谷歌Gemini 4 Hydrogen发布：速度快2.5倍
谷歌在 11 月 12 日发布了 Gemini 4 家族的新成员 Hydrogen。与此前主打深度推理的旗舰 Carbon、均衡定位的 Argon 不同，Hydrogen 的卖点只有一个词：快。它面向日常编程、智能体工作流和多模态综合任务，任务完成速度比上一代 Gemini 3.8 Flash 快约 2.5 倍。同一天，谷歌还在开发环境 Antigravity 中推出了能自动切换模型的 Orchestrator，让 Carbon 负责规划、Hydrogen 负责执行。Gemini 4 的三层布局至此补齐，谷歌把竞争的重点从“最强”转向了“最省”。
快了多少，贵了多少
根据谷歌官方公布的数据，Hydrogen 在默认的高推理档位下，完成任务的速度约为 Gemini 3.8 Flash 的 2.5 倍。在衡量智能体编程能力的 Terminal-Bench 4.1 测试中，Hydrogen 得分 57%，远高于 3.8 Flash 的 18.2%。在 Artificial Analysis 的 Intelligence Index 上，Hydrogen 高推理档得 51 分、最高档 54 分，略高于旗舰 Argon 的 50 分。
不过横向对比仍有短板。谷歌在模型卡中公布的对照显示，Hydrogen 在 SWE-sweep 和 Agents’ Last Exam 两项测试中领先对手，但在 Terminal-Bench 4.1、OSWorld-2.1 和 Terminal-Bench-Science 三项上，Claude Sonnet 5.5 的得分更高，其中 Terminal-Bench 4.1 为 63.9%。也就是说，Hydrogen 是效率层面的优等生，但还不是全能冠军。
价格方面，Hydrogen 的 API 定价为每百万输入 Token 1.5 美元、每百万输出 Token 7.5 美元，并在完整的 100 万 Token 上下文内保持同一价格、不分段计价。需要注意的是，这个绝对价格约为 3.8 Flash 当前优惠价的两倍。据 VentureBeat 测算，按基准测试的估算成本，Hydrogen 单项任务成本约为 3.16 美元，高于前代的 1.87 美元。速度翻倍的同时，单价也在上涨，划不划算要看具体任务的完成效率。
模型支持 100 万 Token 上下文和四档可调的推理强度，开发者可以根据任务复杂度自行控制算力投入。谷歌还表示，相比前代，Hydrogen 出现虚构答案的情况更少，在工具调用失败或搜索无结果时的应对也有所改进。模型已通过 Gemini API（模型 ID 为 gemini-4-hydrogen）和 Google AI Studio 提供，免费档与付费档均可使用，同时进入 Gemini 应用和谷歌搜索：它成为搜索 AI 模式的新默认模型，也会被用于回答 AI Overviews 中最难的问题。
Orchestrator：让模型自己分工
与 Hydrogen 同步登场的 Orchestrator，可能是这次发布中更值得关注的部分。它内置于谷歌的开发环境 Antigravity，用户在模型选择菜单中选中 Orchestrator 后，同一会话内的任务会按复杂度自动分配给不同模型：Carbon 先分析架构、制定修改计划，再把改代码、跑测试、验证结果这类例行工作交给速度更快的 Hydrogen。
谷歌称，在编程基准测试中，这套机制在保持接近单独使用 Carbon 的任务成功率的同时，平均减少约 24% 的配额消耗、缩短约 19% 的完成时间。需要留意口径：这里的 24% 指的是 Antigravity 的使用配额，不能直接等同于企业 API 账单下降 24%。Orchestrator 已开始向 Google AI Pro 和 Ultra 的付费订阅用户陆续开放。
从拼最强到拼最省
Hydrogen 的发布，标志着 Gemini 4 家族三层结构的完成：Carbon 负责最难的推理与架构设计，Argon 兼顾能力与成本，Hydrogen 专攻高频、重复的执行任务。三层分工的思路并不新鲜，但谷歌在一个月内连续落地三款模型，节奏明显加快。Carbon 在 10 月 30 日先向网络安全防御者开放，11 月 11 日全面开放；Argon 在 10 月上线；Hydrogen 在 11 月 12 日接棒。
这也是整个行业的转向。就在同一周，Anthropic 发布了提速 30%、降价 20% 的 Claude Fable 5.2，Meta 推出了家族中最小、最便宜的多模态模型 Muse Ember。大模型竞争的重心正在从单项能力最强，转向单位产出成本与调度效率。谁能在保证任务成功率的前提下把执行成本压下来，谁就能拿下智能体时代真正高频的调用量。
对谷歌而言，Hydrogen 还有一层特殊意义：它被直接放进搜索 AI 模式当默认模型。这意味着新模型将立刻接受全球最大规模的真实流量检验，表现好坏不再只由基准测试说了算。搜索侧的反馈也会反过来影响开发者对它的信任度。
影响与展望
对开发者和企业来说，最直接的变化是智能体工作流的成本结构。过去为了保证成功率，常常全程调用旗舰模型；Hydrogen 加 Orchestrator 的组合提供了一种分层执行的标准答案：规划用贵的，执行用快的。对个人用户，搜索 AI 模式换上更快的新模型后，复杂问题的回答速度和呈现方式有望改善。
但也要保持谨慎：目前的速度与得分数据均来自谷歌官方与模型卡，第三方独立实测尚未大规模展开；定价上“更快但更贵”的取舍，是否真能转化为更低的单任务成本，取决于真实场景中的调用结构。效率模型的战争才刚刚开场，真正的考验在上线后的账单和口碑里。