Gemini 4 Hydrogen测评:性价比超Argon,不敌Sonnet 5.5

Gemini 4 Hydrogen 以微弱优势超越自家旗舰,但性价比面临竞品夹击。
Google 推出中端模型 Gemini 4 Hydrogen,在独立评测平台以 51 分险胜自家旗舰 Argon(50 分),且价格低约 25%。然而,与竞品相比,它处于尴尬的中间位置:Claude Sonnet 5.5 性能更强(55 分)但成本高四倍,GPT 6.1 Terra 性能持平却便宜 40%。相比前代 Flash,Hydrogen 性能大幅提升但价格翻倍,且实际使用中消耗订阅额度更快。此外,Argon 的折扣价即将结束,届时价格对比将变化。文章提醒开发者,不要轻信厂商自报数据,应结合独立评测和真实使用成本做决策。
Google 悄然上线了 Gemini 4 Hydrogen,一款定位中端的 AI 模型。它不仅在独立评测榜单上以微弱优势超越了自家旗舰 Argon,价格还更低。但面对 Claude Sonnet 5.5 和 GPT 6.1 Terra,它的位置有些尴尬。本文基于 YouTube 视频内容,梳理 Hydrogen 的真实表现、与竞品的对比,以及那个容易被忽略的「代价」。
Hydrogen 到底强在哪?
独立评测:一分险胜 Argon
在独立评测平台 Artificial Analysis 上,Gemini 4 Hydrogen 得分为 51,而 Google 自家的前沿模型 Argon 为 50。一分之差,虽然微弱,但考虑到 Hydrogen 的定位更低,这个结果足够让 Google 的宣传材料多一条卖点。

视频作者指出,Argon 曾被 Google 称为「大多数软件工程的理想选择」。现在 Hydrogen 在分数上压过它,同时价格更低:Hydrogen 输入 $1.50 / 百万 token,输出 $7.50;Argon 则是 $2 / $10。这意味着,对于预算敏感、又不想牺牲太多性能的开发者,Hydrogen 提供了一个新选项。
Artificial Analysis 是一家独立的 AI 模型评测机构,它通过标准化基准测试(如 MMLU、HumanEval 等)对主流模型进行评分,并定期发布排行榜。其评分通常综合了准确性、推理能力、代码生成等多维度表现,并以百分制呈现。与厂商自报数据不同,第三方评测的测试集和流程公开透明,因此常被开发者视为选型参考。不过,这类榜单也存在局限性:测试题目可能无法完全反映真实场景,且模型更新频繁,排名会快速变化。
价格优势:每百万 token 便宜 25%
按上述价格计算,Hydrogen 的输入成本比 Argon 低约 25%,输出成本也低 25%。虽然绝对差价不算大,但在大规模调用场景下,这个差距会被放大。视频作者也承认,这是他最初对 Hydrogen 感兴趣的原因之一。
在 AI 模型 API 的计费中,token 是基本单位,可理解为文本片段(一个 token 约等于 0.75 个英文单词或半个汉字)。输入 token 指用户发送的提示词,输出 token 指模型生成的回复。由于大模型推理需要消耗大量算力,输出 token 的单价通常高于输入 token。按百万 token 计价是行业惯例,便于企业估算大规模调用成本。例如,处理 100 万条平均 500 token 的请求,费用就是单价乘以 500。
与 Claude Sonnet 5.5、GPT 6.1 Terra 的正面较量
Google 自家表格:Hydrogen 胜多负少
在 Google 公布的对比表格中,Hydrogen 对 Claude Sonnet 5.5 赢了 10 项中的 7 项,对 GPT 6.1 Terra 赢了 9 项中的 8 项。如果只看这张表,Hydrogen 几乎是一款「越级打怪」的产品。

但视频作者很快提醒观众:这是 Google 自己跑的分,参考价值有限。
独立榜单:Sonnet 5.5 领先,Terra 持平
转到独立评测平台,局面就变了。Claude Sonnet 5.5 在最大努力设置下得分为 55,领先 Hydrogen 的 51;GPT 6.1 Terra 则与 Hydrogen 打平,同为 51 分。

