免费用户是通过 Gemini 应用的 [Auto] 路由 “可能” 用到它 —— 这和 “全量开放” 不是一回事。
十、谁该换、谁别换、怎么换
| 场景 | 建议 | 理由 |
|---|---|---|
| 还在用 3.8 Flash 做日常编码与工具串联 | 换 | 同价位速度 2.5 倍、终端任务三倍、幻觉降五倍 |
| 做深研究、复杂代码库改造、科学计算 | 别单独换，配 Carbon/Argon | HLE-Diamond、Terminal-Bench-Science 上明显落后 |
| 需要电脑操作类 agent | 谨慎，先自测 | OSWorld-2.1 上落后 Sonnet 5.5 约 6 个百分点 |
| 成本敏感、量大、任务标准化 | 优先换 | 单任务成本可低到 Sonnet 5.5 的三分之一 |
| 已在用搜索类产品做入口 | 被动受影响 | AI Mode 默认模型已切，行为会变 |
迁移路径建议三步：先在自有评测集上跑一版对照（别只看官方分）；再按 “规划用大模型、执行用小模型” 改架构；最后把 xhigh 档留给少数难任务，因为它是把双刃剑 —— 分数从 51 升到 54，但延迟和 token 都涨。
一句能落地的判断：Gemini 4 Hydrogen 不是 “更强的旗舰”，而是谷歌把智能做成了自来水 —— 按 $1.50 一吨卖、从搜索这个最大的水龙头流出来；评价它成不成，别盯 51 比 50，盯三个月后有多少产品把默认执行模型换成了它。
【常见问题】
问题 1：Gemini 4 Hydrogen 到底是什么定位，是旗舰还是廉价版？
回答 1：是 “执行层”，不是旗舰。Gemini 4 家族里 Carbon 和 Argon 负责深度、长程推理，Gemini 4 Hydrogen 由 Carbon 适配而来，专做快速、克制的执行，接替上一代 Gemini 3.8 Flash，官方称其为 “agentic 工作流的日常主力”。它同时是家族里最便宜的一款（$1.50/$7.50 每百万 token），也是唯一带限速免费层的一款，因此 “廉价版” 这个说法在价格上成立，但在能力画像上它更像 “够用的主力”。
问题 2：Gemini 4 Hydrogen 综合分反超 Argon，是不是说明小模型已经打赢大模型了？
回答 2：只在综合指数上成立，在难度谱系两端都不成立。第三方 Artificial Analysis 智能指数上，Gemini 4 Hydrogen 默认 high 档 51 分、xhigh 档 54 分，确实高于 Argon 的 50 分；但同一批基准里，HLE-Diamond 上它 58.8% 明显低于 Carbon 的 69.1%，Chartography 上 66.6% 也低于 Argon 的 71.6%，Terminal-Bench 4.0 上 57.1% 落后 Carbon 的 65.2%。综合分高是因为它在 “干活类” 任务上得分好，不是因为它在 “硬推理” 上更强。
问题 3：Gemini 4 Hydrogen 的价格优势有多大，怎么算才准确？
回答 3：看三个层次。单价上 $1.50 输入 / $7.50 输出，比 Carbon 和 Argon 标价（$2/$10，12 月 1 日起涨到 $4/$20）低约 62% 和 25%，是 Claude Fable 5.2 fast 模式（$16/$80）的十分之一量级；全窗口同价意味着 100 万 token 上下文不加价，缓存命中仅 $0.075；按单任务成本算，低思考档 $0.29、xhigh 档 $3.16，而 Sonnet 5.5 约 $10.02。所以 “便宜” 不只是单价便宜，是同一任务的综合花费便宜。
问题 4：Gemini 4 Hydrogen 在哪些任务上明显不如对手？
回答 4：三块最明确。终端类硬任务上，Terminal-Bench 4.1 为 57.0%，低于 Claude Sonnet 5.5 的 63.9%；电脑操作上 OSWorld-2.1 为 77.6%，低于 Sonnet 5.5 的 83.9%；科学计算终端任务上 Terminal-Bench-Science 0.1 为 51.4%，低于 Sonnet 5.5 的 59.9% 和 GPT-6.1 Terra 的 58.3%。此外官方模型卡自陈高思考档存在偶发变慢或超时，输出仅支持文本，知识截止到 2026 年 3 月。
