Gemini 4 Hydrogen: Bản thay thế Flash của Google loại bỏ tên Flash và tranh luận về việc hoàn thiện

Tuyên bố mà Google DeepMind đưa ra trong thông báo rất hẹp và cụ thể: Gemini 4 Hydrogen hoàn thành nhiệm vụ nhanh hơn 2,5 lần so với Gemini 3.8 Flash và đánh bại Gemini 4 Argon trên Artificial Analysis Intelligence Index. Cả hai vế đều có thể kiểm chứng, và vế thứ hai là đúng — trên bộ kiểm thử độc lập, Hydrogen đạt 54 so với 50 của Argon. Vế đầu tiên mới là chỗ khiến màn ra mắt trở nên thú vị, vì cùng bộ kiểm thử độc lập đó ghi nhận Hydrogen ở mức 13,5 phút cho mỗi nhiệm vụ chỉ số và Gemini 3.8 Flash ở mức 14,8 phút, tức chênh lệch 10% chứ không phải 150%. Gemini 4 Hydrogen là có thật, nó đã được phát hành rộng rãi vào ngày 12 tháng 11 năm 2026 với giá 1,50 USD cho mỗi triệu token đầu vào và 7,50 USD cho mỗi triệu token đầu ra, và đây là mô hình đầu tiên trong phân khúc thông lượng được bán dưới một mật danh thay vì nhãn Flash. Điều nó không phải là một bản nâng cấp tốc độ đơn thuần so với mô hình mà nó thay thế.

Điều gì thực sự đã được phát hành vào ngày 12 tháng 11?

Thẻ mô hình của Google được ghi cùng ngày và đặc biệt rõ ràng về nguồn gốc: Hydrogen được xây dựng dựa trên Gemini 4 Carbon, mô hình tiên phong trong cùng dòng. Đây không phải là một mô hình nhỏ hơn được huấn luyện riêng. Nó là cùng một mô hình cơ sở với hồ sơ hậu huấn luyện và phục vụ khác, đó là lý do khoảng cách năng lực giữa nó và các mô hình anh em nhỏ hơn so với mức khoảng cách giá gợi ý.

• Ngữ cảnh — một cửa sổ 1.048.576 token được chia sẻ giữa đầu vào và đầu ra, với 64K token đầu ra đồng bộ mặc định và lên tới toàn bộ một triệu token thông qua giải mã dài chạy nền.

• Đầu vào và đầu ra — văn bản, hình ảnh, âm thanh, video và PDF vào; văn bản ra. Không tạo hình ảnh, không tạo âm thanh, không có Live API.

• Các mức suy nghĩ — có thể cấu hình, và Artificial Analysis công bố điểm số tiêu đề của mình ở thiết lập xhigh, vốn không phải là mặc định. Các con số so sánh của chính G​oogle nằm ở mức high mặc định.

• Mốc cắt kiến thức — tháng 3 năm 2026, được nêu rõ ràng trong phần hạn chế của thẻ mô hình, kèm lưu ý rằng một số lĩnh vực ít được cập nhật hơn. Chỉ một dòng đó đã giải đáp câu hỏi mà các mô hình Gemini 4 trước đó để ngỏ.

• Phân phối — ứng dụng G​emini, API G​emini, G​oogle AI Studio, G​oogle Sheets, G​emini for business, G​oogle Antigravity và G​oogle Search, với gói miễn phí trên API. Không có giai đoạn truy cập hạn chế.

• Báo cáo an toàn — một Báo cáo An toàn và Bảo mật riêng được hứa "trong những ngày tới" và vẫn chưa tồn tại, vì vậy mọi thứ dưới đây là do tự báo cáo.

