生成的標題卡寫著 Gemini 4 Neon 對 Gemini 4 Hydrogen,副標題為「2x 開始失效之處」,畫面顯示一條持續上升的每完成任務成本軸,交替出現 Neon 與 Hydrogen 標記,並附有說明文字:「費率卡說 2x;每項任務成本卻不是這麼說。」
Engineering & Research

Gemini 4 Neon 與 Gemini 4 Hydrogen:2x 不再奏效之處

作者

jinhao.song

發佈日期

最新模型 · 20查看全部模型 →
基準測試:Artificial Analysis · 每日更新
返回全部文章

同一家族的兩款 G​emini 4 模型相隔六天推出,而價目表一比,就像影印本把數字減半:G​emini 4 Neon 輸入 $3.00、輸出 $15.00,G​emini 4 Hydrogen 則是 $1.50 與 $7.50,快取輸入 $0.15 對 $0.075。每一行都剛好是一半。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價值的一點,因為當你依每項完成任務的實際成本,把它們全部八個思考等級排序時,這個整齊的 2 倍關係就完全無法預測任何事了。

兩者皆為現行版本,且皆屬於 G​oogle。G​emini 4 Hydrogen 於 2026 年 11 月 12 日正式上線,作為取代 Flash 命名的模型;G​emini 4 Neon 於 2026 年 11 月 18 日跟進,G​oogle 將其定位於介於負責日常執行的 Hydrogen 與負責深度長程工作的 G​emini 4 Carbon 之間。兩者皆具備 1M-token 上下文視窗,皆接受文字、圖像、音訊與影片,皆有四種思考層級,且皆預設為高。

兩張卡、八個價格、一次排序

Artificial Analysis 在相同的九部分評估集上,為這兩個模型的每一個層級評分,並公布每個模型每完成一項任務的實測成本。將這八個資料點按成本而非按模型名稱排序,正是整個論證的核心,因此以下依序列出:

• Hydrogen 低檔 — 指數 26.9,每項任務 $0.29。

• Neon 低檔 — 44.1,$0.75。

• 中等強度氫氣 — 41.2,0.80 美元。

• 高(預設)下的氫氣 — 50.8,$1.87。

• Neon 中杯 — 54.9,$1.90。

• Hydrogen 於 xhigh — 53.9,$3.16。

• Neon 在高設定(預設)下 — 59.6,$3.74。

• Neon 在 xhigh — 61.4,$6.44。

按順序讀這份清單,整體輪廓就很清楚。Hydrogen 正好佔據其中一段:最底部,在那裡 $0.29 能買到 26.9,而兩個系列中都沒有其他項目能在價格上接近它。在那條線以上,排序不再在兩個型號之間交替,而是開始偏向其中一款——而它偏向的那一款,並不是價目表會暗示的那一款。

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.

前沿真正彎曲之處

那份清單上最有用的一項比較,是第五和第六檔。Neon 在 medium 設定下每項任務花費 1.90 美元,得分 54.9。Hydrogen 在 xhigh——它的最高檔位,也就是它能做到的最大程度——花費 3.16 美元,得分 53.9。所以,Neon 第二便宜的有用設定,比 Hydrogen 的上限既高一分,又便宜 40%。

同樣的反轉早一列就出現了。Hydrogen 的預設 high 方案要價 $1.87,得分 50.8。Neon 的 medium 方案貴三分錢,得分 54.9——帳單上一個四捨五入的誤差,就換來四個指數分。而在最底部,Neon 的 low 方案以 $0.75 得分 44.1,對上 Hydrogen 的 medium 方案以 $0.80 得分 41.2;這是同一筆交易的反向版本:在另一個模型上低一階,卻是稍微更便宜、稍微更好的一級。

這個模式是:Hydrogen 的階梯是壓縮的。它的四個梯級橫跨 27 個指數點,但兩端的任務成本僅相差十一美元;最後兩個梯級沒有換來任何值得擁有的東西——從 high 到 xhigh,每項任務成本高出 69%,只換來三個指數點。Neon 的階梯則是延展的:17.3 個指數點橫跨的成本範圍寬了近十八倍,而其上限比 Hydrogen 高九個指數點,因為 Hydrogen 沒有能達到該上限的梯級。

預設陷阱,以及 G​oogle 自己的答案

兩款模型推出時都設為 high,而兩個預設值正落在這個反轉的兩側。兩者都不帶任何 thinking 參數呼叫時,會得到以 $3.74 換來的 59.6,對比以 $1.87 換來的 50.8——在費率表承諾的剛好 2 倍下,差距為 8.8 分。這正是 Google 自家公告所暗示的比較,而且就其本身而言是公平的。

這並非 G​oogle 建議的做法。11 月 18 日的 Antigravity 文章描述了一種 Orchestrator 模式,會在同一個工作階段中將兩者配對:Neon 負責規劃、架構設計與處理困難的推理,Hydrogen 執行例行工作——程式碼編輯、套件更新、測試執行——並在遇到無法解決的問題時,把控制權交回 Neon。G​oogle 的說法是,這能讓你的配額在每次執行時撐得更久;這是廠商對一項真實觀察的包裝說法:在多步驟任務的每個步驟中,任一模型的單一層級都不是有效率的選擇。

