一张生成的标题卡,上面写着“Gemini 4 Hydrogen”,副标题为“免费 Tasks 背后的模型”,下方是三个带标签的胶囊形标签,分别写着“每 100 万 token 输入 $1.50 / 输出 $7.50”、“100 万 token 上下文”和“智能指数 54”,并配有一幅扁平线条画:一个聊天气泡引出一条箭头,指向一张有三行已勾选事项的清单卡片。
Guides & Insights

Gemini 4 Hydrogen 正是 Google 交到你收件箱里的模型:免费任务推广实际运行的是什么

作者

jinhao.song

发布日期

最新模型 · 20查看全部模型 →
基准测试:Artificial Analysis · 每日更新
返回全部文章

2026年11月17日,G​oogle 在六个国家为免费版 G​emini 用户启用了 Tasks,而其背后的模型并不是该公司整个十月都在宣传的那一个。Tasks 运行在 G​emini 4 Hydrogen 上——这是每百万输入 1.50 美元、每百万输出 7.50 美元的模型,于 11 月 12 日全面可用——而不是 Gemini 4 Carbon,后者是每百万输入 2 美元、每百万输出 10 美元的旗舰模型,在 Artificial Analysis Intelligence Index 上领跑 G​oogle 自家产品线。这一选择本身就是关键所在。一个会读取你的邮件、持有支付卡并代表你致电汽车经销商的智能体,如今运行在低价层级上,而 G​oogle 公布了一页安全数据,论证这没有问题。它究竟有没有问题,才是读者应当带走的问题。

11月17日究竟发布了什么?

Josh Woodward 的公告——他是 G​oogle Labs、G​emini 应用和 AI Studio 的副总裁——发布在公司博客上,标题为“G​emini 中的任务现已免费,并新增了替你完成事务的方式。”Sundar Pichai 在 X 上的帖子于同日 17:20 UTC 发布,并以产品团队已确定的框架开篇:先了解事情,再去做事情,然后想办法为你节省时间和金钱。两处的地理范围说法完全相同——横跨美国、日本、韩国、加拿大、澳大利亚和印度的数亿人——也就是六个国家,而且两种说法中都是同样的六个国家。

根据 G​oogle 自己的说明,你实际上可以做什么:

• 在 G​emini 应用中,将主屏幕切换开关从“聊天”切换到“任务”,然后用通俗的语言描述这项工作。

• 将一批电子邮件转发至 [email protected],让其中的日期出现在你的日历上,并邀请其他人。Google 的示例是一堆学校邮件,不到一分钟就处理完毕,还发现了一个拼车冲突,并向另一位家长提供了一条短信。

• 在 Android 或 iOS 上通过 RCS 与 G​emini 互发短信——但该方式需要美国手机号码,且运营商需符合条件,并且需通过“设置”>“频道”>“与 G​emini 互发短信”进行设置。

这些高级功能比标题所暗示的范围更窄。给商家打电话、通过 Agent Payments Protocol 支付账单、使用 Google Pay 基于 Shopping Graph 结账,以及让 Gemini 读取公用事业门户的 Google Password Manager 集成,所有这些都被描述为“从美国开始”推出。Google 的脚注列表补充了两个大多数摘要都会忽略的限制:通过 Gemini 拨打电话在印第安纳州、路易斯安那州、明尼苏达州、蒙大拿州或内布拉斯加州不可用,而且首先需要有一个美国电话号码。

A screenshot of Google's 17 November 2026 blog post 'Put Gemini to work for you', bylined to Josh Woodward and filed under News from Google, showing the Tasks interface with a 'Describe a task' prompt box labelled Hydrogen.

“free”这个词可真是承担了太多。

谷歌的标题称 Tasks“现已免费”,这暗示了此前的状态,却没有加以说明。该文章没有说明早期访问的费用是多少、谁曾拥有该权限,也没有说明那些已经在付费的订阅者会怎样。这一点值得明确指出,而不是往最有利的方向去解读。

同样没有公布的是配额。没有说明每天有多少任务、没有说明 token 上限、也没有说明可以转发多少封邮件。对于一个整体卖点就是“把你的生活琐事交出去”的功能来说,公告中最关键的缺失就是没有公开上限,因为其底层成本模型会按模型生成的每一个 token 计量——而正如以下数字所示,这个特定模型会生成大量 token。