不过,成本差异显著:跑完同样的测试,Sonnet 5.5 的花费是 Hydrogen 的四倍多,而 Terra 比 Hydrogen 便宜约 40%。换句话说,Hydrogen 不是最聪明的,也不是最便宜的,它卡在中间。视频作者的原话是:「它不是最聪明的,也不是最便宜的。它是中间那个。」
性价比的微妙平衡
如果只看性能,Sonnet 5.5 是更好的选择,但代价是四倍以上的成本。如果只看价格,Terra 比 Hydrogen 便宜 40%,性能还持平。Hydrogen 的卖点在于「性能接近顶尖,价格远低于顶尖」——但 Terra 的存在让这个卖点不那么牢固。
在模型选型中,性价比并非简单的性能除以价格,还需考虑任务类型、延迟、稳定性等因素。对于高并发、低复杂度的任务(如分类、摘要),价格敏感度更高;而对于需要复杂推理的任务(如代码生成、多步规划),性能差距可能直接决定可用性。此外,模型的上下文窗口大小、是否支持函数调用、输出格式控制等特性也会影响实际成本。因此,开发者应结合自身业务场景,用真实数据做 A/B 测试,而非仅依赖榜单分数。
隐藏的代价:从 Flash 升级到 Hydrogen
性能翻倍,价格也翻倍
与 Gemini 3.8 Flash 相比,Hydrogen 的得分从 31 跃升到 51,提升幅度巨大。但视频作者指出,输入和输出价格也翻了一倍。这不是「加量不加价」,而是「加量也加价」。
实际使用:额度消耗更快
作者分享了自己的使用体验:Hydrogen 消耗 Gemini 使用额度的速度比 Flash 更快。这意味着,对于依赖订阅额度而非按 token 付费的用户,实际成本可能比标价更高。这一点在官方宣传中通常不会提及。
订阅制 AI 服务通常以“额度”或“积分”形式限制使用量,例如每月固定次数的对话或 token 总量。不同模型消耗额度的速率可能不同:性能更强的模型往往单次请求消耗更多额度,因为其推理过程更复杂、生成长度更长。对于依赖订阅的用户,实际可用次数可能远低于预期。因此,在评估成本时,不能只看 API 标价,还需关注订阅计划中模型与额度的换算规则。
Argon 的倒计时:折扣即将结束
视频最后抛出一个关键信息:Argon 的折扣价将于 11 月 30 日结束。之后,它的价格将翻倍。这意味着,目前 Argon 与 Hydrogen 之间的价格差距,在折扣结束后会进一步拉大——但方向对 Hydrogen 有利。
作者用一句讽刺收尾:「周二的理想选择,周四就过时了。」这既是对 AI 模型迭代速度的调侃,也暗示了 Google 产品线定位的快速调整。

结论:Hydrogen 适合谁?
Gemini 4 Hydrogen 是一款「卡位」产品:比自家旗舰便宜,性能却不落下风;比竞品便宜,但性能也不是最强。它适合那些需要比 Flash 更强性能、又不愿支付 Argon 或 Sonnet 5.5 高价的开发者。但如果你对成本极度敏感,GPT 6.1 Terra 可能是更划算的选择;如果你追求极致性能,Sonnet 5.5 仍然领先。
视频作者的核心提醒是:不要只看 Google 的对比表格,独立评测和实际使用成本才是决策的关键。AI 模型的性价比是一个动态目标,今天的「理想选择」明天可能就被新模型或新价格改写。
相关推荐

AI写代码越来越便宜,真正难的是验证
生成代码越来越便宜,软件团队的瓶颈转向验证。结合萨提亚·纳德拉访谈,解析编程智能体的规格说明、多模型审查、权限分离与组织调整,以及工程师如何把一次修复沉淀为团队可复用的能力。

Saparo:自动叠加优惠的购物AI代理,登顶Product Hunt
Saparo 是一款自动叠加优惠的购物 AI 代理,登顶 Product Hunt。它能搜索同款、匹配尺码、组合促销码与返现,按含运费税费的总成本排序,最终支付由用户完成。

Tripmojo:会帮你值机的AI旅行Agent
Tripmojo是Product Hunt上排名第2的AI旅行Agent应用,能同步预订邮件生成共享行程,并由AI助手Mojo在出行当天尝试值机、保存登机牌、提醒延误与登机口变更,行程中维护计划并分摊费用,iOS与Android免费。