Gemini 4 Hydrogen 详解：更快更聪明，单任务成本下降76%，建议替换 3.8 Flash
美西时间 11 月 12 日（北京时间 11 月 13 日凌晨），Google DeepMind 发布 Gemini 4 Hydrogen（API ID 为 gemini-4-hydrogen），接替 Gemini 3.8 Flash。如果手头还在用 Gemini 3.8 Flash 跑日常编码或 Agent，建议直接换成 Hydrogen：名义单价虽然翻倍（$1.50 / $7.50），但去掉了冗余推理循环，Artificial Analysis 实测单任务平均开销从 $7.77 降到 $1.87（只有原来的四分之一左右），Terminal-Bench 4.0 通过率从 19.7% 升至 54.0%，智能指数也反超同门旗舰 Argon。只有追求极低单价的简单分类、路由，才继续留用 Gemini 3.5 Flash-Lite。
下文把同档位竞品与家族型号的能力、价格放到同一张表里做横向对比，再说明三款元素型号的命名分工、12 月 1 日调价窗口、思考档位、Antigravity 多模型编排以及旧接口迁移细节。
能力与价格对比
把同在主力价位段的竞争对手（GPT-6.1 Sol、Claude Sonnet 5.5、Claude Opus 5.5）、Gemini 家族同门以及国内直连常用方案放在同一张表里，价格与实测能力一起对照：
| 模型（档位） | 输入 / 输出 / 缓存（$/M） | AA 智能指数 | TB 4.0 | 单任务成本 | 吞吐 / TTFT |
|---|---|---|---|---|---|
| Gemini 4 Hydrogen (high) | $1.50 / $7.50 / $0.075 | 50.8 | 54.0% | $1.87 | 170 tok/s / 18.9s |
| Gemini 4 Carbon (low) | $2.00 / $10.00 / $0.10* | 54.2 | 62.6% | $5.22 | 90 tok/s / 3.7s |
| Gemini 4 Carbon (high) | $2.00 / $10.00 / $0.10* | 60.0 | 65.2% | $5.48 | 97 tok/s / 127.7s |
| Gemini 4 Argon (high) | $2.00 / $10.00 / $0.10* | 50.4 | 57.1% | $4.97 | 88 tok/s / 55.4s |
| GPT-6.1 Sol (high) | $2.00 / $10.00 / $0.10 | 50.3 | 51.5% | $0.59 | 53 tok/s / 94.0s |
| Claude Sonnet 5.5 (high) | $2.00 / $10.00 / $0.10 | 41.5 | 43.9% | $1.64 | 102 tok/s / 13.2s |
| Claude Opus 5.5 (medium) | $4.00 / $20.00 / $0.20 | 48.2 | 52.5% | $2.45 | 78 tok/s / 25.2s |
| Kimi K3.1 Pro | $2.00 / $10.00 / $0.20 | 46.5 | 67.2% | $3.68 | 29 tok/s / 2.7s |
| DeepSeek V4.1 Flash | $0.30 / $1.20 / $0.006 | 32.6 | 33.8% | $0.60 | 163 tok/s / 1.1s |
| Gemini 3.8 Flash (high) | $0.75 / $3.75 / $0.075 | 30.8 | 19.7% | $7.77 | 125 tok/s / 27.9s |
*注：Gemini 4 Carbon 与 Argon 当前为 11 月 30 日前的限时推广价，12 月 1 日起恢复 $4.00 / $20.00（缓存读 $0.20）。
同价位竞品对照：在同档位主力模型里，Hydrogen（$1.50 / $7.50，high 档）的 AA 智能指数（50.8）和 TB 4.0（54.0%）均高于同价位区间更贵的 GPT-6.1 Sol high（50.3 / 51.5%）与 Claude Sonnet 5.5 high（41.5 / 43.9%），也高于 $4/$20 档的 Claude Opus 5.5 medium（48.2 / 52.5%）。速度差距也很直观：Hydrogen 输出 170 tok/s、首字 18.9 秒，GPT-6.1 Sol high 只有 53 tok/s、首字 94.0 秒。不过 Sol 推理输出更克制，AA 单任务实测开销只有 $0.59，适合对长耗时不敏感、极度压低账单的后台任务。
同门与国产对照：Hydrogen 的智能指数已经反超 Argon（50.4），接近 Carbon low（54.2），但 11 月 30 日前 Carbon low 只需 $2.00 / $10.00 就能跑到 62.6% 的 TB 4.0 且首字延迟只有 3.7 秒，在限时推广期内依然很有竞争力。国产阵营里，Kimi K3.1 Pro 在 TB 4.0 拿到全场最高的 67.2%，短板是 29 tok/s 的生成速度偏慢；DeepSeek V4.1 Flash（$0.30 / $1.20，缓存命中 $0.006）单价只有 Hydrogen 的五分之一到六分之一，适合高频提取、路由与国内直连场景。
