Gemini 4 Hydrogen发布:低价模型定价策略与性能对比

Gemini 4 Hydrogen 补齐产品线,但当前定价折扣有限、能力明显缩水,性价比不足。
Google 发布 Gemini 4 家族中最便宜的 Hydrogen,但定价策略令人困惑:当前输入 $1.50/M、输出 $7.50/M,仅比 Carbon/Argon 便宜 25%,要到 2026 年 12 月 1 日 Carbon/Argon 价格翻倍后,折扣才扩大到 75%。Carbon 与 Argon 同价,区别在于 Argon 响应更快、每次交互 token 消耗更低。作者用“骑自行车的鹈鹕”SVG 测试三个模型,Hydrogen 生成的画面细节明显更少但速度更快。官方将 Hydrogen 定位为日常执行引擎和新的免费层模型,并为 Google 搜索 AI 功能提供支持。不过与 Claude Haiku 5.5、GPT-6 Luna 的 $0.10/$0.50 相比,Hydrogen 仍贵约 15 倍,短期内缺乏价格吸引力。
Google 今日发布了 Gemini 4 Hydrogen,这是 Gemini 4 家族中成本最低的成员。然而,其定价策略却让人有些困惑——Hydrogen 与更高端的 Carbon、Argon 价格差距并不大,但性能表现却有明显区别。本文基于 llm-gemini 0.37 的发布信息和实际测试,分析 Gemini 4 系列的定价逻辑与模型定位。

