便宜档反超自家推理大号 1 分？Google 发布 Gemini 4 Hydrogen：输出每百万 token 7.5 美元，但 xhigh 档单次任务要花 13 分钟

先说结论。UTC 时间 2026 年 11 月 12 日 19:30（北京时间 11 月 13 日凌晨），Google DeepMind 高级副总裁、Google 首席 AI 架构师 Koray Kavukcuoglu 在官方博客发文，正式推出 Gemini 4 家族的第三款模型 Gemini 4 Hydrogen。这款模型直接取代了过去的 Flash 命名，主打速度与效率，输入定价每百万 token 1.50 美元，输出 7.50 美元。在第三方独立机构 Artificial Analysis 的智能指数 v5.0.1 中，Hydrogen 在默认 high 思考档位下拿到了 51 分，居然比自家定位于长周期深度推理的 Gemini 4 Argon（50 分）还高出 1 分。

不过先别急着把所有工作流都切过去。这多出来的 1 分只在默认档位成立；如果你为了追求 54 分的极限表现开启新增的 xhigh 档位，单次任务的耗时和账单会瞬间翻倍还不止。而且在部分硬核终端与操作系统榜单上，它依然没能打赢老对手 Claude Sonnet 5.5。至于为什么 Google 要在这个时间点急匆匆砍掉 Flash 换上 Hydrogen，当你翻开 12 月 1 日即将生效的那份涨价通知单，一切就都说得通了。

一个多月连发三款：Flash 退役，Hydrogen 补位

过去一个多月里，Google DeepMind 发模型的节奏快得让人有点跟不上。10 月刚端出擅长长周期深度推理的 Argon，10 月 28 日又祭出全系最强的旗舰档 Carbon，紧接着在 11 月 12 日发布了这款 Hydrogen。一个多月连发三款大模型，Gemini 4 家族的梯队终于拼齐了。

很多人第一眼看到 Hydrogen 这个名字会犯迷糊：以前的 Flash 去哪了？答案很简单，被取代了。在新的家族分工里，Carbon 坐镇最高性能档，Argon 负责啃长周期深度推理的硬骨头，而刚刚发布的 Hydrogen 则接过了过去 Flash 的班，定位在速度与效率档。按照官方给它的角色设定，它是面向日常写代码和智能体工作流的“执行引擎”。

为什么要改名？我猜一方面是为了凑齐化学元素的命名序列，另一方面也是因为它的定价和能力边界已经跟过去的入门级 Flash 拉开了差距。如果你手里还有一堆绑着 Gemini 3.8 Flash 的自动化脚本，现在就得开始看迁移文档了。不仅名字变了，底层的计费逻辑、思考档位以及缓存机制，全都跟着洗了一遍牌。

账单算盘：12 月 Argon 涨价前的救命稻草？

咱们直接看钱。在 AI Price Memory 追踪的历次模型调价里，这次的价格卡位显得格外微妙。因为就在半个多月后的 12 月 1 日，Gemini 家族的价格体系要经历一次剧烈震荡。我把目前在售和即将调价的几款同系模型拉了一张表，账面上的数字对比非常刺眼：

看明白了吗？大家平时总以为“新模型发布意味着老模型降价清仓”，实际上 Google 反手给你来了一套逆向提价操作。

我们在 11 月 9 日的文章里已经给大家预警过，Gemini 4 Argon 目前输入 2 美元、输出 10 美元的价格只是限时优惠，11 月 30 日一过就会作废。从 12 月 1 日开始，Argon 的价格将直接翻倍，暴涨到输入 4 美元、输出 20 美元。而更让人意外的是老款 Flash：它现在输入 0.75 美元、输出 3.75 美元的低价也只能维持到 2026 年 12 月 31 日。一旦跨入 2027 年 1 月 1 日，旧款 Flash 的价格将原地起跳，涨到和今天发布的 Hydrogen 一模一样（输入 1.50 美元、输出 7.50 美元）。

