生成的标题卡写着 Gemini 4 Neon 对比 Gemini 4 Hydrogen,副标题为“2 倍在何处失效”,展示一条不断上升的每完成一项任务成本轴,交替出现 Neon 和 Hydrogen 标记,并配有说明文字“价目表说 2 倍;每任务成本却并非如此。”
Engineering & Research

Gemini 4 Neon 对比 Gemini 4 Hydrogen:2 倍优势在哪里失效

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

同一家族的兩款 G​emini 4 模型相隔六天發布,價目表放在一起比較,就像一份數字被減半的複印件:G​emini 4 Neon 輸入 $3.00、輸出 $15.00,G​emini 4 Hydrogen 則是 $1.50 和 $7.50,快取輸入 $0.15 對 $0.075。每一行都正好是一半。這是 G​emini 4 家族裡最整齊的價格關係,也是這對模型最不具資訊量的一點,因為一旦你依照每個完成任務的實際成本,把她們全部八個思考層級排序,這個整齊的 2 倍關係就完全無法預測任何東西了。

两者都是当前在用的模型,而且都属于 G​oogle。G​emini 4 Hydrogen 于 2026 年 11 月 12 日上线,作为取代 Flash 命名的模型;G​emini 4 Neon 于 2026 年 11 月 18 日跟进,G​oogle 将其定位为介于负责日常执行的 Hydrogen 与负责深度长周期工作的 G​emini 4 Carbon 之间。两者均具备 100 万 token 的上下文窗口,均接受文本、图像、音频和视频,均有四个思考层级,且默认都设为高。

两张卡片,八个价格,一次排序

Artificial Analysis 在同一套包含九个部分的评估集上,为两个模型的每一个档位评分,并公布每个档位每完成一项任务的实测成本。按成本而非模型名称对这八个数据点排序,正是整个论点所在,因此下面按顺序列出:

• Hydrogen 低档 — 指数 26.9,每项任务 $0.29。

• Neon 低档 — 44.1,$0.75。

氢气中等档位 — 41.2,$0.80。

• 高(默认)下的氢气 — 50.8,$1.87。

• 霓虹灯中等亮度 — 54.9,1.90 美元。

• Hydrogen 在 xhigh 下 — 53.9,$3.16。

• Neon 高(默认)— 59.6,$3.74。

• Neon 在 xhigh 下 — 61.4,$6.44。

按顺序读这份列表,整体形态就很清楚。Hydrogen 恰好只占其中一段:最底部——在那里,$0.29 买到 26.9,两个系列中其他任何产品在价格上都难以企及。在这条线以上,排序不再在两个型号之间交替,而是开始偏向其中一个——而它偏向的并不是价目表会暗示的那一个。

Artificial Analysis model page for Gemini 4 Hydrogen at Xhigh effort, showing an Intelligence Index of 54, $1.50 input and $7.50 output per million tokens, $3.16 per Intelligence Index task, 304 million output tokens on the index against a 65.4-million median, 164 tokens per second, 61.37 seconds to first answer token, a default effort of high and a 1M-token context window.

边界实际弯曲之处

那份清单上最有用的单项比较是第五档和第六档。Neon 在 medium 档每项任务成本为 1.90 美元,得分为 54.9。Hydrogen 在 xhigh 档——它的最高档位,也是它能做到的最高水平——每项任务成本为 3.16 美元,得分为 53.9。因此,Neon 第二便宜且有用的设置比 Hydrogen 的最高档位得分高 1 分,成本还低 40%。

同样的倒挂现象在上一行也出现了。Hydrogen 的默认高档收费 $1.87,得分 50.8。Neon 的中档贵三美分,得分 54.9——账单上一个四舍五入的误差,换来四个指数点。而在底部,Neon 的低档收费 $0.75,得分 44.1,对比 Hydrogen 的中档收费 $0.80、得分 41.2,这是反方向的同一笔取舍:一个略便宜、略胜一筹的档位,在另一个模型上却低了一档。

规律是,Hydrogen 的阶梯被压缩了。它的四个梯级跨越 27 个指数点,但在两端之间,任务成本只相差 11 美元;最后两个梯级换不来任何值得拥有的东西——从 high 到 xhigh,每项任务成本高出 69%,却只换来三个点。Neon 的阶梯则被拉长了:17.3 个指数点分布在几乎宽十八倍的成本范围内,而且它的上限比 Hydrogen 高九点,因为 Hydrogen 没有能到达该上限的梯级。

默认陷阱,以及 G​oogle 自己的答案

两款模型都以 high 档发布,而这两个默认值正好处在这一反转的两端。完全不传 thinking 参数调用两者,得到的是花 $3.74 得 59.6,对比花 $1.87 得 50.8——相差 8.8 分,正好是价目表所承诺的 2 倍。这正是 Google 自己的公告所暗示的比较,而且就其所及而言是公平的。

这并不是 G​oogle 推荐的做法。11 月 18 日的 Antigravity 文章描述了一种 Orchestrator 模式,它能在单次会话中把两者配对使用:Neon 负责规划、架构设计并处理困难推理,Hydrogen 执行常规工作——代码编辑、包更新、测试运行——并在遇到无法解决的问题时把控制权交还给 Neon。G​oogle 的说法是,这能让你每次运行的配额用得更充分;这是对一种真实观察的厂商化表述:对于多步骤任务中的每一步,两个模型中的任何单一层级都不是高效选择。