为什么选择氢而不是碳

G​oogle 自己的解释是结构性的。在 11 月 12 日的发布文章中,Koray Kavukcuoglu 的团队将 Carbon 和 Argon 定位为“针对你最棘手问题进行深度、长周期推理”的模型,而 Hydrogen 则是“为跨多种智能体工作流的快速执行而构建”的模型。像预约服务这类任务并不是推理问题;它是一连串工具调用,其中延迟会由等待的人切实感受到,而点错一次就会造成金钱损失。这正是 Hydrogen 所针对的特征,而且大规模运行成本更低。

安全页面正是论证变得具体之处,下面的每一个数字都由厂商自行报告,且未在 G​oogle 之外得到复现:

• 在有代理参与的智能体任务中,过度执行情况相比 Gemini 3.8 Flash 最多降低 81%;服务不足情况最多降低 79%。

• 在工具使用和编码评估中,不一致的行动与任务捷径现象减少了12倍。

• 对于无法完成或受阻的任务,该模型绕过权限边界的可能性最多降低一半,并在 Google 的内部智能体诚实性评估中得分 94%。

• 在 Gray Swan IPI 基准测试中,针对间接提示注入,它的抵御能力高出 2.3 倍以上;并且 Google 声称,在超过 200,000 个经审计的轮次中,思维链可读性达到 99.9%,且没有任何欺骗性推理编辑。

• 在 HealthBench Pro 上,误拒率保持在 0.4% 以下,这对于一个将被问及医疗账单的产品来说至关重要。

这些说法为推广部署提供了依据。围绕这些说法的架构,才是你能通过实际使用来验证的部分。每个任务都在 Google Cloud 的 Agent Compute Engine 中运行——这是一台硬件隔离的虚拟机,专属于一个账户且从不共享——同时由提示注入过滤器扫描搜索结果和页面,Google Safe Browsing 限制智能体可以打开哪些链接,并且在任何类似购买的操作之前都没有确认暂停。Google 还表示,当指令含糊不清时,智能体会提出澄清问题,并且常规步骤可以标记为“始终允许”。

独立数字,包括那个 G​oogle 宁愿你跳过的数字

Artificial Analysis 在其 Intelligence Index v5.0.1 上公布了 G​emini 4 Hydrogen,xhigh 思考设置下得分为 54,在该榜单的 91 个模型中排名第 23。作为同日测量的背景参考:Gemini 4 Carbon 为 60,G​emini 4 Argon 为 50,而 Hydrogen 在产品线中取代的模型 Gemini 3.8 Flash 为 31。因此,Hydrogen 领先其所取代的模型 23 分,领先 Argon 4 分。

A screenshot of the Artificial Analysis LLM leaderboard with the Gemini 4 Hydrogen row selected, showing an Intelligence Index of 54, a cost of $3.16 per index task, 14.9 minutes per task and a 1M-token context, alongside neighbouring rows for Gemini 4 Carbon at 60 and Gemini 4 Argon at 50.

有一处不对称值得说明,因为从排行榜上很容易误读:54 属于 Hydrogen 的 xhigh 思考设置,而这不是默认设置。G​oogle 自己的发布文章指出,在同一指数上,默认 high 设置下的数值为 51,而 Argon 为 50;54 是你为最昂贵的设置付费后得到的数值。Carbon 对外宣传的 60 是在 high 下测得的。因此,比较这两个主打数字,实际上是在把 Hydrogen 的最大推理努力与 Carbon 的默认设置进行比较。

速度正是 Google 的发布声明与评测框架出现分歧的地方。Google 称,在默认高设置下,Hydrogen 完成任务的速度比 Gemini 3.8 Flash 快 2.5 倍。而在 Artificial Analysis 自己的任务套件上,Hydrogen 每个索引任务耗时 14.9 分钟,Gemini 3.8 Flash 为 14.1 分钟——这是一个方向反了的舍入误差级差异。2.5 倍这一说法在 Google 真正需要它的对比中确实成立:面对耗时 29.2 分钟的 Argon 和 33.4 分钟的 Carbon。诚实的解读是,Hydrogen 对推理模型而言算快,并且与它所取代的 Flash 大致持平;这与新闻稿中的说法不同,也没那么适合引用。

每完成一个任务的成本,才是证明这次推广合理的数字,而且它比每 token 价格所暗示的还要好。Artificial Analysis 给出的 Hydrogen 指数任务成本为 3.16 美元,而 Gemini 3.8 Flash 为 7.77 美元,Argon 为 4.97 美元,Carbon 为 5.48 美元。输出速度为每秒 172 个 token,几乎是 Carbon 每秒 61 个 token 的三倍。

