Google 发布 Gemini 4 Hydrogen，Artificial Analysis 智能指数超过更大的 Argon

The Decoder：AI News· Matthias Bastian·2026-11-13 03:58· 1 小时前同事件AI 评分86

Google's Gemini 4 Hydrogen outscores the bigger Argon just four weeks after its launch

AI 导读

Google 发布 Gemini 4 Hydrogen，主打快速低价处理日常任务，在 Artificial Analysis Intelligence Index 上默认 high 档得 51 分、最高 xhigh 档得 54 分，超过 Gemini 4 Argon 的 50 分。

同一件事，精选收录的是《Google DeepMind 发布 Gemini 4 Hydrogen》

Google 发布了 Gemini 4 Hydrogen，这是一款面向开发者和普通用户的快速通用 AI 模型。

与 Google 为攻克难题而设计的深度长程推理前沿模型 Gemini 4 Carbon 和 Gemini 4 Argon 不同，Hydrogen 主打快速、低成本地处理日常任务。它看起来是此前 Flash 系列的对应产品。

不过，这样的对比可能低估了它。据 Google 称，在默认的“high”思考级别下，Hydrogen 在 Artificial Analysis Intelligence Index 上的得分超过了更大的 Argon（51 对 50），在最高级别“xhigh”下更能达到 54。

Hydrogen 提供四档思考级别：low、medium、high（默认）以及新增的 xhigh，而 Argon 只有 medium 和 high。该模型的输入上下文窗口为一百万 token，输出也可达一百万 token。价格方面，每百万输入 token 收费 1.50 美元，每百万输出 token 收费 7.50 美元，缓存命中收费 0.075 美元。

在“xhigh”级别下，Gemini 4 Hydrogen 在 Artificial Analysis Intelligence Index 上得分 54，仅次于 Claude Sonnet 5.5 和 GPT-6.1 Sol——这两者在各自最高思考级别下均为 55 分。Gemini 4 Argon 以 50 分落后。| 来源：Artificial Analysis

显然，Hydrogen 的能力更强，价格还比 Argon 更低。更让人困惑的是，就在两天前 Google 发布新前沿模型 Carbon 时，公司还建议日常编码工作继续使用 Argon。Hydrogen 应该会让这一建议失去意义，让 Argon 在发布不到四周后就显得过时。

Hydrogen 相比上一代 Flash 实现了大幅跃升

Google 将 Hydrogen 定位为一款独立模型，也是 Gemini 3.8 Flash 的重大升级。Google 称，在默认思考级别下，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 表示，幻觉减少了五分之四，而且在工具调用失败或搜索无结果时，模型的恢复能力也更好。

在研究、数据分析、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，它在 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。

类别	基准测试	Gemini 4 Hydrogen	Gemini 4 Carbon	Gemini 4 Argon
通用能力	AA Index v5.0	54（xhigh，5.1）	59	50
	Vals Index v2.2	—	70.4%	69.2%
智能体编码	SWE-sweep	13.5%	9.6%	4.3%
	FrontierSWE 2	—	61.2%	55.0%
	Terminal-Bench 4.1（作弊校正后）	57.0%	—	—
	Terminal Bench 4.0（AA）	—	65.2%	57.1%
知识工作	Agents’ Last Exam v1.1	71.6%	77.4%	69.0%
	AutomationBench	76.1%	—	—
	AutomationBench（Zapier）	—	53.9%	51.3%
	Vending-Bench 2（账户余额，美元）	$14,549	$16,484	$13,718
计算机使用	OSWorld-2.1（离线子集）	77.6%	81.5%	74.7%
多模态理解	MKA（Climb WSR 准确率）	53.4%	—	—
	Chartography	66.6%	72.5%	71.6%
	Blueprint Bench 2（相似度得分）	—	58.6%	54.4%
长上下文	GraphWalks（256k 至 1M，BFS）	—	96.2%	84.2%
科学与数学	Terminal-Bench-Science 0.1	51.4%	—	—
	RiemannBench	—	80.0%	76.0%
	Terminal-Bench-Science 0.1（AA）	—	64.8%	52.9%
推理	HLE-Diamond	58.8%	—	—
网络安全	CWE-bench	—	71.0%	68.0%
	ExploitGym	—	54.8%	42.0%
	SEC-bench Pro	—	88.2%	83.4%