定价结构:Carbon 与 Argon 同价,Hydrogen 折扣有限
根据官方定价表,Gemini 4 Carbon 和 Argon 目前输入价格为 $2.00/M tokens,缓存输入 $0.10/M,输出 $10.00/M。两者都计划在 2026 年 12 月 1 日价格翻倍,届时输入 $4.00/M,输出 $20.00/M。Hydrogen 的定价为输入 $1.50/M,缓存输入 $0.075/M,输出 $7.50/M。
这意味着,在 12 月 1 日之前,Hydrogen 相比 Carbon/Argon 仅有 25% 的折扣;而在 12 月 1 日之后,由于 Carbon/Argon 价格翻倍,Hydrogen 的折扣将达到 75%。这种定价策略让 Hydrogen 在当前阶段显得性价比不足。
更令人困惑的是,Carbon 和 Argon 价格完全相同,为何要分成两个模型?Google 的解释是,Argon 相比 Carbon 能提供更快的响应速度和更低的每次交互 token 消耗。也就是说,虽然单价相同,但 Argon 通过减少 token 使用量来降低实际成本。
缓存输入(Cached Input) 是大模型 API 计费中的一种折扣机制:当请求的提示词前缀与近期请求高度重复时(如固定的系统提示、长文档或对话历史),服务商可将这部分 token 标记为缓存命中,按远低于标准输入的价格计费。原文中 Carbon/Argon 的标准输入为 $2.00/M,缓存输入仅 $0.10/M,相当于 95% 的折扣;Hydrogen 则是 $1.50/M 对 $0.075/M。缓存机制对高频重复调用同一长上下文的场景(如代码库问答、客服机器人)影响巨大,实际成本可能远低于名义价格。因此比较模型性价比时,不能只看标准输入/输出单价,还要结合缓存命中率与缓存折扣幅度综合估算。
性能对比:Hydrogen 画鹈鹕明显更简单
为了直观比较三个模型的能力,我让它们分别生成“骑自行车的鹈鹕”SVG 图像,并设置了高、中、低三档思考水平(Thinking level)。结果差异显著。
在高思考水平下,Carbon 生成的鹈鹕戴着水手帽,骑着带挡泥板和藤篮的红色自行车,篮子里还有一条鱼,背景是海滩、太阳、云朵和飞鸟;Argon 的鹈鹕则戴着红帽子和飘逸的蓝绿色围巾,自行车篮子里有蓝色鱼,背景是海滨长廊;而 Hydrogen 生成的鹈鹕非常简单,白色鹈鹕骑着一辆基础红色自行车,背景只有淡蓝色天空和两朵云,以及速度线和绿色地面。
在中、低思考水平下,趋势类似:Carbon 和 Argon 能生成细节丰富的海滨场景,而 Hydrogen 的画面则简洁得多。从生成时间来看,Hydrogen 也明显更快。
尽管价格差距不大,但 Hydrogen 在图像生成质量上的差距相当明显。这或许反映了 Google 对 Hydrogen 的定位:不是追求极致能力,而是追求效率和成本。
思考水平(Thinking level) 指具备推理能力的模型在生成回答前可投入的“内部思考”预算,通常分为高、中、低或关闭几档。高思考水平下,模型会生成更多中间推理 token 再给出最终答案,擅长复杂逻辑、多步规划和细节丰富的生成任务,但延迟更高、消耗 token 更多;低思考水平则跳过或压缩推理过程,响应更快、成本更低,但复杂任务的完成度下降。不同厂商对该参数命名不一(如 reasoning effort、thinking budget),本质都是让用户在质量、延迟与费用之间做权衡。文中三档思考水平的对比,正是为了观察同一模型在不同推理预算下的能力上限差异。
Hydrogen 的定位:日常执行引擎与免费层模型
Google 在官方博客中这样描述 Hydrogen 的定位:在真实软件开发中,团队依赖 Carbon 和 Argon 这类前沿模型进行深度架构判断和复杂 bug 排查,但他们仍然需要一个快速、纪律严明的执行模型来编写代码、运行测试和验证变更。Hydrogen 既可以作为日常工作的独立模型,也可以与 Carbon 和 Argon 搭配,作为多模型工作流中的高效执行引擎。
有意思的是,Hydrogen 还是新的免费层模型,并将为 Google 搜索中的 AI 功能提供支持。这意味着,尽管 Hydrogen 在能力上有所妥协,但它在 Google 的生态中扮演着重要角色——特别是对于需要大规模、低成本推理的场景。
多模型工作流(Multi-model workflow) 是指在一个软件或业务流程中同时编排多个不同定位的模型,让它们各司其职。常见模式是“前沿模型做规划、廉价模型做执行”:由能力强的模型完成架构设计、复杂 bug 定位等需要深度判断的环节,再把拆解好的具体任务(写代码、跑测试、改配置)交给速度快、成本低的模型批量完成。这样做的好处是整体成本显著下降,同时保留关键环节的质量;代价是需要额外的任务拆分、结果校验与失败重试机制。Hydrogen 被定位为“执行引擎”,正是这一模式的典型产物——它的价值不在于单独使用时的最强能力,而在于作为流水线中的高吞吐环节。
价格竞争力:仍远高于竞品
尽管 Hydrogen 是 Gemini 4 家族中最便宜的模型,但与其他厂商的轻量级模型相比,它的价格仍然偏高。Claude Haiku 5.5 和 GPT-6 Luna 的定价均为 $0.10/$0.50(输入/输出),Hydrogen 的价格是它们的 15 倍。
这或许反映了 Gemini 4 系列整体定位较高,即使是“廉价”版本也保持了相对高端的定价。对于成本敏感的用户,可能需要等待 12 月 1 日之后的价格调整,或者考虑其他厂商的模型。
$/M tokens(每百万 token 美元价) 是业界比较大模型 API 成本的通用单位。一次 API 调用的费用 = 输入 token 数 × 输入单价 + 输出 token 数 × 输出单价(缓存部分另计)。由于输出 token 通常比输入贵 4–5 倍,而不同任务的输入输出比例差异很大(如长文档摘要以输入为主,代码生成以输出为主),单纯比较某一项单价容易失真。文中的 15 倍价差是按输入/输出单价直接对比得出的,实际使用中若 Hydrogen 的 token 消耗量更高或缓存命中率更低,真实成本差距可能进一步放大或缩小,选型时应结合具体任务的 token 结构评估。
总结与建议
Gemini 4 Hydrogen 的发布补齐了 Gemini 4 家族的产品线,但其定价策略在短期内缺乏吸引力。如果你需要高质量的多模态生成能力,Carbon 和 Argon 是更好的选择;如果你追求低成本推理,Hydrogen 在 12 月 1 日之后会更具性价比。目前,Hydrogen 更适合作为免费层模型或多模型工作流中的执行引擎来使用。
对于开发者而言,llm-gemini 0.37 已经支持这些新模型,可以方便地通过命令行进行测试和集成。
相关推荐

OpenAI 11月30日关停Agent Builder等三项服务,开发者需紧急迁移
OpenAI 将于 11 月 30 日关停 Agent Builder、evals 仪表盘和可复用提示三项开发者功能,evals 已转为只读。本文梳理受影响范围、OpenAI 官方给出的迁移路径(Agent SDK、PromptFu、自有代码)以及开发者本周应完成的导出与重建动作。

RankSpot:按次付费的SEO与AI搜索执行层,让Agent替你写文、发布、换外链
RankSpot 是面向 AI Agent 的 SEO 与 AI 搜索执行层,通过 MCP 接入 Claude 或 ChatGPT,让 Agent 完成写文、发布和外链获取。按次付费,每篇文章 3 美元,读数据免费,支持 100 多种语言。

Appxiom:给AI编程助手装上生产环境上下文
Appxiom为AI编程Agent提供生产环境上下文,覆盖崩溃、卡顿、内存泄漏与失败的网络调用,支持Android、iOS、Flutter、KMP和Web,并通过Goal Friction Impact按业务目标排序Bug。