然后是注意事项。在 Artificial Analysis 的 90 款模型榜单上,Hydrogen 是输出第二冗长的模型——在 90 款中排第 89——在整个指数测试运行中产生了 3.04 亿输出 token,而 Carbon 为 2.05 亿,3.8 Flash 为 1.26 亿,中位数为 6540 万。它达到自身分数所需的输出量约为中位模型的 4.6 倍。对于像 Tasks 这样的固定价格订阅,那是 G​oogle 的问题。对于任何通过 API 按量计费使用同一模型的人来说,这就是你的问题:一项推理时长达到 4.6 倍的任务,在每百万输出 token 7.50 美元的价格下,成本就是 4.6 倍,而更低的每 token 单价只能部分弥补这一点。

A generated single-column scoreboard for Gemini 4 Hydrogen with rows for an Intelligence Index of 54 at xhigh and 51 at the default high setting, a price of $1.50 and $7.50 per million tokens, output speed of 172 tokens per second, a cost of $3.16 per index task and 304 million output tokens per index run, with a footer stating that the index figures are per Artificial Analysis Intelligence Index v5.0.1 and the prices per Google's rate card.

如果你想自己运行这个模型

G​emini 4 Hydrogen 已在 G​emini API 的免费层级和付费层级中提供,也可在 AI Studio 中使用,模型字符串为 gemini-4-hydrogen;在整个 1,048,576 token 的上下文窗口内,输入统一为每百万 token 1.50 美元、输出为每百万 token 7.50 美元。上下文缓存为每百万 token 0.075 美元,且仅支持隐式缓存——不支持显式缓存,这就排除了把长文档固定为可复用前缀的常用技巧。Batch 和 Flex 层级的价格减半,分别为 0.75 美元和 3.75 美元;Priority 层级价格翻倍,为 2.70 美元和 13.50 美元。与 Gemini 4 Carbon 不同——其 2 美元/10 美元的推广价明确标注于 2026 年 11 月 30 日到期——Hydrogen 的价格卡上并未出现任何结束日期。

根据模型卡,它将会做什么、不会做什么:

• 接受文本、图像、音频、视频和 PDF;仅输出文本。不支持图像生成、音频生成,也不支持 Live API。

• 支持函数调用、代码执行、计算机使用、结构化输出、URL 上下文,以及基于 G​oogle Search 和 G​oogle Maps 两者的事实依据。

• 四个思考级别——low、medium、high(默认)以及新的 xhigh——默认同步输出为 65,536 个 token,通过长解码最高可达完整的 100 万。

对于正在构建与 Tasks 所展示的同类智能体的开发者来说,有用的模式不是单一模型,而是两个:一个快速执行器负责发起工具调用,一个前沿模型在执行器卡住时进行裁决。Google 在 Antigravity 中的 Orchestrator 正是这一思路的产品化落地,据其报告,在 Terminal-Bench 4.0 上,它在大约节省 24% 配额、速度快 19% 的情况下,达到了接近 Carbon 的任务成功率——不过这是厂商数据,且出自厂商自家产品。

这种模式也正是路由层的用武之地,值得精确说明我们处在什么位置。G​emini 4 Hydrogen 目前不在 OrcaRouter 的目录中;调用它意味着使用 G​oogle 自己的 API 或 AI Studio。G​emini 4 Carbon 和 G​emini 4 Argon 则在目录中,按提供商标价、0% 加价直通,因此上述分工——Hydrogen 承担工作,Carbon 在其停滞时介入——可以接入一个密钥和一条计费条目,而不是两份合同。如果你路由的某个模型停止响应,我们会故障转移,而不是让请求失败,这正是站得住脚的 p95 与一次事故之间的区别。

看什么

有三件事将决定这次推广是否明智,而它们目前都还不可见。第一是配额:一旦 G​oogle 公布 Tasks 的每日限额,在一个冗长度达到中位数 4.6 倍的模型上运行智能体的经济账就会变成公开的算术。第二是 G​oogle 表示即将到来的 Universal Commerce Protocol 集成,它会让该智能体从“购买前先询问”转变为拥有端到端结账路径。第三是失败报告。G​oogle 自己的文章承认,有些网站会让智能体走完大部分流程,然后把屏幕交还给用户,而且任务有时会落空——唯一提供的补救办法是点踩。这个反馈回路能否足够快地提升工具调用可靠性,正是模型卡无法告诉你的部分。

目前,实际要点既有限又实用。自11月17日起,Tasks 已在六个国家上线且免费,它基于一个每百万 token 分别收费 1.50 美元和 7.50 美元的模型,胜在快而不是聪明,偶尔会说出比实际需要长四倍的内容,而 G​oogle 给它加装了沙箱、注入过滤器和确认提示,因为它将要保管你的银行卡。如果你正在构建类似的东西,这四个事实就是规格说明。