Tuyên bố 2.5x và những gì bộ khung bên ngoài đã đo được

Hai con số đang đóng vai trò then chốt trong thông báo của G​oogle, và chúng trả lời những câu hỏi khác nhau. Con số đầu tiên là thông lượng: 190 token đầu ra mỗi giây do Artificial Analysis đo được, so với 112 của Gemini 3.8 Flash, 65 của Gemini 4 Argon và 72 của Gemini 4 Carbon. Đó là mức 1,7 lần thực sự về tốc độ sinh thô và gấp khoảng ba lần so với từng mẫu trong hai mẫu G​emini 4 cùng dòng.

Thứ hai là thời gian cho mỗi tác vụ đã hoàn thành, và ở đây bức tranh đảo ngược. Artificial Analysis hoàn thành một tác vụ của Intelligence Index với Hydrogen trong 13,5 phút, với Gemini 3.8 Flash trong 14,8 phút, với Carbon trong 28,4 phút và với Argon trong 30,0 phút. So với Argon, đó là lợi thế 2,2 lần. So với mô hình mà Google nêu tên trong bài đăng ra mắt, đó là 1,1 lần. Nếu con số 2,5 lần đến từ một bộ tác vụ nội bộ cụ thể, thì đó là một tuyên bố về bộ tác vụ đó — con số bên ngoài dùng cho mục đích tổng quát đủ gần với mức ngang bằng đến mức chưa ai ngoài Google tái lập được khoảng cách đó.

Lời giải thích khả dĩ là sự dài dòng, và nó có hai mặt. Hydrogen đã tạo ra 304 triệu token đầu ra để hoàn thành chỉ mục, so với 72,8 triệu của mô hình trung vị và 126 triệu của Gemini 3.8 Flash. Nó đang tạo ra lượng văn bản nhiều hơn gấp đôi mỗi tác vụ mà vẫn hoàn thành sớm hơn một chút, vì nó tạo ra văn bản đó một cách nhanh chóng. Tốc độ và sự dài dòng là cùng một sự thật được nhìn từ hai phía.

Những gì bảng của chính G​oogle nói, cùng với những lưu ý đi kèm

Mọi số liệu trong phần này đều do nhà cung cấp báo cáo, từ thẻ mô hình ngày 12 tháng 11, và chưa có số liệu nào được tái tạo bên ngoài G​oogle. Bộ so sánh là Claude Sonnet 5.5 và GPT-6.1 Terra, không phải mô hình Flash đang được thay thế.

• {{1}}SWE-sweep{{/1}} — {{2}}13.5%{{/2}} cho Hydrogen so với {{3}}3.1%{{/3}} của Claude Sonnet 5.5 và {{4}}5.8%{{/4}} của GPT-6.1 Terra, khoảng cách tương đối lớn nhất trong bảng.

• Terminal-Bench 4.1 — 57,0% cho Hydrogen so với 63,9% của Claude Sonnet 5.5, còn GPT-6.1 Terra không có điểm được công bố. Đây là bài benchmark lập trình tác tử duy nhất mà Hydrogen thua, và Google gắn nhãn đây là bản đã được hiệu chỉnh vì gian lận.

• Công việc tri thức — Agents' Last Exam v1.1 đạt 71.6% (60.4%, 69.8%), AutomationBench-AA đạt 76.1% (71.8%, 60.2%), và Vending-Bench 2 với số dư ngân hàng $14,549 so với $11,165 và $9,107.

• Sử dụng máy tính — OSWorld-2.1 đạt 77,6% so với 83,9% của Claude Sonnet 5.5 và 74,2% của GPT-6.1 Terra. Đây là lần thua thứ hai trước cùng một đối thủ.

Đa phương thức và khoa học — MKA 53,4%, Chartography 66,6%, Terminal-Bench-Science 0.1 đạt 51,4%, và HLE-Diamond đạt 58,8% so với 53,3% và 47,3%.

