Gemini 4 Hydrogen 与 Gemini 4 Argon：更便宜、更快、略更聪明——但编造事实的可能性翻倍

在大多数人引用的综合得分上，Gemini 4 Hydrogen 以一分优势击败 Gemini 4 Argon。在生成该得分的独立测试框架上，Hydrogen 用 13.5 分钟完成一项索引任务，而 Argon 用时 30.0 分钟；Hydrogen 成本为 3.16 美元，Argon 为 4.97 美元；Hydrogen 生成答案速度为每秒 190 个 token，Argon 为每秒 65 个。这看起来像一场碾压，直到你读到第二张表：在 Artificial Analysis 的全知类问题中，Argon 的幻觉率为 4.3%，Hydrogen 为 8.5%；并且 Argon 在 Terminal-Bench 4.0 和 Terminal-Bench-Science 上都获胜。Gemini 4 Hydrogen 和 Gemini 4 Argon 是同一个底层模型，只是附加了不同的思考预算；两者之间的选择不是“新与旧”，而是“你愿意为多少思考付费，以及在不核查的情况下你有多信任答案”。

差距在于思考预算，而不是架构。

Google 最先推出了 Argon。它于 2026 年 9 月 30 日发布，于 10 月 13 日全面上市，并被定位为高效前沿模型：与 Gemini 4 Carbon 相同的 1,048,576 token 统一上下文窗口，相同的内置工具，相同的每 token 价格，但每轮消耗的思考 token 更少。Gemini 4 Hydrogen 于 11 月 12 日推出，具有相同的窗口、相同的工具，以及一张明确说明它是基于 Carbon 改编而非单独训练的卡片。

真正区分两者的是请求顶部的那个调节旋钮。Argon 接受低、中、高三档，默认值为中。Hydrogen 接受这三档，默认值为高，并增加了第四档，称为 xhigh。模型形态的其他所有方面都是共通的。

这件事之所以重要，是因为大家最常做的那种头条式对比并不是对等比较。Artificial Analysis 公布的是 Hydrogen 在 xhigh 下的 54 分，以及 Argon 在 high 下的 50 分。而在 Hydrogen 自己的默认设置——high，也就是发送请求时不指定设置时会采用的配置——同一套测试框架给它的分数是 51。所以真实的差距只有一分，即 51 对 50；而四分差距，是让一个模型启用最贵的一档、再拿它和另一个模型的中间一档比较后得出的。

把调节旋钮推向另一端，排序就会翻转。中等档位的 Hydrogen 得分为 41。如果你的工作负载运行在 Google 为 Argon 推荐的默认配置下，那 Hydrogen 并不是更好的模型——它是一个更便宜、思考更少的模型。

承载决策的六行

除非另有标注，以下所有数据均来自 Artificial Analysis 自行针对 Google API 进行的运行测试。每 token 价格采用 Google 公布的费率卡；两个模型采用相同的费率卡结构。

• 智能指数 — Gemini 4 Hydrogen 在 xhigh 下为 54，在 high 下为 51，在 medium 下为 41；Gemini 4 Argon 在 high 下为 50，这是其上限。可比较的一组是 51 对 50。

• 每完成一个索引任务的成本——Hydrogen 在 xhigh 下为 $3.16，在 high 下为 $1.87；Argon 为 $4.97。每任务差距远大于一分的得分差距，并且在默认设置下还会进一步扩大。

• 输出速度——Hydrogen 在 xhigh 下为每秒 190 个 token，在 high 下为 179 个；Argon 为 65 个。大约三比一的吞吐量优势，在每一个思考级别下都成立。

• 首个回答 token 的耗时——Hydrogen 在 xhigh 下为 37.8 秒，在 high 下为 16.7 秒；Argon 为 40.7 秒。在默认设置下，Hydrogen 开始回答的时间早 24 秒，而这正是聊天界面能察觉到的差异。

