Gemini 4 Hydrogen：谷歌的 Flash 替代品弃用 Flash 之名，并就收尾问题展开争论

Google DeepMind 在公告中提出的说法范围有限且具体：Gemini 4 Hydrogen 完成任务的速度是 Gemini 3.8 Flash的 2.5 倍，并超越 Gemini 4 Argon 在 Artificial Analysis Intelligence Index 上的成绩。这两个部分都可核查，且第二部分属实——在独立评测框架上，Hydrogen 得 54 分，而 Argon 得 50 分。第一部分才是这次发布有意思的地方，因为同一独立评测框架显示，Hydrogen 每项指数任务耗时 13.5 分钟，而 Gemini 3.8 Flash 为 14.8 分钟，这是 10% 的差异，而不是 150% 的差异。Gemini 4 Hydrogen 是真实存在的，它于 2026 年 11 月 12 日正式全面上市，价格为每百万输入 token 1.50 美元、每百万输出 token 7.50 美元，并且它是吞吐量档位中第一个以代号而非 Flash 标签出售的模型。它并不是对其所取代模型的简单速度升级。

11月12日实际发布了什么？

G​oogle 的模型卡标注日期为同一天，并且对谱系异常明确：Hydrogen 改编自 Gemini 4 Carbon，即同一系列中的前沿模型。它不是单独训练的较小模型。它使用相同的基础模型，但采用不同的后训练和服务配置，这就是为什么它与同系列模型之间的能力差距小于价格差距所暗示的。

• 上下文 — 一个由输入和输出共享的 1,048,576 token 窗口，默认同步输出为 64K token，通过后台长解码最多可达完整的 100 万 token。

• 输入与输出——输入文本、图像、音频、视频和 PDF；输出文本。不支持图像生成、音频生成和 Live API。

• 思考层级——可配置，且 Artificial Analysis 在 xhigh 设置下发布其主要评分，而 xhigh 并非默认设置。Google 自己的对比数值则基于默认的 high 设置。

• 知识截止日期——2026年3月，在模型卡片的局限性部分中明确说明，但需注意，某些领域的信息可能不够新。这一行就解决了早先 Gemini 4 模型遗留的疑问。

• 分发——Gemini app、Gemini API、Google AI Studio、Google Sheets、Gemini for business、Google Antigravity 和 Google Search，其中 API 提供免费层级。无受限访问阶段。

• 安全报告——一份单独的安全与安保报告被承诺“将在未来几天内”提交，但目前尚不存在，因此以下内容均为自行报告。

2.5倍的说法，以及外部测试框架测得的结果

Google 的公告里有两个数字在发挥作用，而它们回答的是不同的问题。第一个是吞吐量：Artificial Analysis 测得的每秒 190 个输出 token，相比之下 Gemini 3.8 Flash 为 112，Gemini 4 Argon 为 65，Gemini 4 Carbon 为 72。这在原始生成速度上是实打实的 1.7 倍，约为两款 Gemini 4 兄弟机型中任意一款的三倍。

第二个是每完成一项任务所需的时间，而在这里情况发生了反转。Artificial Analysis 用 Hydrogen 完成一项 Intelligence Index 任务需要 13.5 分钟，用 Gemini 3.8 Flash 需要 14.8 分钟，用 Carbon 需要 28.4 分钟，用 Argon 需要 30.0 分钟。相对于 Argon，这是 2.2 倍的优势。相对于 Google 在发布博文中点名的模型，这是 1.1 倍。如果 2.5 倍这个数字来自某个特定的内部任务集，那么它就是一个关于该任务集的声明——面向通用目的的外部数字已接近持平，以至于 Google 之外没有人复现出这一差距。

可能的解释是冗长，而这一点有两面性。Hydrogen 为完成该索引生成了 3.04 亿个输出 token，而中位数模型为 7280 万个，Gemini 3.8 Flash 为 1.26 亿个。它每个任务生成的文本量是两倍多，却仍然略早完成，因为它生成这些文本的速度很快。速度和冗长是同一事实的两端。

Google 自己的表格是怎么说的，附带注意事项。

本节中的每一项数据均由厂商报告，出自 11 月 12 日的模型卡，且均未在 G​oogle 之外复现。对比对象是 Claude Sonnet 5.5 和 GPT-6.1 Terra，而非正在被替换的 Flash 模型。

• SWE-sweep——Hydrogen 为 13.5%，而 Claude Sonnet 5.5 为 3.1%、GPT-6.1 Terra 为 5.8%，是表中相对差距最大的一项。

• Terminal-Bench 4.1 — Hydrogen 得分 57.0%，而 Claude Sonnet 5.5 为 63.9%，GPT-6.1 Terra 未公布分数。这是 Hydrogen 唯一落败的智能体编程基准测试，而 G​oogle 将其标注为经作弊校正。

• 知识工作——Agents' Last Exam v1.1 达到 71.6%（60.4%，69.8%），AutomationBench-AA 达到 76.1%（71.8%，60.2%），Vending-Bench 2 的银行余额为 14,549 美元，对比 11,165 美元和 9,107 美元。

• 计算机操作 —— OSWorld-2.1 得分为 77.6%，而 Claude Sonnet 5.5 为 83.9%，GPT-6.1 Terra 为 74.2%。第二次输给同一个竞争对手。

• 多模态与科学 — MKA 53.4%，Chartography 66.6%，Terminal-Bench-Science 0.1 达到 51.4%，HLE-Diamond 达到 58.8%，相较 53.3% 和 47.3%。