这笔账落到我们自己的 API 额度上，简直是明牌逼你做选择。等到下个月 1 号 Argon 涨价落地，Hydrogen 的输入单价（1.50 美元）就只有 Argon（4.00 美元）的 37.5%，输出单价（7.50 美元）也同样只有 Argon（20.00 美元）的 37.5%。哪怕你咬牙坚守旧款 Flash 不升级，到了明年元旦，你付出的每一分钱也和用新款 Hydrogen 完全相同。与其明年花同样的钱用旧模型，年底前把业务迁到 Hydrogen 几乎成了唯一合理的出路。

除了基础单价，Hydrogen 在计费规则上还有两处改动直接关系到开发者的钱包。

先说上下文窗口，它给到了 1,048,576 token，而且这个额度是由输入、思考和输出三部分共用的，其中单次输出最多能飙到 100 万 token。最厚道的一点在于，整个 100 万 token 的窗口期内全部执行统一价，彻底取消了过去让人肉疼的“长上下文附加费”。你塞进去 80 万 token 的代码库，单价依然是 1.50 美元。

再说缓存规则，这次改动不小。Hydrogen 提供了力度高达 95% 折扣的隐式缓存，一旦命中缓存，输入价格直接降到每百万 token 0.075 美元（只要你的提示词长度超过 4096 token 就能生效）。但是请注意，Google 在这款模型上直接取消了“显式创建缓存”的功能。如果你以前在代码里写死了手动管理缓存生命周期的逻辑，现在切到 Hydrogen 会直接报错或者失效，一切都得交给系统的隐式命中机制来接管。

便宜档反超贵价档 1 分？扒开 Artificial Analysis 跑分的底细

这次发布最让人惊讶的槽点，出在独立评测机构 Artificial Analysis 的跑分榜上。

按照常识，Argon 既然卖得更贵（下个月还要涨到 20 美元输出），又是专门做深度推理的型号，智商怎么也得压过走量干活的 Hydrogen 一头吧？结果在 Artificial Analysis 智能指数 v5.0.1 的测试里，Gemini 4 Hydrogen 在默认的 high 思考档位下跑出了 51 分，生生把得分为 50 分的 Argon 压在了身下。如果你把 Hydrogen 调到这次新增的 xhigh 思考档位，它的得分还能进一步冲到 54 分。

便宜的速度档反超了自家的深度推理档？话虽然没错，但要是只看这 1 分的差距就无脑吹爆，你的钱包很快就会遭殃。我们把 Artificial Analysis 独立复核的实测数据摊开看，里面的代价写得清清楚楚：

在默认的 high 档位下，Hydrogen 完成单个任务的平均耗时约为 6.0 分钟，平均花费 1.87 美元；而一旦你为了多拿那 3 分把档位拧到 xhigh，单次任务的平均耗时立刻拉长到约 13.0 分钟，单次花费也飙升到了 3.16 美元。花掉一倍以上的时间、多掏将近七成的钱，换来指数从 51 分涨到 54 分。这笔买卖划不划算，全看你的业务场景是不是真的差那一口气。更逗的是，在同样由 Artificial Analysis 实测的 Terminal-Bench 4.0 测试中，无论你开的是 high 档还是更慢更贵的 xhigh 档，Hydrogen 的得分全都是死死的 54%，多烧掉的思考 token 在这个项目上连半点水花都没溅起来。

当然，要是拿它去跟前辈 Gemini 3.8 Flash 比，进步确实肉眼可见。根据 Google 官方给出的说法，Hydrogen 在默认 high 档位下完成任务的速度比 3.8 Flash 快了 2.5 倍；在 Terminal-Bench 4.1 上的得分从 Flash 惨淡的 18.2% 一路猛涨到 57%；同时，模型胡说八道编造内容的概率减少了 5 倍以上。按照官方披露的早期合作伙伴实测反馈，在图计算、SQL 查询以及数据密集型企业工作流里，Hydrogen 的处理速度比旧款快了 2 到 2.8 倍，消耗的 token 数量反而少了 12% 到 23%。单次输出更贵，但用掉的 token 变少了、返工次数降低了，综合账单倒未必会涨多少。