问题 5：Gemini 4 Hydrogen 和 Orchestrator 是什么关系，为什么值得学？
回答 5：Orchestrator 是 Google Antigravity 里的分工模式：让 Carbon 负责规划、Gemini 4 Hydrogen 负责执行，官方称在 Terminal-Bench 4.0 上能达到接近纯 Carbon 的任务成功率，同时配额消耗少 24%、完成速度快 19%。这个模式的价值跟厂商无关 —— 把贵的模型只用于决策，把 90% 的 token 消耗交给便宜的执行模型，是当下最实用的降本架构；Gemini 4 Hydrogen 恰好是那个 “便宜的执行器”。
问题 6：普通用户和开发者现在能用上 Gemini 4 Hydrogen 吗？
回答 6：分场景。开发者可在 Gemini API（含限速免费层）与 AI Studio 使用，Android Studio 也可接入；企业可通过 API 或模型下拉菜单在 Gemini for Business 使用，符合条件的企业订阅还能在 Google Sheets 里用；普通用户在 Gemini 应用的模型选择里能看到它，标注为 “日常帮助”，免费用户则通过 [Auto] 自动路由在合适场景用到；搜索侧全球用户的 AI Mode 默认模型已切换为 Gemini 4 Hydrogen。需要留意的是 Antigravity 里的使用仍限于付费 Google AI Pro / Ultra 订阅者。
【参考资料】
[2026-11-13]（便宜档跑分反超旗舰：谷歌 Gemini 4 Hydrogen 全量开放，搜索 AI Mode 连夜换引擎）36 氪
[2026-11-13]（Gemini 4 Hydrogen: Pricing, Benchmarks and API Changes）Neurohive
[2026-11-13]（Gemini 4 Hydrogen at $1.50/$7.50: the Foundry workhorse math）Technspire
[2026-11-13]（Gemini 4 Hydrogen Is Google's Cheapest Gemini 4 Model, and It Just Beat the Flagship on Benchmarks）Tech Featured
[2026-11-13]（Google「Gemini 4 Hydrogen」公开、軽量枠で Argon を逆転）MY-BEST.AI
[2026-11-13]（Gemini 4 Hydrogen: $1.50/M and It Beats Argon）AIToolsRecap
[2026-11-12]（Introducing Gemini 4 Hydrogen）Google The Keyword
[2026-11-12]（Google announces Gemini 4 Hydrogen with'significant leaps' in speed, intelligence）9to5Google
[2026-11-13]（Gemini 模型与性能基准总览，本次查阅日期）Google DeepMind
免责声明：本文依据 2026 年 11 月 14 日前公开的 Google 官方博客、DeepMind 模型页、第三方基准机构与媒体报道整理，属于对公开信息的评测与解读，不构成采购建议、投资建议或对任何模型长期表现的判断。文中绝大多数跑分来自 Google 自评与官方模型卡，未经完整独立复现，不同报道对同一基准的取值存在差异（例如 Legal Research Bench 官方口径 55.8%、第三方榜单 53.85%；与 Argon 的部分对比在不同信源中不一致），引用时请锁定单一来源并以自有评测为准。发布时点存在时区差：Google 官方博客署 2026 年 11 月 12 日（美西时间），国内媒体按北京时间记为 11 月 13 日，属同一事件。价格与可用范围可能随时调整（Carbon 与 Argon 已公布 12 月 1 日起价格上调），免费层存在速率限制，Antigravity 内的使用仍限付费订阅。模型能力、成本与延迟均随使用场景变化，本文的成本数字为特定基准与特定任务下的测算，不代表你的业务场景。正式选型请以自有评测集、真实任务分布与合规要求为准。