Đọc các loss cùng nhau và một quy luật hiện ra: Hydrogen mạnh ở những công việc đòi hỏi tích lũy công sức qua nhiều bước và yếu hơn ở những công việc đòi hỏi duy trì một phiên sử dụng công cụ dài liền mạch. Điều đó nhất quán với một mô hình được tinh chỉnh cho thông lượng hơn là sức bền, và đó chính là khác biệt quan trọng nếu bạn đang chọn giữa nó và một mô hình tiên phong cho một vòng lặp agent chạy trong một giờ.

Các con số độc lập là những con số cần dựa vào để lập ngân sách.

Artificial Analysis là công cụ duy nhất ở đây không đến từ nhà cung cấp, và con số chi phí trên mỗi tác vụ của nó là con số đơn lẻ hữu ích nhất trong đợt ra mắt. Hydrogen trung bình tốn $3,16 chi phí suy luận để hoàn thành một tác vụ index ở mức xhigh, và $1,87 ở mức high mặc định. Gemini 4 Argon tốn $4,97, Gemini 4 Carbon $7,76, và Gemini 3.8 Flash — mô hình rẻ — tốn $7,77, vì nó đốt 126 triệu token với mức giá thấp để đạt được kết quả đó.

Sự đảo ngược đó chính là lập luận thực sự dành cho Hydrogen, và nó mạnh hơn tuyên bố về tốc độ. Mô hình có chi phí mỗi token bằng một phần tư so với Carbon lại có chi phí mỗi tác vụ hoàn thành bằng một phần năm, và chưa bằng một phần tư chi phí của mô hình mà nó thay thế. Cách tính giá theo token sẽ cho bạn câu trả lời ngược lại.

Có hai lưu ý đi kèm. Thứ nhất, chi phí trên mỗi tác vụ là thuộc tính của cơ cấu tác vụ trong chỉ mục, không phải của khối lượng công việc của bạn; một pipeline phát ra câu trả lời 200 token rồi dừng sẽ thấy giá theo token và không thấy khoản tiết kiệm nào theo tác vụ. Thứ hai là độ trễ: Hydrogen cần 37,8 giây để có token trả lời đầu tiên ở xhigh — 16,7 ở mức high mặc định — so với 17,3 của Gemini 3.8 Flash. Ở thiết lập mà bài đưa tin ra mắt đã dẫn, nó nhanh khi tạo và chậm khi khởi đầu, nên một bề mặt tương tác sẽ có cảm giác chậm hơn mô hình mà nó thay thế dù vòng lặp agent kết thúc sớm hơn.

Báo cáo an toàn có bao gồm một lỗi hồi quy

Thẻ mô hình mang một lời thừa nhận bất thường đối với một tài liệu ra mắt. So với Gemini 3.8 Flash, điểm an toàn nội dung tự động đã cải thiện ở văn bản (+0,80 điểm phần trăm), đa ngôn ngữ (+1,10) và hình ảnh sang văn bản (+7,00), còn giọng điệu giảm 0,65. Các lần từ chối không chính đáng — việc mô hình từ chối những yêu cầu vô hại — trở nên tệ hơn 5,57 điểm, tập trung ở các lời nhắc đa phương thức.

Về an toàn mô hình tiên phong, G​oogle đã thực hiện đánh giá Thay đổi Năng lực Đáng kể đối với Gemini 4 Argon và kết luận Hydrogen không cho thấy mức tăng đáng kể nào về năng lực tổng quát, vì vậy không cần đến bộ kiểm thử đầy đủ về năng lực tới hạn. Kiểm thử có mục tiêu về CBRN và an ninh mạng cho thấy mô hình không đạt bất kỳ mức năng lực tới hạn nào trong hai mức, dù mô hình có đạt ngưỡng cảnh báo cho cả hai. Đây là những tự đánh giá, với báo cáo cơ sở vẫn được ghi là sắp công bố.