那么，跟外面的死对头比呢？Google DeepMind 在模型页面公布了一张长长的跑分对比表，把 Gemini 4 Hydrogen、Claude Sonnet 5.5 和 GPT-6.1 Terra 放在一起公开处刑。我必须先叠个甲：以下这组对比数据全部出自 Google 官方报告，尚未经过第三方独立复核：

哪怕是在 Google 自己主场晒出来的成绩单里，Hydrogen 也没能做到全盘通吃。你看表格里那几项：在 SWE-sweep（13.5% 对 3.1% 对 5.8%）和模拟经营赚钱的 Vending-Bench 2（银行余额 14549 美元对 11165 美元对 9107 美元）上，Hydrogen 确实赢得挺漂亮；但在真正考验终端操作与系统交互硬功夫的 Terminal-Bench 4.1（防作弊调整后 57.0% 对 63.9%）、OSWorld-2.1（77.6% 对 83.9%）以及科学计算终端基准 Terminal-Bench-Science 0.1（51.4% 对 59.9%）这三大项上，它依然结结实实地输给了 Claude Sonnet 5.5。其中在科学终端测试里，它甚至连 GPT-6.1 Terra（58.3%）都没跑赢。

好在其他几个外部独立榜单给它找回了不少场子。在 Agent Arena 实时榜上，Hydrogen 目前排在第 5 名。而在专注于垂直行业能力的 Vals 评测里，它的表现相当抢眼：在 Vals Tax Agent Bench（税务智能体基准）中，它开着 xhigh 档位拿下了 52.3% 的成绩，在全部参测的 85 个模型里独占鳌头，总排名第 1；在 Vals Legal Research Bench（法律研究基准）中，它也以 55.8% 的得分拿到了并列第 1。看来在翻法条、算税务报表这种重度依赖长文档检索和规则比对的活计上，100 万上下文外加高档位思考确实挺管用。

写代码与智能体实战：Antigravity 的混合双打怎么玩

既然官方把 Hydrogen 称作写代码和智能体工作流的“执行引擎”，那我们在实际开发里到底该怎么调教它？

先说 API 调用层面的一个坑。Hydrogen 的思考档位提供了四个合法选项：low、medium、high（系统默认档）以及这次新加的 xhigh。大家以前在调旧模型时，有时候为了追求极致低延迟，习惯随手传一个 minimal 档位进去。注意了，在 Gemini 4 Hydrogen 上，如果你请求 minimal 档位，API 会直接拒绝你的请求。想要省钱省时间，最低只能降到 low。

下面是一段使用官方 generate_content 方法调用 gemini-4-hydrogen 的 Python 代码示例，顺带演示了怎么把思考档位显式指定为默认的 high：

from google import genai
from google.genai import types

# 初始化客户端，请确保环境变量中已配置 GEMINI_API_KEY
client = genai.Client()

# 调用 gemini-4-hydrogen，注意 minimal 思考档位会被拒绝
response = client.models.generate_content(
    model="gemini-4-hydrogen",
    contents="请帮我排查以下 SQL 查询在大表关联时的性能瓶颈，并给出优化后的重写方案。",
    config=types.GenerateContentConfig(
        thinking_config=types.ThinkingConfig(
            thinking_level="high"  # 可选值: low, medium, high (默认), xhigh
        ),
        max_output_tokens=8192,
    ),
)

print(response.text)

如果你平时主要用 Claude Code 这类本地命令行工具，或者 Google 自家的 Antigravity，这次更新带来了一个非常有意思的玩法。

在 Antigravity 里，Google 专门为 Ultra 订阅用户上线了一个叫 Orchestrator（协调器） 的新功能。平时我们用编程智能体写项目，最头疼的就是模型选择困难症：全场开最贵的旗舰模型吧，改个变量名、跑个单元测试都要烧掉大把配额，肉疼得不行；全场开便宜模型吧，遇到跨十几个文件的复杂架构重构又容易原地鬼打墙。

