Gemini 4 Hydrogen 對上 Gemini 4 Argon：更便宜、更快速、稍微更聰明——但憑空捏造事實的機率是兩倍

在大多数人引用的綜合分數上，Gemini 4 Hydrogen 以一分之差擊敗 Gemini 4 Argon。在產生該分數的獨立測試框架上，Hydrogen 用 13.5 分鐘完成一項索引任務，Argon 則要 30.0 分鐘；Hydrogen 花費 3.16 美元，Argon 花費 4.97 美元；Hydrogen 以每秒 190 個 token 生成答案，Argon 則為每秒 65 個。這看起來像是一面倒的碾壓，直到你讀到第二張表：Argon 在 Artificial Analysis 的「全知」問題上有 4.3% 產生幻覺，Hydrogen 則有 8.5%；而 Argon 同時贏得 Terminal-Bench 4.0 和 Terminal-Bench-Science。Gemini 4 Hydrogen 和 Gemini 4 Argon 是相同的底層模型，只是加上了不同的思考預算；它們之間的選擇不是「新與舊」，而是「你願意為多少思考付費，以及在不檢查的情況下你有多信任答案」。

落差在於思考預算，而非架構。

Google 率先推出 Argon。它於 2026 年 9 月 30 日發布，並於 10 月 13 日全面上市，被定位為效率前沿模型：與 Gemini 4 Carbon相同的 1,048,576 個符元統一上下文視窗、相同的內建工具、相同的每符元價格，但每輪消耗的思考符元更少。Gemini 4 Hydrogen 於 11 月 12 日登場，具備相同的視窗、相同的工具，以及一張明確表示它是改編自 Carbon 而非另行獨立訓練的模型卡。

真正區分兩者的是請求最上方的調節設定。Argon 接受低、中、高三種值，預設為中。Hydrogen 也接受這三種值，預設為高，並新增第四個稱為 xhigh 的檔位。模型結構的其他部分則完全相同。

大家常做的頭條比較並非同基準比較。Artificial Analysis 公布 Hydrogen 在 xhigh 下為 54、Argon 在 high 下為 50。但在 Hydrogen 自己的預設值——high，也就是送出請求時若不指定任何設定所套用的設定——同一套測試框架給它 51 分。所以誠實的一分差距是 51 對 50，而四分差距則是把一個模型選到最貴的檔位、再拿去和另一個模型的中間檔位相比才會得到。

把旋鈕往另一個方向推，排序就會翻轉。Hydrogen 在中等設定下得分 41。如果你的工作負載在 Argon 上以 Google 建議的預設值運行，Hydrogen 並不是更好的模型——它是更便宜、思考較少的模型。

承載決策的六行字

以下所有數據均來自 Artificial Analysis 自行對 Google API 進行的執行，除非另有標註。每 token 價格採用 Google 公布的費率卡；兩個模型採用相同形式的費率卡。

• 智慧指數 — Gemini 4 Hydrogen 在 xhigh 下為 54，在 high 下為 51，在 medium 下為 41；Gemini 4 Argon 在 high 下為 50，這是其上限。可比較的一對是 51 對 50。

• 每項已完成索引任務的成本——Hydrogen 在 xhigh 下為 $3.16、在 high 下為 $1.87；Argon 為 $4.97。每項任務的成本差距遠大於那一分的分數差距，而且在預設設定下還會進一步擴大。

• 輸出速度 — Hydrogen 在 xhigh 下每秒 190 個 token，high 下 179 個；Argon 為 65 個。約三比一的吞吐量優勢，且在每個思考等級下皆成立。

• 首個回答 token 的時間 — Hydrogen 在 xhigh 下為 37.8 秒，在 high 下為 16.7 秒；Argon 為 40.7 秒。在預設設定下，Hydrogen 開始回答的時間早 24 秒，這正是聊天介面會注意到的差異。

