Google 发布 Gemini 4 Hydrogen，发布四周后在 AA 智能指数上超过更大的 Argon
Google's Gemini 4 Hydrogen outscores the bigger Argon just four weeks after its launch
Google 发布面向开发者和日常用户的快速通用模型 Gemini 4 Hydrogen，在默认 high 思考级别下以 51 分超过 Gemini 4 Argon 的 50 分，xhigh 级别可达 54 分。
同一件事，精选收录的是《Google DeepMind 发布 Gemini 4 Hydrogen 模型》
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”思考级别下，Hydrogen 在 Artificial Analysis Intelligence Index 上击败了更大的 Argon（51 对 50），并在最高级别“xhigh”下达到 54。
Hydrogen 提供四个思考级别：low、medium、high（默认）以及新的 xhigh 档，而 Argon 仅提供 medium 和 high。该模型的输入上下文窗口为一百万 token，输出可达一百万 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 最终似乎既比 Argon 能力更强，又更便宜。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，也是对 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，幻觉减少了五倍，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 排行榜上排名第五。Google 称其在 Vals Tax Agent Bench 上以 52.3% 排名第一，并在 Vals Legal Research Bench 上以 55.8% 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（作弊调整后） | 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、电子表格或视频等多模态知识工作，Hydrogen 在一百万 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
Google 正在所有平台上全球推出 Hydrogen。开发者可通过 AI Studio 和 Android Studio 中的 Gemini API 访问，付费的 Pro 和 Ultra 订阅用户则可通过 Google Antigravity 使用。企业客户可通过 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就能直接使用。Hydrogen 还能从 Gmail 和 Drive 等 Google 应用，以及 Airtable 和 Dropbox 等第三方应用中引入上下文信息。
Google 还声称 Hydrogen 对搜索来说是一次“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。搜索结果更直观、更易于浏览，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 表示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，但在终端工作上表现落后
Artificial Analysis 的一项独立评估显示，Hydrogen 在最高思考水平下大致与 Claude Sonnet 5.5 持平。在默认的“high”级别下，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 在智能体终端工作上较弱，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 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”级别下，成本降至 1.87 美元，“medium”降至 0.80 美元，“low”降至 0.29 美元。不过，较低级别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 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——由人类精选
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 · the-decoder.com