把这些损失放在一起看，一个轮廓就浮现出来：Hydrogen 在需要经过许多步骤累积工作量的任务上表现强劲，而在需要维持一段长时间使用工具的长会话时则相对较弱。这与一个为吞吐量而非持久性调优的模型相符，而如果你要在它和一个前沿模型之间做选择，去跑一个持续一小时的智能体循环，那么这正是关键的差别。

独立数据才是编制预算时应依据的。

Artificial Analysis 是这里唯一并非来自厂商的评测工具，其每任务成本是此次发布中最有用的单项数字。Hydrogen 在 xhigh 下完成一个索引任务平均需要 3.16 美元的推理成本，在默认 high 下为 1.87 美元。Gemini 4 Argon 的成本为 4.97 美元，Gemini 4 Carbon 为 7.76 美元，而便宜模型 Gemini 3.8 Flash 的成本为 7.77 美元，因为它以低价消耗了 1.26 亿个 token 才达到这一水平。

这种倒挂才是 Hydrogen 的真正论据，而且它比速度方面的主张更有力。每 token 成本只有 Carbon 四分之一的模型，每完成一个任务成本只有其五分之一，而且不到它所取代的模型成本的四分之一。按 token 定价会告诉你相反的结论。

有两个注意事项与之相伴。第一，每任务成本是索引任务组合的属性，而不是你的工作负载的属性；一个只输出 200 个 token 的答案就停止的流水线，只会看到每 token 价格，而完全看不到每任务节省。第二是延迟：在 xhigh 下，Hydrogen 需要 37.8 秒才生成第一个答案 token——在默认 high 下为 16.7 秒——而 Gemini 3.8 Flash 为 17.3 秒。在发布报道所引用的设置下，它生成快但启动慢，因此即使智能体循环更早完成，交互界面也会感觉比它所替代的模型更慢。

包含回归问题的安全报告

对于一份发布文档而言，模型卡中包含了一项不同寻常的承认。与 Gemini 3.8 Flash 相比，自动化内容安全评分在文本（+0.80 个百分点）、多语言（+1.10）和图像到文本（+7.00）方面有所提高，而语气下降了 0.65。不合理拒绝——即模型拒绝良性请求——恶化了 5.57 分，且集中在多模态提示中。

在前沿安全方面，G​oogle 针对 Gemini 4 Argon 进行了实质性能力变化评估，并得出结论：Hydrogen 在通用能力上没有实质性提升，因此不需要完整的关键能力测试套件。有针对性的 CBRN 和网络测试发现，该模型未达到任一关键能力水平，但确实达到了两者的警报阈值。这些均为自我评估，底层报告仍列为即将发布。

这让 Flash 层级处于何种境地

Google 并未让 Gemini 3.8 Flash 退役。它仍在产品目录中，价格仍是每百万 token 0.75 美元 / 3.75 美元，对于简短、对延迟敏感的调用仍是正确选择：首个回答 token 耗时 17.3 秒，启动速度是 xhigh 下 Hydrogen 的两倍，与默认设置下的 Hydrogen 大致持平。改变的是默认项：Google 现在提供给免费层级 API 用户以及 Gemini Managed Agents 中 Antigravity 代理的模型，正是那个带代号的模型，而过去用来描述该档位的层级标签已经消失。

对于运行混合技术栈的团队来说，实际后果是这两个模型想承担不同的工作。Hydrogen 用于执行——工具调用、文件编辑、测试运行、并行子代理轮次——而前沿模型用于规划回合。这正是 Google 记录的安排：由 Carbon 规划接口并解决困难路障，由 Hydrogen 承担代码编辑；这也正是 OrcaRouter 旨在支持的安排：Gemini 4 Carbon、Gemini 4 Argon、Gemini 3.8 Flash 和 Gemini 3.1 Pro Preview 均可通过一个密钥按提供商标价调用，且无加价，因此 Carbon 和 Argon 在 12 月 1 日的重新定价会在其登陆 Google 价目表的同一天落到这里，而受速率限制的免费层级可以回退到付费路径，无需第二份合同。Gemini 4 Hydrogen 不在我们的目录中——它来自 Google 的 API 和 AI Studio——因此诚实的配置是直接调用 Hydrogen 进行执行，并由路由模型在其后负责规划和故障转移。

除了又一份基准测试，还应该关注什么

比任何分数都更能说明问题的日期是 {{1}}2026年12月1日{{/1}}。Gemini 4 Carbon 和 Gemini 4 Argon 都会在那一天翻倍，从每百万 token $2.00 / $10.00 涨到 $4.00 / $20.00。Hydrogen 的价格卡上完全没有带日期的调价步骤。如果这种不对称成立，G​oogle 就打造出了一个稳定的双档产品系列——$4/$20 的上限和 $1.50/$7.50 的主力——而 Flash 这一名称不太可能回归。如果 Hydrogen 也进入同一时间表，那么本周上线的不过是一个附带代号的尝鲜价。

第二件需要留意的事是安全报告：模型卡称该报告即将发布，而它是唯一可能推翻上述能力评估的文件。第三件事是，Google 之外是否有人能复现 2.5 倍的任务完成差距。在有人做到之前，站得住脚的说法就是独立测试框架所支持的那个版本：Hydrogen 是每完成一项任务成本最低的 Gemini 4，吞吐量约为其同类模型的三倍，启动慢且极其冗长——而它所取代的模型如今成了短调用场景的经济型选项，而不再是所有场景的默认选择。