Orchestrator 的解法很干脆：它允许在同一个会话里，由系统动态切换 Gemini 4 Carbon 和 Gemini 4 Hydrogen。当开启多智能体并行模式时，脑子最好的老大哥 Carbon 坐在后台当“协调者”，负责拆解任务、制定规划；而手脚麻利的 Hydrogen 则化身为一群“执行与验证智能体”，上去吭哧吭哧写代码、跑终端、验结果。

这种高低搭配的混合双打效果如何？据官方给出的数据，在 Terminal-Bench 4.0 测试上，Orchestrator 跑出了接近纯用 Carbon 旗舰模型的成功率，但整个过程少用了 24% 的订阅配额，速度还快了 19%。哪怕你不是 Antigravity 的 Ultra 订阅户，这套思路也完全可以抄到你自己的中转路由或智能体框架里，用顶级模型写 Plan，然后把占 token 大头的循环执行和报错修复全甩给每百万输出 7.5 美元的 Hydrogen（默认 high 档即可，没必要开 xhigh 烧钱）。

越权与走捷径少 12 倍？安全报告与全渠道铺开

现在大家敢不敢把智能体放进生产环境，很大程度上取决于这玩意儿会不会乱删库、会不会为了凑出一个通过的测试结果而偷偷改测试代码。

在 Google 官方公布的安全报告里（注：以下数据同样均为 Google 内部报告，未经独立第三方复审），他们花了不少篇幅强调 Hydrogen 的“老实程度”。根据报告，在智能体任务里，Hydrogen 的越权行为最多减少了 81%，消极怠工的服务不足现象最多减少了 79%。最让程序员松一口气的是，在工具调用与写代码评测里，模型的错位行为和“走捷径”作弊现象减少了 12 倍；当它面对一个根本不可能完成或者被明确禁止的任务时，它试图绕过权限边界硬干的可能性也最多降低了 2 倍。

Google 还披露，其内部智能体诚实度评测得分为 96.7%；思维链的可读性达到 99.9%，而且在超过 20 万轮的审计轮次里，实现了“零欺骗性推理修改”，换句话说，它在思考过程里怎么想的，嘴上就怎么说，没有被抓到当面一套背后一套的藏私行为。在防御外部攻击方面，它在 Gray Swan 间接提示注入基准上的抗性提高了 2.3 倍以上；而在医疗健康相关的 HealthBench Pro 测试中，把正常问题当成违规问题拒答的误拒率压到了低于 0.4%。

最后看看我们能在哪儿用上它。从今天开始，Gemini 4 Hydrogen 已经在全渠道同步铺开：

开发者可以直接去 Gemini API（依然保留了带速率限制的免费档供大家白嫖测试）、Google AI Studio 以及 Android Studio（限付费档）里调用。写代码的同学可以在 Antigravity（需 Pro 或 Ultra 订阅）里切过去体验。企业和办公用户能在 Gemini for business 以及 Google Sheets（需 Pro 或 Ultra 订阅）里找到它。而对于普通消费者，现在打开 Gemini App 的模型下拉菜单就能直接选中它，甚至连 Google Search（面向全部用户）的后台也已经接上了这颗新引擎。

别等 12 月 1 日 Argon 涨价的账单砸到头上了。今天下班前，去 Google AI Studio 拿免费档跑一遍你手里最费 token 的那条提示词（记得凑够 4096 token 试试那个 0.075 美元的隐式缓存），看看默认 high 档的 Hydrogen 能不能接住你现在的活儿。

参考来源：

1. Google 官方博客文章：https://blog.google/intl/en-in/products/introducing-gemini-4-hydrogen/
2. Google DeepMind Gemini 模型页：https://deepmind.google/technologies/gemini/
3. Artificial Analysis 智能指数 v5.0.1