Điều này đặt tầng Flash ở đâu

Google chưa khai tử Gemini 3.8 Flash. Mô hình này vẫn nằm trong danh mục, vẫn có giá $0.75 / $3.75 mỗi triệu token, và vẫn là lựa chọn đúng cho các lệnh gọi ngắn, nhạy cảm với độ trễ: với 17,3 giây để có token trả lời đầu tiên, nó khởi động nhanh gấp đôi Hydrogen ở xhigh, và gần như ngang bằng Hydrogen ở mức mặc định. Điều đã thay đổi là mức mặc định: mô hình mà Google hiện cung cấp cho người dùng API ở gói miễn phí và cho tác nhân Antigravity trong Gemini Managed Agents là mô hình mang tên mã, và nhãn hạng từng dùng để mô tả vị trí đó đã không còn.

Đối với các đội đang vận hành một ngăn xếp hỗn hợp, hệ quả thực tế là hai mô hình phù hợp với những công việc khác nhau. Hydrogen dùng cho thực thi — gọi công cụ, chỉnh sửa tệp, chạy kiểm thử, các lượt tác nhân con song song — và một mô hình tiên phong dùng cho lượt lập kế hoạch. Đó chính xác là cách bố trí mà Google mô tả, trong đó Carbon lập kế hoạch giao diện và gỡ các rào cản khó, còn Hydrogen đảm nhận các chỉnh sửa mã, và cũng là cách bố trí mà OrcaRouter được xây dựng để duy trì: Gemini 4 Carbon, Gemini 4 Argon, Gemini 3.8 Flash và Gemini 3.1 Pro Preview đều có thể gọi từ một khóa với giá niêm yết của nhà cung cấp và không phụ phí, nên việc điều chỉnh giá ngày 1 tháng 12 đối với Carbon và Argon sẽ có hiệu lực ở đây cùng ngày với bảng giá của Google, và gói miễn phí bị giới hạn tốc độ có thể chuyển sang đường trả phí mà không cần hợp đồng thứ hai. Gemini 4 Hydrogen không có trong danh mục của chúng tôi — nó đến từ API và AI Studio của Google — nên cấu hình trung thực là gọi Hydrogen trực tiếp để thực thi, với các mô hình được định tuyến phía sau đảm nhận lập kế hoạch và chuyển đổi dự phòng.

Xem gì thay vì một benchmark khác

Ngày sẽ cho bạn biết nhiều hơn bất kỳ điểm số nào là ngày 1 tháng 12 năm 2026. Gemini 4 Carbon và Gemini 4 Argon đều tăng gấp đôi vào ngày đó, từ $2.00 / $10.00 lên $4.00 / $20.00 mỗi triệu token. Thẻ của Hydrogen không mang bất kỳ mốc ngày nào. Nếu sự bất đối xứng đó vẫn đúng, Google đã tạo ra một dòng sản phẩm hai tầng ổn định — mức trần $4/$20 và một mẫu chủ lực $1.50/$7.50 — và cái tên Flash khó có khả năng quay trở lại. Nếu Hydrogen chuyển sang cùng lịch trình đó, thì thứ được tung ra tuần này chỉ là một mức giá giới thiệu gắn với một mật danh.

Điều thứ hai cần theo dõi là báo cáo an toàn, thứ mà thẻ mô hình nói rằng sắp ra mắt và là tài liệu duy nhất có thể mâu thuẫn với đánh giá năng lực ở trên. Điều thứ ba là liệu có ai bên ngoài Google tái lập được mức chênh lệch hoàn thành tác vụ gấp 2,5 lần hay không. Cho đến khi có người làm được, phiên bản tuyên bố có thể đứng vững là phiên bản được bộ khung kiểm thử độc lập hậu thuẫn: Hydrogen là Gemini 4 rẻ nhất tính trên mỗi tác vụ hoàn thành, có thông lượng gấp khoảng ba lần các mô hình cùng dòng, khởi động chậm và cực kỳ dài dòng — và mô hình mà nó thay thế giờ là lựa chọn tiết kiệm cho các lệnh gọi ngắn thay vì là mặc định cho mọi thứ.