DeepMind 专项评测与已知短板：官方模型卡公布的对标数据中，Hydrogen 在大型代码库找 Bug 的 SWE-sweep 拿到 13.5%（Claude Sonnet 5.5 为 3.1%），专业工作流 Agents' Last Exam v1.1 拿到 71.6%（Sonnet 5.5 为 60.4%），但离线电脑操作 OSWorld-2.1（77.6% vs 83.9%）与科学终端 TB-Science（51.4% vs 59.9%）仍落后于 Sonnet 5.5。实际工程优势体现在并行批量工具调用（合作方在复杂图谱与 SQL 任务测得提速 2 到 2.8 倍、token 降低 12% 到 23%）以及虚构声明率比 3.8 Flash 降低超过 5 倍；已确认的短板包括 Simon Willison「骑自行车鹈鹕 SVG」盲测精细度不如 Carbon / Argon，以及正常请求误拒率比 3.8 Flash 高 5.57 个百分点（带图片提示词更容易触发过度拦截）。
命名分工与调价窗口
Google 这一代放弃了 Pro / Flash 的命名方式，改用化学元素（Carbon、Argon、Hydrogen），在社区引来不少吐槽，单看名字很难一眼分辨档次。按元素特性对应，三款型号的分工可以这样记：
- Carbon（碳）：构成复杂有机分子和坚固骨架的基础元素，在家族里代表重度推理、复杂架构与长周期攻关的旗舰型号。
- Argon（氩）：化学性质稳定的惰性气体，对应稳定输出、少冗余 token 的均衡前沿型号。
- Hydrogen（氢）：宇宙中最轻、含量最丰富的元素，对应高速、低开销与全平台普及，接替原先的 Flash 位置，也是 Google Search、Gemini App 免费版以及 Antigravity 托管 Agent 的默认底层模型。
这套命名取的是元素的物理特性，不要按元素周期表原子序数（H=1、C=6、Ar=18）排大小，否则容易误以为 Argon 比 Carbon 更重。
规格与定价窗口上，三款 Gemini 4 均提供 1M（1,048,576 tokens）统一输入窗口、64K 同步最大输出与最高 1M 后台分段长解码，支持文本、图像、音频、视频和 PDF 输入，已同步上线 Google AI Studio、Gemini API、Vertex AI 与 Android Studio，并支持 Batch / Flex 50% 折扣（Hydrogen 批处理 $0.75 / $3.75）。开发者 Simon Willison 在评测笔记里提醒，11 月 30 日前 Hydrogen 只比 Carbon / Argon 的推广价（$2.00 / $10.00）便宜 25%；等到 12 月 1 日两款旗舰恢复 $4.00 / $20.00 原价，Hydrogen 才会拉开 62.5% 的单价折扣。
1. 1M 全段平价，没有长上下文跳价：输入、思考和输出共享 1M 窗口，超过 200K 依然按 $1.50 / $7.50 计费。对比 Claude Haiku 5.5 超过 100K 整单翻 5 倍、GPT-6 超过 272K 阶梯加价，处理长代码库时预算更容易估算。
2. 仅支持自动隐式缓存（95% 折扣）：提示词达到 4,096 tokens 自动触发隐式缓存，命中读取单价 $0.075/M（Batch 档 $0.0375/M），不收显式写入费；非全球区域端点（Non-global）价格上浮 10%（$1.65 / $8.25，缓存读 $0.0825）。
3. 思考与内置工具计费：内部思考产生的 token 按输出单价 $7.50/M 全额计费；启用 Google Search Grounding 时，内部注入的系统指令和函数声明计入输入 token，搜索本身按查询次数另算。
思考档位与速度
Hydrogen 提供 low、medium、high（默认）和新增的 xhigh 四档。TrakToken 与 Artificial Analysis 收录的各档位实测数据如下：
| thinking_level | AA 智能指数 | Terminal-Bench 4.0 | 平均任务成本 | 输出吞吐 | 首字延迟（含思考） |
|---|---|---|---|---|---|
| low | 26.9 | 6.6% | $0.29 | 181.2 tok/s | 5.71s |
| medium | 41.2 | 29.3% | $0.80 | 177.2 tok/s | 11.80s |
| high（默认） | 50.8 | 54.0% | $1.87 | 170.1 tok/s | 18.89s |
| xhigh | 53.9 | 53.5% | $3.16 | 190.4 tok/s | 37.77s |
档位之间的能力断层比预期明显。low 档虽然最便宜（$0.29），但 TB 4.0 只有 6.6%，无法承担自主修代码任务，只适合简单文本清洗或批处理；medium 档（TB 4.0 29.3%、$0.80）用来做前端 UI 原型或常规工具调用已经够用。