冗长程度——Hydrogen 为完成该索引共生成 3.04 亿个输出 token，而 Argon 为 1.13 亿，中位数为 7280 万。同一测试框架已将 Argon 描述为“略显冗长”，而 Hydrogen 则是“非常冗长”，正是在 xhigh 档位下，这一点吃掉了它大部分的每 token 价格优势。

• 价格与层级，每百万 token — Hydrogen 统一为 $1.50 / $7.50，缓存读取 $0.075，Batch 和 Flex 为 $0.75 / $3.75，Priority 为 $2.70 / $13.50，并提供有限速的免费层级。Argon 截至 2026 年 11 月 30 日为 $2.00 / $10.00，缓存读取 $0.10，Batch 和 Flex 为 $1.00 / $5.00，Priority 为 $3.60 / $18.00，无免费层级。两者均提供仅限邀请的 Contributor 层级；Hydrogen 为 $0.75 / $3.75，Argon 为 $1.00 / $5.00。

在哪些方面 Argon 仍然是更好的模型

三项独立结果和一项幻觉率表明，更新、更便宜的模型并非严格意义上的升级。它们正是本页不推荐迁移的原因。

• Terminal-Bench 4.0 — Argon 57.1%，Hydrogen 53.5%。在这项智能体编程基准测试中，较旧的模型依然领先，而它也是最接近真实长时间工具调用会话的基准。

• Terminal-Bench-Science — Argon 52.9%，Hydrogen 49.5%。科学变体中也是同样的模式。

• AutomationBench-AA — Argon 77.5%，Hydrogen 76.1%。差距不大，但终究是落后，而且这是 Google 自家卡片引用最多的知识工作基准测试。

• Omniscience 幻觉率——Argon 4.3%，Hydrogen 在 xhigh 下为 8.5%。Hydrogen 正确回答这些问题的比例相近，而在不知道时编造答案的频率约为两倍。在同一集合上，high 档的该比例为 8.7%，因此这并非最高思考层级造成的假象。

反向清单同样属实，也正是 Hydrogen 仍能在综合评分中胜出的原因：FrontierCode 2.0 为 39.0%，而 Argon 为 25.7%；CritPT 智能体高难度项为 66.0%，而 Argon 为 52.5%；HLE-Diamond 为 58.8%，而 Argon 为 56.7%；并且在工程、法律和金融能力切片上略有优势。Hydrogen 在代码修复和高难度竞赛式推理上是更好的模型，而在持续终端工作以及知道何时承认自己不知道方面则更差。

这种划分具有实际意义。如果验证器、测试套件或人类会在输出产生实际影响之前读取它，那么 Hydrogen 的幻觉率就是你为捕捉幻觉已经付出的成本。如果下游没有任何环节检查答案——客服回复、送入数据库的提取结果、客户阅读的摘要——那么 Argon 的 4.3% 比 Hydrogen 每秒多出的 40 个 token 更有价值。

12月1日的举措扩大了差距，但没有扭转这一差距。

两款模型均采用有硬性到期日的促销价格卡。Argon 将于 2026 年 12 月 1 日从 $2.00 / $10.00 上调至 $4.00 / $20.00，其中缓存读取价格翻倍至 $0.20，Batch 和 Flex 上调至 $2.00 / $10.00，Priority 上调至 $7.20 / $36.00。Hydrogen 公布的价格卡在任何层级都没有带日期的调价，包括免费层级。

按这一步算下来，每 token 的比率会从 1.33 倍变为 2.67 倍，对 Hydrogen 更有利。按任务计算时，Artificial Analysis 会根据实时价目表重新计算其数字，并且已经公布了两个版本：在 Argon 的价目表显示为 $2.00 / $10.00 时是 $4.97，在显示为 $4.00 / $20.00 的那次运行中是 $9.95。同一测试框架在两种情况下都把 Hydrogen 算作 $3.16。这并不意味着 Argon 是错误模型；而是意味着 Argon 是一个你应当能够凭准确性、而不是凭习惯来证明其合理性的模型。