• 冗長程度 — Hydrogen 產生了 3.04 億個輸出 token 才完成索引，相較於 Argon 的 1.13 億，以及 7,280 萬的中位數。同一套評測框架已將 Argon 描述為「略為冗長」；Hydrogen 則是「非常冗長」，而這正是它在 xhigh 下侵蝕其大部分每 token 價格優勢的原因。

• 價格與層級，每百萬個 token——Hydrogen 為固定價 $1.50 / $7.50，快取讀取 $0.075，Batch 與 Flex 為 $0.75 / $3.75，Priority 為 $2.70 / $13.50，並提供有速率限制的免費層級。Argon 於 2026 年 11 月 30 日前為 $2.00 / $10.00，快取讀取 $0.10，Batch 與 Flex 為 $1.00 / $5.00，Priority 為 $3.60 / $18.00，無免費層級。兩者皆提供僅限邀請的 Contributor 層級；Hydrogen 為 $0.75 / $3.75，Argon 為 $1.00 / $5.00。

Argon 在哪些方面仍是更優秀的模型

三項獨立結果與一項幻覺率顯示，較新、較便宜的模型並非嚴格意義上的升級。它們正是本頁不建議遷移的原因。

• Terminal-Bench 4.0 — Argon 57.1%，Hydrogen 53.5%。這是代理式程式設計基準測試，較舊的模型仍居領先，也是最接近長時間使用工具的工作階段實際運作情況的一項。

• Terminal-Bench-Science — Argon 52.9%，Hydrogen 49.5%。科學版本中也出現相同的模式。

• AutomationBench-AA — Argon 77.5%，Hydrogen 76.1%。這是一場差距不大的敗仗，但終究是敗仗，而且這是 Google 自家模型卡引用最多的知識工作基準測試。

• 全知幻覺率 — 在 xhigh 下，Argon 為 4.3%，Hydrogen 為 8.5%。Hydrogen 答對這類問題的比例相近，但在不知道答案時，憑空編造答案的頻率約為兩倍。同一組題目在 high 下，該比率為 8.7%，因此這並非最高思考層級造成的假象。

反向清單也同樣真實，而這正是 Hydrogen 仍在綜合評分上勝出的原因：FrontierCode 2.0 為 39.0%，Argon 為 25.7%；CritPT agentic hard 為 66.0%，對上 52.5%；HLE-Diamond 為 58.8%，對上 56.7%；並在工程、法律與金融能力切片上略占優勢。Hydrogen 在程式碼修復與高難度競賽式推理上是更好的模型，在持續性終端工作以及知道自己何時該說不知道方面則較差。

這種拆分具有實際意義。如果驗證器、測試套件或人類會在關鍵時刻之前讀取輸出，那麼 Hydrogen 的幻覺率就是你為了抓出幻覺早已在支付的成本。如果下游沒有任何環節檢查答案——客服回覆、送入資料庫的擷取結果、客戶閱讀的摘要——那麼 Argon 的 4.3% 就比 Hydrogen 每秒多出的 40 個 token 更有價值。

12月1日的這一步擴大了差距，卻沒有將其扭轉。

兩款模型皆採用有硬性到期日的促銷價目卡。Argon 將於 2026 年 12 月 1 日從 $2.00 / $10.00 調至 $4.00 / $20.00，其中快取讀取費用倍增至 $0.20，Batch 與 Flex 調至 $2.00 / $10.00，Priority 調至 $7.20 / $36.00。Hydrogen 公布的價目卡在任何層級（包括免費層）都沒有註明日期的調價階段。

在該步驟之後把算術算一遍，每 token 比率就會從 1.33x 變成 2.67x，對 Hydrogen 有利。就每項任務而言，Artificial Analysis 會根據即時費率表重新計算其數字，而且它已經公布兩個版本：當 Argon 的費率表顯示 $2.00 / $10.00 時是 $4.97，而在顯示 $4.00 / $20.00 的那次執行則是 $9.95。同一套測試框架把 Hydrogen 在兩種情況下都列為 $3.16。這並不代表 Argon 是錯誤的模型；而是代表 Argon 是一個你應該能憑準確度、而非憑習慣來證明其合理性的模型。