那個建議是兩篇發布貼文裡最誠實的一點,因為它承認了數字所指出的重點。如果 Neon 的 medium 直接勝過 Hydrogen 的 xhigh,那麼 Hydrogen 的立論就不是「同樣的工作更便宜」——而是「便宜到足以執行不需要判斷的步驟」,而 Orchestrator 正是決定哪些步驟屬於此類的機制。這個交接實際上運作得如何,是 Google 以外沒有人量測過的一項說法;文章描述了這個迴圈,卻沒有公布它的成本。

Hydrogen 的三項真正優勢

上述任何一項都不會讓 Hydrogen 變得多餘,而它的三項優勢是可衡量的,而非取決於定位:

• 延遲。 在相同等級下,Hydrogen 產生首個回答 token 的時間大約是 Neon 的一半——高負載時為 21.7 秒對 40.6 秒,中負載時為 12.4 秒對 20.1 秒,低負載時為 6.1 秒對 13.9 秒。對於一個會發出數十輪的代理迴圈,這個差距會累積成每項任務數分鐘的實際耗時,而這是任何指數分數都無法反映的。

• 輸送量。在高負載下,Hydrogen 每秒約解碼 160 個 token,而 Neon 為 101 個。再加上延遲方面的優勢,它在兩種意義上都是更快的模型,這與 Google 對這兩者的描述相符:Neon 著重深度,Hydrogen 則適合快速的日常執行。

• 捏造。在 AA-Omniscience 的幻覺率上,Hydrogen 在其預設值下為 8.7%,在 xhigh 下為 8.5%;Neon 則為 13.9% 和 14.4%。Hydrogen 是兩者中較保守的,程度約為 1.6 倍,而它是「更便宜、更小的模型更可能憑空捏造」這一假設的唯一反例。Neon 在底層全知指數上的得分仍然更高——在相同預設值下為 53.8 對 43.7——因此它知道得更多、也更敢斷言;Hydrogen 知道得更少、說得也更少。

最後那組配對值得牢牢記住。全知與幻覺並非同一個量值的兩種視角,而模型可能在其中一方改善,同時在另一方惡化。這裡的方向是分裂的,而這正是單一「準確率」數字會造成誤導的情況。

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.

選擇階梯的層級,而非模型

能通過全部八個要點的決策規則:

• 如果這項工作確實微不足道——分類、擷取、路由決策、簡短改寫——那麼低或中等強度的 Hydrogen 是整個系列中最便宜的選擇,而且 2x 的節省是真實的。

• 如果工作需要規劃或儲存庫層級的程式碼變更,Hydrogen 的階梯就無法涵蓋。它最好的一階是 53.9;Neon 的預設是 59.6,其中階是 54.9,費用比 Hydrogen 的上限少 40%。選 Neon,從中階開始。

• 如果你使用的是 Neon,應優先稽核那些昂貴的層級。從 high 到 xhigh,每項任務成本增加 72%,換來 1.8 點指標分數,以及首個 token 多花十六秒。大多數管線應設在 medium,因為在那裡只需預設值一半的成本就能達到 54.9。

• 如果限制因素在於吞吐量而非智慧——互動式工具、漫長的代理迴圈,任何有人正在等待的情境——Hydrogen 的延遲優勢可能比八個指數點更重要,而這點沒有任何排行榜會告訴你。

這兩款模型都不在 OrcaRouter 的目錄中,因此這並不是要將其中任一模型移到我們金鑰上的理由。目錄中確實有的是,以供應商定價、不加價提供的 Gemini 4 Carbon,價格為 $2.00 與 $10.00 以及 Gemini 4 Argon,價格為 $2.00 與 $10.00,還有其餘的 229 個模型的目錄,全都位於單一端點。如果你想用自己的流量測試 Neon 的中階版本是否真的突破 Hydrogen 的上限,實務上的做法是設定路由規則,將便宜步驟送到你已經能呼叫的層級,並將困難步驟升級處理——底下再加上容錯移轉,這樣一週前才推出的模型就永遠不會成為通往生產環境的唯一路徑。

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.

什麼會改變這個答案

有三件事,全部都可查證。如果 Google 公布了 Hydrogen 的第五階,這種反轉就會瓦解,2x 也會開始重新表現得像 2x——這個差距之所以存在,只是因為 Hydrogen 的階梯停在 53.9。如果 Orchestrator 的交接到頭來在協調上耗費的成本,高於它在執行上所節省的成本,那麼配對的論點就會失效,選擇就會退回為只挑一個模型。而且,如果第二個獨立測試框架重現的是幻覺落差,而不是指數落差,那麼在事實敏感型工作上選用 Hydrogen 的理由,就會比該指數所顯示的更強,因為對某些流程來說,1.6 倍的捏造差異比八個指數點更有價值,但對另一些流程來說卻毫無價值。

在那之前,誠實的總結是:這兩個模型並不是同一條線上的兩個點。它們是長度不同的兩把梯子,以某個比例販售;這個比例在價目表上完全成立,但一旦你為一項完成的任務計價,就立刻破功。Neon 較便宜的階層勝過 Hydrogen 較貴的階層;Hydrogen 最便宜的階層在價格上勝過一切;而廠商自己的建議是別再二選一,兩者都跑,而這是排行榜唯一無法給你的答案。