Gemini 4 Hydrogen：Google 的 Flash 替代品捨棄 Flash 名稱，並爭論該如何收尾

Google DeepMind 在公告中提出的說法範圍狹窄且明確：Gemini 4 Hydrogen 完成任務的速度是 Gemini 3.8 Flash的 2.5 倍，並且在 Artificial Analysis Intelligence Index 上擊敗 Gemini 4 Argon。這個說法的兩半都可驗證，而第二半是真的——在獨立評測框架上，Hydrogen 得分 54，Argon 則是 50。第一半才是這次發布有趣的地方，因為同一個獨立評測框架顯示，Hydrogen 每項指數任務耗時 13.5 分鐘，而 Gemini 3.8 Flash 為 14.8 分鐘，這是 10% 的差異，不是 150% 的差異。Gemini 4 Hydrogen 確實存在，它於 2026 年 11 月 12 日正式全面上市，價格為每百萬輸入 token 1.50 美元、每百萬輸出 token 7.50 美元，而且它是吞吐量類別中第一款以代號而非 Flash 標籤販售的模型。它並非其所取代之模型的單純速度升級。

11月12日實際推出了什麼？

G​oogle 的模型卡日期標示為同一天，且對其血統異常明確：Hydrogen 改編自 Gemini 4 Carbon，這是同系列中的前沿模型。它不是另行訓練的較小模型。它採用相同的基礎模型，但具有不同的後訓練與服務配置，因此它與同系列其他模型之間的能力差距，比價格差距所暗示的還要小。

• 上下文 — 單一 1,048,576 個權杖的視窗，由輸入與輸出共用，預設同步輸出為 64K 個權杖，並可透過背景長解碼達到完整的百萬權杖。

• 輸入與輸出 — 可輸入文字、圖片、音訊、影片與 PDF；輸出為文字。不提供圖片生成、音訊生成，也不提供 Live API。

• 思考等級 — 可設定，而 Artificial Analysis 公布的主要分數是在 xhigh 設定下，這並非預設值。Google 自家的比較數據則位於預設的 high。

• 知識截止時間——2026 年 3 月，在模型卡的限制說明章節中明白載明，並附註某些領域的資訊較不即時。這短短一行，解答了先前的 Gemini 4 模型所留下的疑問。

• 發布管道 — Gemini 應用程式、Gemini API、Google AI Studio、Google Sheets、Gemini for business、Google Antigravity 與 Google Search，其中 API 提供免費方案。沒有封閉存取階段。

• 安全通報——一份獨立的安全與治安報告承諾會在「未來幾天內」發布，但目前尚未存在，因此以下所有內容均為自行通報。

2.5 倍這項說法，以及外部測試框架所測得的結果

在 G​oogle 的公告中，有兩個數字在發揮作用，而它們回答的是不同的問題。第一個是吞吐量：由 Artificial Analysis 測得的每秒 190 個輸出 token，相較之下 Gemini 3.8 Flash 為 112，Gemini 4 Argon 為 65，Gemini 4 Carbon 為 72。這在原始生成速度上是實實在在的 1.7 倍，大約是兩款 Gemini 4 同系列型號各自的三倍。

第二項是每項已完成任務的耗時，而這裡情況反轉。Artificial Analysis 以 Hydrogen 完成一項 Intelligence Index 任務需 13.5 分鐘，以 Gemini 3.8 Flash 需 14.8 分鐘，以 Carbon 需 28.4 分鐘，以 Argon 需 30.0 分鐘。相對於 Argon，這是 2.2 倍的優勢。相對於 G​oogle 在發布貼文中點名的模型，則是 1.1 倍。如果 2.5 倍的數字來自某個特定的內部任務集，那麼它就是關於該任務集的主張——而外部通用測試的數字已接近持平，以致 G​oogle 以外的任何人都未能重現這一差距。

可能的解釋是冗長，而這是一體兩面。Hydrogen 產生了 3.04 億個輸出 token 來完成索引，相較之下，中位數模型為 7,280 萬個，Gemini 3.8 Flash 則為 1.26 億個。它在每項任務中產生的文字量超過兩倍，卻仍稍微更早完成，因為它產生這些文字的速度很快。速度與冗長是同一件事實從兩端所見。

Google 自家表格的說法，連同附帶的注意事項

本節中的每一項數據皆由廠商提供，出自 11 月 12 日的模型卡，且其中沒有任何一項在 G​oogle 以外被重現過。比較對象是 Claude Sonnet 5.5 與 GPT-6.1 Terra，而非即將被取代的 Flash 模型。

• SWE-sweep — Hydrogen 為 13.5%，相較於 Claude Sonnet 5.5 的 3.1% 與 GPT-6.1 Terra 的 5.8%，是表中最大的相對差距。

• Terminal-Bench 4.1 — Hydrogen 為 57.0%，對上 Claude Sonnet 5.5 的 63.9%，而 GPT-6.1 Terra 未公布分數。這是 Hydrogen 唯一落敗的代理式程式設計基準，且 Google 將其標記為經作弊調整。

知識工作 — Agents' Last Exam v1.1 達到 71.6%（60.4%、69.8%），AutomationBench-AA 達到 76.1%（71.8%、60.2%），而 Vending-Bench 2 的銀行餘額為 14,549 美元，相較之下為 11,165 美元與 9,107 美元。

• 電腦操作 — OSWorld-2.1 成績為 77.6%，對手 Claude Sonnet 5.5 為 83.9%，GPT-6.1 Terra 為 74.2%。{{1}}再次{{/1}}敗給同一個競爭對手。

• 多模態與科學 — MKA 53.4%、Chartography 66.6%、Terminal-Bench-Science 0.1 為 51.4%，以及 HLE-Diamond 為 58.8%，對比 53.3% 與 47.3%。