那条建议是两篇发布文章中最诚实的内容,因为它承认了数字所证明的那一点。如果 Neon 的 medium 直接胜过 Hydrogen 的 xhigh,那么 Hydrogen 的理由就不是“同样的工作更便宜”,而是“便宜到足以运行在那些不需要判断的步骤上”,而 Orchestrator 就是决定这些步骤是哪些的机制。这种交接实际效果如何,是 G​oogle 之外无人测量过的说法;文章描述了循环,却没有公布其成本。

Hydrogen 的三个真正优势

上述任何一点都不会使 Hydrogen 变得多余,而且它的三个优势是可衡量的,而非位置性的:

• 延迟。在相同档位下,Hydrogen 的首个答案 token 时间大约是 Neon 的一半——高档为 21.7 秒对 40.6 秒,中档为 12.4 秒对 20.1 秒,低档为 6.1 秒对 13.9 秒。对于要发出数十轮请求的智能体循环,这一差异会累积成每个任务数分钟的实际耗时,而这是任何索引分数都无法体现的。

• 吞吐量。在高负载下,Hydrogen 每秒可解码约 160 个 token,而 Neon 为 101 个。再加上延迟方面的优势,无论从哪个意义上说它都是更快的模型,这与 Google 对两者的描述一致:Neon 负责深度,Hydrogen 负责日常的快速执行。

• 捏造。在 AA-Omniscience 的幻觉率上,Hydrogen 在默认设置下为 8.7%,在 xhigh 下为 8.5%;Neon 则为 13.9% 和 14.4%。Hydrogen 是两者中更保守的一个,保守程度约为 1.6 倍,而且它是“更便宜、更小的模型更可能凭空编造内容”这一假设的唯一反例。Neon 在底层 omniscience 指数上的得分仍然更高——在匹配的默认设置下为 53.8 对 43.7——所以它知道得更多,断言也更多;Hydrogen 知道得更少,说得也更少。

最后一组配对值得记住。全知与幻觉并不是同一个量的两种视角,一个模型可能在一个方面变好,同时在另一个方面变差。在这里,方向是分裂的,而这正是单一“准确率”数字会产生误导的情形。

Generated four-panel graphic titled Hydrogen's three wins, one loss, with panels for time to first token at high (Hydrogen 21.75 s, Neon 40.6 s), output speed at high (160 tok/s against 101 tok/s), hallucination rate (8.7 percent against 13.9 percent, lower is better) and omniscience index (43.7 against 53.8, Neon leads here). The footer reads All figures per Artificial Analysis v5.0.1 at the default high setting.

选的是梯级,而不是模型

在所有八个要点下都成立的决策规则:

• 如果工作确实很琐碎——分类、提取、路由决策、简短改写——那么低档或中档的 Hydrogen 是整个系列中最便宜的选项,而且 2 倍节省是实打实的。

• 如果工作需要规划或仓库级代码更改,Hydrogen 的阶梯就够不到了。它的最佳档位是 53.9;Neon 的默认档位是 59.6,其中档为 54.9,费用比 Hydrogen 的上限低 40%。选择 Neon,并从中档开始。

• 如果你使用的是 Neon,应先审查那些昂贵的档位。从 high 到 xhigh,每任务成本高出 72%,换来 1.8 个指数点,以及首 token 时间多出十六秒。大多数流水线适合放在 medium,在那里只需默认成本的一半就能获得 54.9。

• 如果瓶颈在于吞吐量而非智能——比如交互式工具、长时间运行的智能体循环,或任何有人类在等待的场景——那么 Hydrogen 的延迟优势可能比八个指数点更重要,而这是任何排行榜都不会告诉你的。

这两个模型都不在 OrcaRouter 的目录中,因此这并不是要把其中任何一个迁到我们的密钥上的理由。目录里按提供商标价、无加价提供的是Gemini 4 Carbon,价格为 $2.00 和 $10.00以及Gemini 4 Argon,价格为 $2.00 和 $10.00,此外还有一个包含 229 个模型的目录,全部通过一个端点提供。如果你想在自己的流量上测试 Neon 的 medium 是否真的突破了 Hydrogen 的上限,实际做法是制定一条路由规则:把便宜的处理步骤发到你已经能调用的层级,并把困难的处理步骤升级处理——底层再配有故障转移,这样才上线一周的模型就永远不会成为通往生产的唯一路径。

Artificial Analysis model page for Gemini 4 Neon at Xhigh effort, showing an Intelligence Index of 61, $3.00 input and $15.00 output per million tokens, $6.44 per Intelligence Index task, 283 million output tokens on the index against a 65.4-million median, 110 tokens per second, 56.54 seconds to first answer token, a default effort of high and a 1M-token context window.

什么会改变这个答案

三件事,全都可以核查。如果 Google 公布了 Hydrogen 的第五级阶梯,这种倒挂就会瓦解,2x 也会重新表现得像 2x——这个差距之所以存在,只是因为 Hydrogen 的阶梯止于 53.9。如果 Orchestrator 的交接在协调上耗费的成本高于它在执行上节省的成本,那么配对论证就会失败,选择也会回到只挑一个模型。而如果第二个独立测试框架复现的是幻觉分化而非指数分化,那么在事实敏感型工作中选用 Hydrogen 的理由就会比指数所显示的更强,因为捏造率上 1.6 倍的差异在某些流程中价值超过八个指数点,在另一些流程中却毫无价值。

在此之前,诚实的总结是:这两个模型并不是同一条直线上的两个点。它们是两把长度不同的梯子,按某个比例出售——这个比例在价目表上完全成立,可一旦你为一项已完成的任务定价,它就立刻不成立了。Neon 更便宜的梯级胜过 Hydrogen 昂贵的梯级;Hydrogen 最便宜的梯级在价格上胜过一切;而厂商自己给出的建议是别再二选一,两个都跑——这是排行榜唯一给不了你的答案。