AREX Feed Article
Google 发布 Gemini 4 Hydrogen：每百万 token 输入 1.5 美元，实测 54 分比 Sonnet 5.5 和 GPT-6.1 Sol 各低 1 分
北京时间 11 月 13 日凌晨（UTC 时间 11 月 12 日 18:00），Google 在正式推出 Gemini 4 Hydrogen——一款定位在 Gemini 4 Carbon 与 Argon 之下、面向日常编码与智能体（agentic）工作流的快速模型，定价为每百万 token 输入 1.5 美元、输出 7.5 美元，在完整的 100 万 token 上下文窗口内价格统一。博客上线 7 分钟后， 发布独立实测：Hydrogen 在新增的 xhigh 思考档得到 54 分，比 Claude Sonnet 5.5（max）和 GPT-6.1 Sol（max）各低 1 分，比 Gemini 4 Argon（high）高 4 分，与 Google 自报的分数一致。而一天前，这款模型还只是报道里没有发布时间的内测代号。
内测代号落地：全线产品可用，思考档新增 xhigh
，Google 员工当时正在内部开发平台 Jetski 上试用一款代号 Hydrogen 的新 Gemini 模型，一位工程师在内部消息中形容它“能力很强、快速且高效”；报道明确写道，它是否会发布、免费还是付费都还没有定论，Google 拒绝置评。这些悬念在公告里有了答案：Google 官方博客称，Carbon 与 Argon 负责最难题目上的深度长程推理，Hydrogen 承担快速执行，即日起覆盖 Google AI Studio 全部档位、Gemini API、Gemini for business、Gemini 应用与 Google Search，付费的 Google AI Pro/Ultra 订阅用户还可在 Google Antigravity 中使用；Gemini in Google Sheets 则从 Google AI Pro/Ultra 订阅及符合条件的企业订阅开始提供。
模型提供 low、medium、high（默认）与新设的 xhigh 四个思考档。Artificial Analysis 指出，xhigh 是 Gemini 模型上第一个高于 high 的推理档；Google 则称四个档位在质量、延迟与成本之间平滑递进，用户“只需为任务需要的推理深度等待和付费”。博客还贴出一张引用 AA Index 5.01 绘制的分数–耗时曲线，Hydrogen 的四个档位自左下向右上排布，用来呈现这一取舍。
Artificial Analysis 在实测推文中补充了规格细节：缓存输入 token 享受 95% 折扣（每百万 0.075 美元）；模型接受文本、图像、视频与语音输入，输出文本；上下文窗口 100 万 token。Google 补充说，输出最多可达 100 万 token，用于把密集的 PDF、表格、图表、音频与录屏视频合成带引用的报告和结构化交付物。Artificial Analysis 还提醒了一个节奏背景：这是 DeepMind 六周内发布的第三款新模型。
Google 自报：比 3.8 Flash 快 2.5 倍，Antigravity 同步上线 Orchestrator
将其介绍为“为快速编码、多模态合成与日常工作流而生”的模型。官方博客给出的数字更细：在默认 high 档，Hydrogen 完成任务比 Gemini 3.8 Flash 快 2.5 倍，在 Artificial Analysis Intelligence Index 上以 51 分对 50 分超过 Argon；Terminal-Bench 4.1 得分 57% 对 18.2%，捏造声明（fabricated claims）减少逾 5 倍，工具调用失败或搜索返回为空时适应也更平稳。
按 Google 的说法，Hydrogen 擅长并行批量发起文件读取与搜索调用，而不是逐个翻检文件；合作伙伴在复杂图表、SQL 与数据密集型企业工作流的早期测试中，看到它比 3.8 Flash 快 2～2.8 倍、token 用量减少 12%～23%。Google 列出的自报基准还包括 HLE-Diamond 58.8%（同档领先）、Agents’ Last Exam v1.1 71.6%、多模态知识工作基准 MKA 53.4%，并在 Vals Tax Agent Bench（52.3%）与 Vals Legal Research Bench（55.8%）分别拿下第一与并列第一，在 arena.ai 的实时基准 Agent Arena 上排第五。
与模型一起登场的还有 Antigravity 里的 Orchestrator：它不再从头到尾使用单一模型，而是在同一会话内动态切换 Carbon 与 Hydrogen。Google 称，在 Terminal-Bench 4.0 上，Orchestrator 以平均少 24% 的配额、快 19% 的速度取得接近 Carbon 的任务成功率；需要并行智能体时，Carbon 做协调者，Hydrogen 驱动 worker 与 verifier 智能体。安全数字同样出自官方口径：代理任务中的越权行为至多减少 81%、服务不足至多减少 79%，工具使用与编码评测中的不对齐动作与抄近路减少 12 倍，并在超过 20 万条受审计对话轮次中保持 99.9% 的思维链可读性。
Artificial Analysis 独立实测：印证官方分数，GDP.pdf 并列第一、幻觉率 8%
官方发布后不到十分钟，给出了与官方一致的分数：xhigh 档 54 分、默认 high 档 51 分。在 AA 的榜单上，Hydrogen 排在 Claude Opus 5.5（high 档 52）与 GPT-6.1 Sol（xhigh 档 52）之后，领先 high 档 50 分的 Gemini 4 Argon。
独立数据还给出了官方博客没有展开的两项强项。长文档视觉推理基准 GDP.pdf 上，Hydrogen 在 medium 档拿到 33% 的 all-pass（全部子题通过）成绩，与榜首并列；AA-Omniscience 上的幻觉率为 8%，是 Artificial Analysis 记录过的最低值之一——作为对照，Sonnet 5.5（max）为 43%，GPT-6.1 Sol（max）为 52%。输出速度约 200 tokens/秒；low、medium、high 三档全部落在“单任务耗时–智能”帕累托前沿上，即没有模型既比它更聪明又比它更快。
成本侧的账目也很具体：xhigh 档单任务成本 3.16 美元，约为 Sonnet 5.5（max）的 32%，但约为 GPT-6.1 Sol（max）的 2.5 倍；high 档 1.87 美元，medium 档 0.80 美元（41 分），low 档 0.29 美元（27 分）。Artificial Analysis 据此算出：high 档下，Hydrogen 以约 19% 的单任务成本拿到与 Argon 相当的智能。
实测也点出短板：终端智能体落后，xhigh 用翻倍 token 换 3 分
独立实测同时记录了弱项。Hydrogen 在 Terminal-Bench 4.0 上得 54%，低于 Sonnet 5.5（max）的 64% 与 GPT-6.1 Sol（max）的 56%；Terminal-Bench-Science 0.1 上得 50%，也不及两者的 53% 与 58%。xhigh 档对科学类任务有帮助，把 Terminal-Bench-Science 从 high 档的 41% 抬到 50%，但在 Terminal-Bench 4.0 上两档都是 54%，没有变化。
也把两个最高分让给了对手：Terminal-Bench 4.1（作弊调整后）Sonnet 5.5 得 63.9%，高于 Hydrogen 的 57.0%；OSWorld-2.1 离线子集 83.9% 对 77.6%。
xhigh 的代价同样具体：Artificial Analysis 测得它把输出 token 用量推高近一倍，只换来 3 分智能提升。发布当天得到独立核对的，是智能分数、输出速度与成本这几项数字；Orchestrator 的配额节省和安全层面的那组指标，目前仍是 Google 的自报口径。