这也使得这两个模型需要不同的路由方式。 OrcaRouter 提供 Gemini 4 Argon 和 Gemini 4 Carbon，按供应商目录价、0% 加价，因此 12 月 1 日的价格翻倍会在 Google 的价目表上出现的同一天反映到我们这边，而不是等到下一次发票对账；而且为准确性检查保留 Argon 的技术栈会透明地按新费率付费。Gemini 4 Hydrogen 不在我们的目录中——它来自 Google 自己的 API 和 AI Studio——因此与本文相符的配置是：执行轮次直接调用 Hydrogen，而 Argon 作为验证器放在路由器后面，并借助自动故障转移跨供应商，覆盖某条路径在会话中途触发限流的情况。

如果你切换，你的代码中会有什么变化

Google 将此次迁移记录为一次模型字符串变更，并指出有四个行为差异，而只有第一个是显而易见的。

• 单跳大小 — Hydrogen 在 REST 和 SDK 调用中允许每次非流式单跳最多 65,536 个 token；Argon 在每次非流式 REST 单跳中允许 32,768 个 token。长的单次生成变得更简单，任何为绕开 32K 限制而进行分块的代码都可以停止分块。

• 思考默认值——Argon 默认为 medium，上限为 high；Hydrogen 默认为 high，并增加 xhigh。因此，直接替换模型字符串会在不提示的情况下同时提高延迟和思考 token 开销。请在首次请求时显式设置 thinking_level，否则账单之后会提醒你。

• 缓存——两者均不支持显式缓存；对于 4,096 个 token 或以上的提示，两者都对隐式缓存命中给予 95% 的折扣。Argon 的缓存读取费用为 $0.10，Hydrogen 为 $0.075，因此在 12 月的调价之前，缓存密集型工作负载在缓存部分可节省 25%，调价之后可节省 62.5%。

{{1}}采样和工具调用{{/1}}——两者都会忽略{{2}}temperature、top_p 和 top_k{{/2}}，而不是拒绝它们；并且，如果你通过提示要求使用原始文本 JSON 工具调用，而不是以原生方式声明工具，两者都会返回 MALFORMED_FUNCTION_CALL。两者都不是某个开关特有的问题，但都会在某个开关出现时暴露出来。

还有一个差异不在迁移清单上，但对智能体很重要：Argon 的模型卡没有公布知识截止日期，而 Hydrogen 的模型卡写明了 2026 年 3 月，但附带说明称某些领域的信息不够新。如果你比较这两者是因为流水线对时效敏感，那么在这一对中，Hydrogen 是唯一一个你可以直接读到日期、而无需通过测试来推断的模型。

要应用的规则

当工作先执行再检查时，从 Argon 切换到 Hydrogen：测试驱动编码、文件编辑、并行子代理、带引用步骤的“先检索再回答”流水线，以及任何每完成一项任务的成本是仪表盘上关键数字的场景。以 high 运行 Hydrogen，而不是你想象中的默认值——公布的 54 需要 xhigh，而实际默认是 51，每项任务成本 $1.87。

当答案未经检查就要交付时，当任务是长时间的终端会话而非短时突发操作时，或者当你距离发布已不到三周、不愿为了一分的评分变化而改动生产路径时，就继续使用 Argon。在幻觉率为 4.3% 对 8.5% 的情况下，Argon 为你换来了一个原本不得不自行构建的验证步骤。

真正会改变答案的，是第三个数据点，而两个模型目前都还没有：一项可复现的测量，针对 Google 实际为 Hydrogen 宣传的东西——更整洁的代码和更少的编造声明，文档称其比 Gemini 3.8 Flash 少五倍以上。Artificial Analysis 的 omniscience 测试集对 Hydrogen 与 Argon 的对比测出了相反的方向。在有人让两者跑同一任务分布之前，诚实的立场是：Hydrogen 是更好的经济性，Argon 是更好的答案；而 12 月 1 日的价格上调使推迟这一权衡变得更昂贵，而不是更便宜。