真正的编码能力分水岭在默认的 high 档：TB 4.0 从 29.3% 跃升到 54.0%，成本 $1.87，吐字速度保持在 170 tok/s 上下。至于 xhigh 档，智能指数涨到 53.9，TB 4.0 反而在波动区间内略微回落（53.5%），单任务开销却涨到 $3.16、首字等待拉长到 38 秒，建议留给 high 档卡住的多步排错。
多模型编排
伴随 Hydrogen 发布，Google Antigravity 上线了 Orchestrator 模式，提供 Carbon + Hydrogen 与 Argon + Hydrogen 两种组合。传统静态模型路由在第一条提示词就猜定整轮任务用哪个模型，一旦写代码途中遇到隐藏依赖或架构冲突，便宜模型往往反复试错。
- 规划阶段（Carbon / Argon）：在只读模式下检索依赖、确认接口边界，生成带明确重规划触发条件（Re-plan triggers）的执行步骤。
- 执行阶段（Hydrogen）：按计划改文件、装依赖、跑单测，或者拉起多个并行子代理同时修改不同模块。
- 异常回退：验证连续失败或遇到计划外约束时，执行端把状态交回 Carbon 重新梳理方案，再继续往下做。
Google 公布的 Terminal-Bench 实测里，Orchestrator 取得了接近全程纯用 Carbon 的任务成功率，同时平均少消耗 24% 配额、整体提速 19%。在自建 API 系统里也可以复用同一套思路：通过 Interactions API 传入同一个 previous_interaction_id，在同一个多轮会话里把规划轮次发给 gemini-4-carbon，把落地和验证轮次切到 gemini-4-hydrogen。
旧模型迁移
如果是从 gemini-3.8-flash 或早期 Gemini 3 系列切过来，有 5 处接口差异需要提前改代码：
- thinking_level 取消 minimal：Hydrogen 默认
high（Carbon/Argon 默认medium），传入旧的minimal会直接报错，需要改用low或medium。 - 移除显式上下文缓存：Hydrogen 不支持
caches.create与请求体里的cached_content参数，清理掉这些字段即可，超过 4,096 tokens 的长前缀会自动走隐式缓存。 - 清理采样参数：服务端会忽略自定义
temperature、top_p和top_k。 - 调高 max_output_tokens 上限：统一窗口下同步单跳最大输出为
65,536tokens（Carbon/Argon 非流式 REST 单跳为 32,768），思考 token 也算在这个上限内。旧代码里写死的8192需要去掉或调到 65,536；输出超过 64K 需设background: true走服务端分段长解码。 - 原生声明工具与保留思考签名：不要在零工具声明下靠系统提示词让模型裸输出自定义 JSON 调工具，否则容易触发
MALFORMED_FUNCTION_CALL。多轮调用建议走 Interactions API，或在无状态历史里原样回传thought_signature，不要跨并行工具调用复制签名。
选型建议
正在使用 Gemini 3.8 Flash 或更早 Gemini 3 系列跑 Coding Agent、多文件调试和自动化工具链，升级 Hydrogen high 档能把编码通过率翻倍并大幅压低单任务账单；需要处理 200K 到 1M 长上下文文档与音视频多模态输入且希望避免长文本跳价；或者在 Antigravity 和多模型流水线里，让它担任 Carbon 规划之后的执行与并行测试节点。
11 月 30 日前做复杂系统设计或深度排错，趁 Carbon 还在 $2/$10 促销窗可直接用 Carbon（low 或 medium 档）；对单任务账单极其敏感且能接受较慢生成速度的后台编码任务，对比 GPT-6.1 Sol（$0.59/任务）；需要国内直连或极低单价（$0.30 输入档）的路由、分类与低延迟对话，选 DeepSeek V4.1 Flash 或 Gemini 3.5 Flash-Lite 更合算。
参考资料
- Google 官方博客：Introducing Gemini 4 Hydrogen
- Google 开发者博客：Gemini 4 Hydrogen: everyday coding and agentic workflows for developers
- Google DeepMind Model Card：Gemini 4 Hydrogen（含官方基准与安全评估）
- Google AI Studio 文档：What's new in Gemini 4 Hydrogen 与迁移清单
- Google Antigravity 博客：Gemini 4 Hydrogen and Orchestrator
- Artificial Analysis：Gemini 4 Hydrogen 独立性能、成本与延迟评测
- Simon Willison's Weblog：Gemini 4 定价观察与 SVG 盲测对比
- Hacker News 讨论帖：Gemini 4 Hydrogen 发布讨论
注：文中价格、跑分与速度数据核对日期为 2026 年 11 月 13 日，站内数据每日更新，实际计费与限额以各厂商最新官方页面为准。