对于总结大型 PDF、电子表格或视频这类多模态知识工作，Hydrogen 在百万 token 输入窗口之外，还支持最多一百万 token 的输出。它在 Google 新推出的 Multimodal Knowledge Agent Benchmark 上得分 53.4%，在 Agents' Last Exam v1.1 上得分 71.6%。

Hydrogen 现已可用

Google 正在全球范围内面向所有平台推出 Hydrogen。开发者可以通过 AI Studio 和 Android Studio 中的 Gemini API 使用它，付费的 Pro 和 Ultra 订阅用户则可以通过 Google Antigravity 使用。企业客户可以通过 Gemini for Business 获取，而所有人都可以在 Gemini 应用和 Google 搜索中使用它。

Google 表示，在 Gemini 应用中，该模型在较长的对话里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就能直接使用。Hydrogen 还能从 Gmail、Drive 等 Google 应用以及 Airtable、Dropbox 等第三方应用中引入上下文。

Google 还称 Hydrogen 对搜索是一次“重大升级”。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要求。搜索结果更直观、更易浏览，改进后的查询扇出技术能引入更广泛的相关链接。

在 Google 的基准对比中，Gemini 4 Hydrogen 在所示的知识工作和多模态理解测试上击败了 Claude Sonnet 5.5 和 GPT-6.1 Terra。不过 Sonnet 在终端任务和计算机使用方面得分最高。 | 来源：Googl

在 Google 的编程工具 Antigravity 中，新的编排器会在一次会话内于 Carbon 和 Hydrogen 之间动态切换，而不是固定使用一个模型。在外部基准 Terminal-Bench 4.0 上，Google 称该编排器的成功率几乎与 Carbon 持平，同时资源用量减少 24%，处理时间缩短 19%。

独立测试发现 Hydrogen 很少产生幻觉，但在终端任务上表现落后

Artificial Analysis 的独立评估显示，Hydrogen 在最高思考水平下与 Claude Sonnet 5.5 大致相当。在默认的“高”水平下，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，它的呈现质量也超过了包括 Carbon 在内的其他 Gemini 模型。

Hydrogen 在智能体终端任务上较弱，Terminal-Bench 4.0 得分 54%，Terminal-Bench-Science 0.1 仅得 50%。Claude Sonnet 5.5（max）分别达到 64% 和 53%，GPT-6.1 Sol（max）则为 56% 和 58%。

在性价比方面，Artificial Analysis 估算 Hydrogen 在 xhigh 下每项任务约 3.16 美元，约为 Claude Sonnet 5.5（max）在相近智能水平下成本的三分之一，但约为 GPT-6.1 Sol（max）的 2.5 倍。

“xhigh”思考水平将 Gemini 4 Hydrogen 从 51 分提升到 54 分，但所需的输出 token 数量几乎是“high”的两倍。每项任务的平均成本从 1.87 美元升至 3.16 美元。 | 来源：Artificial Analysi

在“high”水平下，成本降至 1.87 美元，“medium”为 0.80 美元，“low”为 0.29 美元。不过智能得分在较低水平会大幅下降，medium 在该指数上仅得 41，low 只有 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 三档上，该模型处于帕累托前沿，意味着在这些价位上没有其他模型既更便宜又更聪明。

没有炒作的 AI 新闻——由人工精选

订阅 THE DECODER，即可享受无广告阅读、每周 AI 新闻通讯、每年六期独家“AI Radar”前沿报告、完整档案访问权限，以及评论区访问权限。

来源：The Decoder：AI News · the-decoder.com

事件后续 · 5

查看事件全部