把各項損失值放在一起看，一個輪廓就浮現了：在需要跨多個步驟累積工作成果的任務上，氫模型表現強勁；而在需要維持一段長時間工具使用工作階段的任務上，它則較為遜色。這與一個為吞吐量而非續航力調校的模型相符；而如果你要在它與前沿模型之間做選擇，用於一個會運行一小時的代理迴圈，那麼這個差異正是關鍵所在。

應該以獨立數字作為編列預算的依據。

Artificial Analysis 是這裡唯一並非出自供應商的評測工具，而它的每任務成本數字是本次發布中最有用的單一數據。Hydrogen 在 xhigh 設定下完成一個索引任務平均需要 3.16 美元的推論成本，在預設 high 設定下則為 1.87 美元。Gemini 4 Argon 的成本為 4.97 美元，Gemini 4 Carbon 為 7.76 美元，而便宜模型 Gemini 3.8 Flash 則要 7.77 美元，因為它以低價消耗 1.26 億個 token 才達到這個結果。

那種反轉才是 Hydrogen 的真正論據，而且比速度宣稱更有力。每 token 成本只有 Carbon 四分之一的模型，每完成一項任務的成本只有五分之一，還不到它所取代的模型成本的四分之一。若只看每 token 定價，你會得到相反的結論。

有兩點注意事項要一併說明。第一，每項任務成本取決於索引的任務組合，而不是你的工作負載；一條只會輸出 200 個 token 答案就停止的管線，會看到每 token 價格，卻看不到任何每任務節省。第二是延遲：在 xhigh 設定下，Hydrogen 需要 37.8 秒才會產生第一個回答 token；在預設的 high 設定下則是 16.7 秒；相比之下，Gemini 3.8 Flash 為 17.3 秒。在上市報導所引用的設定下，它生成很快，但啟動很慢；因此，即使代理迴圈更早結束，互動介面仍會讓人覺得比它所取代的模型更慢。

包含回歸的安全報告

這份模型卡帶有發布文件中罕見的坦承。對比 Gemini 3.8 Flash，自動化內容安全分數在文字（+0.80 個百分點）、多語言（+1.10）與圖像轉文字（+7.00）方面有所提升，語氣則下滑 0.65。不合理拒絕——即模型拒絕無害請求——惡化了 5.57 分，且集中於多模態提示。

在前沿安全方面，G​oogle 針對 Gemini 4 Argon 執行了一項重大能力變更評估，並得出結論：Hydrogen 在一般能力上未出現重大提升，因此不需要完整的關鍵能力測試套件。有針對性的 CBRN 與網路測試發現，該模型未達到任一關鍵能力等級，但兩者都達到警示門檻。這些都是自我評估，相關基礎報告仍列為即將發布。

這讓 Flash 層級處於什麼位置

Google 尚未停用 Gemini 3.8 Flash。它仍在目錄中，價格仍是每百萬個 token 0.75 美元／3.75 美元，對於簡短、對延遲敏感的呼叫也仍是正確選擇：首個回答 token 需 17.3 秒，啟動速度是 xhigh 設定下 Hydrogen 的兩倍，並與預設設定下的 Hydrogen 大致相當。改變的是預設值：Google 現在提供給免費層 API 使用者，以及 Gemini Managed Agents 中 Antigravity 代理的模型，正是那個有代號的模型，而過去用來描述該位置的層級標籤已經消失。

對執行混合技術棧的團隊而言，實際後果是這兩個模型適合不同任務。Hydrogen 負責執行——工具呼叫、檔案編輯、測試執行、平行子代理回合——而前沿模型負責規劃回合。這正是 Google 文件所述的安排：由 Carbon 規劃介面並解決棘手路障，Hydrogen 負責程式碼編輯；也正因如此，OrcaRouter 的設計就是要支援這種組合：Gemini 4 Carbon、Gemini 4 Argon、Gemini 3.8 Flash 與 Gemini 3.1 Pro Preview 都能用同一把金鑰、以供應商牌價呼叫，且不加價，因此 Carbon 與 Argon 在 12 月 1 日的價格調整，會與 Google 價目表同日在此生效，而受速率限制的免費方案也能在不必另簽合約的情況下退回付費途徑。Gemini 4 Hydrogen 不在我們的目錄中——它來自 Google 的 API 與 AI Studio——所以誠實的配置是：直接呼叫 Hydrogen 負責執行，並在其後配置經由路由的模型來負責規劃與容錯移轉。

除了另一項基準測試，還能關注什麼

能比任何分數說明更多事情的日期是 2026 年 12 月 1 日。Gemini 4 Carbon 與 Gemini 4 Argon 都會在當天價格翻倍，從每百萬個 token 的 $2.00 / $10.00 調升至 $4.00 / $20.00。Hydrogen 的價目卡完全沒有標註日期的調價階段。如果這種不對稱持續成立，Google 就創造出一個穩定的雙層產品家族——$4/$20 的天花板，以及 $1.50/$7.50 的主力——而 Flash 這個名稱不太可能回歸。如果 Hydrogen 也改採同一時間表，那麼本週推出的就是附帶代號的導入期費率。

第二件要留意的是安全報告；模型卡表示這份報告即將推出，而它是唯一可能推翻上述能力評估的文件。第三件事是，Google 以外是否有人能重現 2.5 倍的任務完成差距。在有人做到之前，可站得住腳的說法版本，就是獨立測試框架所支持的那一版：Hydrogen 是每完成一項任務成本最低的 Gemini 4，吞吐量約為同系列兄弟模型的三倍，啟動慢且極為冗長——而它所取代的模型，如今是短呼叫的預算選項，而非所有情況下的預設。