這也使得這兩個模型需要不同的路由方式。OrcaRouter 提供 Gemini 4 Argon與 Gemini 4 Carbon，皆以供應商定價、0% 加價提供，因此 12 月 1 日的價格翻倍會在 Google 的定價卡上出現的同一天反映在我們這邊，而不是等到下一次發票對帳時才出現；而保留 Argon 用於準確性檢查的技術堆疊，也會透明地支付新費率。Gemini 4 Hydrogen 不在我們的目錄中——它來自 Google 自家的 API 與 AI Studio——因此符合本文的配置是：執行回合直接呼叫 Hydrogen，並以路由器後方的 Argon 作為驗證器，且具備自動容錯移轉跨供應商，涵蓋某一條路徑在工作階段中途受到速率限制的情況。

如果你切換，你的程式碼會有什麼變化

Google 將這次遷移記錄為模型字串變更，並包含四項行為差異，而且只有第一項是顯而易見的。

• 單次請求大小 — Hydrogen 在 REST 與 SDK 呼叫中，每個非串流請求允許 65,536 個 token；Argon 在每個非串流 REST 請求中允許 32,768 個。長篇單次生成變得更簡單，任何原本為了避開 32K 限制而分塊的程式碼都可以不再分塊。

• 思考預設值 — Argon 預設為 medium，上限為 high；Hydrogen 預設為 high，並額外加入 xhigh。因此，單純替換模型字串會不知不覺同時拉高延遲與思考權杖的消耗。請在第一個請求就明確設定 thinking_level，否則之後帳單會反映出來。

• 快取——兩者都不支援明確快取；對於 4,096 個 token 以上的提示詞，兩者都將隱含快取命中給予 95% 折扣。Argon 的快取讀取費用為 $0.10，Hydrogen 為 $0.075，因此快取密集型工作負載在 12 月調整階段前可省下快取部分的 25%，在該階段後則可省下 62.5%。

• 取樣與工具呼叫——兩者都會忽略 temperature、top_p 和 top_k，而不是拒絕它們；而且如果你以提示要求原始文字 JSON 工具呼叫，而非原生宣告工具，兩者都會回傳 MALFORMED_FUNCTION_CALL。兩者都不是切換特有的問題，但兩者都會在切換期間浮現。

還有一項差異不在遷移清單上，但對代理很重要：Argon 的模型卡未公布知識截止日期，而 Hydrogen 的模型卡則寫明為 2026 年 3 月，並附註某些領域的資料較不即時。若你比較這兩者是因為有個對時效敏感的管線，Hydrogen 是兩者中唯一能讓你直接讀到日期、而不必自行測試的模型。

要套用的規則

當工作會先執行、再進行檢查時，就從 Argon 切換到 Hydrogen：測試驅動開發、檔案編輯、平行子代理、帶有引用步驟的先檢索再回答流程，以及任何「每完成一項任務的成本」就是儀表板上那個數字的情況。以 high 執行 Hydrogen，而不是你腦海中的預設值——已公布的 54 需要 xhigh，而實務上的預設值是 51，每項任務成本 $1.87。

當答案未經檢查就交付、當任務是長時間的終端機工作階段而非短暫爆發，或當你距離上線不到三週、寧可不為了一分的分數變動而更動生產路徑時，請繼續使用 Argon。相較於 8.5%，Argon 的 4.3% 幻覺率等於替你換來一個原本必須自行打造的驗證步驟。

真正會改變答案的，是兩個模型都還沒有的第三個資料點：對 Google 實際上為 Hydrogen 宣傳的特性進行可重現的測量——更乾淨的程式碼與更少的捏造主張，而文件記載這比 Gemini 3.8 Flash 少五倍以上。Artificial Analysis 的 omniscience 測試集在 Hydrogen 對比 Argon 時，測到的卻是相反方向。在有人讓兩者跑同一任務分布之前，誠實的立場是：Hydrogen 的經濟效益更好，Argon 的答案更好，而 12 月 1 日的價格調整，讓延後這項取捨變得更昂貴，而不是更便宜。