[控场AI]
· 7 分钟阅读· 3,940 字

Gemini 4 Hydrogen发布:更快更便宜,但按任务成本算才是关键

Gemini 4 Hydrogen发布:更快更便宜,但按任务成本算才是关键

Gemini 4 Hydrogen 单价翻倍但单任务成本降至四分之一,揭示按任务而非按 token 计费的选型转向。

Google 发布日常快速模型 Gemini 4 Hydrogen,取代 Gemini 3.8 Flash,与前沿模型 Carbon、Argon 形成“深度思考 + 快速执行”的阵容分工。其 token 单价翻倍,但完成同一智能指数任务的成本从约 7.77 美元降至约 1.87 美元,核心论点是每 token 价格是错误指标、每完成任务成本才值得关注。独立评分显示其智能已接近上一代前沿模型,四档思考深度中中档被认为性价比最高。Google 同时在 Antigravity 中推出 Orchestrator,让 Carbon 规划、Hydrogen 执行,以接近前沿模型的成功率换取更低配额消耗与更快速度。文章也提醒基准多出自厂商自评、竞品在部分测试仍领先,简单高频任务用更便宜的小模型可能更划算。

Google 发布了新一代模型 Gemini 4 Hydrogen,定位是快速、高效的日常模型。它的价格标签翻倍了,但每完成一个任务的成本反而降到了约四分之一。这个看似矛盾的数字背后,藏着 AI 模型选型逻辑的一次重要转向。

命名与定位:元素周期表里的产品线

Google 这一代模型用化学元素命名。Gemini 4 Carbon 和 Gemini 4 Argon 先到,它们是前沿模型,负责深度、长链路的推理。Hydrogen 是最轻的元素,也是产品逻辑的起点——它是阵容里快速、高效的日常选项,取代 Gemini 3.8 Flash。伴随这次发布,Google 也正式退役了沿用超过一代的 Flash 命名。

Google 自己的说法很直白:Carbon 和 Argon 负责深度思考,Hydrogen 负责把日常工作快速做完。

纸面数据与独立评分:日常模型越级挑战

Google 给出的数字包括:任务完成速度显著快于 Gemini 3.8 Flash;在 Terminal Bench(真实命令行编码任务测试)上得分 57%,Flash 为 18%;虚构性陈述的出现频率降低数倍;生成速度约每秒 200 token;支持最多一百万 token 的输入和一百万 token 的输出,足以一次性处理密集的 PDF、表格、图表、音频和视频。

但公司数据需要外部验证。Artificial Analysis 的复合智能指数显示,Hydrogen 默认高档位得分 51,比更大的前沿模型 Gemini 4 Argon 高 1 分;新增的超高档位达到 54。作为对比,Gemini 3.8 Flash 得分 31,Claude Haiku 5.5 最高档位 36,更大的 Claude Sonnet 5.5 为 55。一个被定位为日常选项的模型,智能水平已经接近上一代前沿模型。

Hydrogen支持超长上下文输入

Terminal Bench 是评估大语言模型在真实命令行环境中完成编码与运维任务能力的基准测试。它模拟开发者日常面对的终端操作,例如排查构建错误、修复 Git 冲突、处理文件系统等,要求模型在多轮命令交互中保持状态并正确使用工具。由于任务具有长链路、工具调用和即时反馈的特点,Terminal Bench 得分比传统的单轮代码生成基准更能反映模型在 agent 场景下的实际可用性。Hydrogen 在该项上从 Flash 的 18% 跃升至 57%,说明其 tool-use 能力和多步推理稳定性有实质性提升,而不仅是回答质量变好。

价格悖论:单价翻倍,任务成本却大降

Hydrogen 定价为每百万输入 token 1.50 美元、每百万输出 token 7.50 美元,恰好是 Gemini 3.8 Flash 的两倍。听起来像涨价,但真正的变量是:完成同一个智能指数任务,Flash 消耗的 token 和时间更多,单任务成本约 7.77 美元;Hydrogen 约为 1.87 美元。单价翻倍、任务成本降到约四分之一,原因是它思考更高效、收工更早。

这是整场发布最重要的启示——每 token 价格是错的指标,每完成一个任务的成本才是该看的数字。

不过 Hydrogen 并非市面上最便宜的模型。VentureBeat 指出,它的 token 价格约为 Claude Haiku 5.5 和 OpenAI GPT-6.0 这类小模型最低标准费率的 15 倍。小模型单任务成本仍低得多,分数也更低,但对于简单、大批量的任务,它们可能是更划算的选择。另一个变量是:Gemini 3.8 Flash 的价格将在 1 月 1 日上调至同一水平,便宜选项本来也在消失。

单价不是关键,单任务成本才是

思考档位:为不同任务选不同档

Hydrogen 提供四档思考深度:低、中、高(默认)以及新增的超高。思考越多,答案越好,等待和花费也越多。在超高挡位下,答案的第一个字可能超过半分钟才出现。独立测试者发现中档可能是甜点:指数得分 41,每任务约 80 美分。

实践层面的结论是:不要只挑模型,要按任务类型同时挑模型和思考档位。

思考档位(thinking level / reasoning effort)指模型在生成回答前允许投入的推理计算量。提高档位通常会让模型展开更长的内部思维链、尝试更多验证路径,从而提升复杂任务的成功率,但代价是首字延迟增加和输出 token 数上升。不同厂商的命名与调节方式不同,有的用档位,有的用推理预算 token 数。对开发者而言,思考档位是可调的成本—质量杠杆:简单分类任务用低档即可,架构级问题才值得上到超高。文中提到的“首字延迟超过半分钟”正是高档位的典型代价,而中档在指数得分与成本之间取得平衡,也符合业界对多数日常任务的经验判断。

模型团队:Orchestrator 与 Antigravity

Google 还在编码工具 Antigravity 中推出了 Orchestrator。它不再用一个模型从头跑到尾,而是在模型间切换:大的 Carbon 扮演资深架构师,负责规划和关键决策;Hydrogen 扮演快速工程师团队,写代码、跑测试、检查工作。Google 称,在编码基准上,这个组合接近 Carbon 的成功率,同时配额消耗大幅减少、完成速度更快。

Orchestrator组合接近Carbon成功率

这指向 AI 的下一个形态:不是一个大模型包办一切,而是一个管理型模型加一群快速执行者。演示包括实时闪电数据驱动的 3D 地球、把表格单元格缩小成像素画布,以及用主题演讲视频生成幻灯片并自主审查、发现重叠文字、自行修复布局。最后这个演示的真正信息是——不只生成工作,还会主动检查和修复。

Orchestrator 模式属于多智能体编排(orchestration)的一种实现:由一个能力较强的“管理型”模型负责任务分解、规划与结果验收,再把具体子任务分派给更便宜、更快的执行模型,必要时回传结果让规划模型复核。这种架构的价值在于,它把昂贵的推理集中用在真正需要判断力的节点上,而把大量重复性劳动交给低成本模型,从而在整体成功率接近前沿模型的同时压低配额消耗与延迟。它与单纯的模型级联(cascade)不同,后者只是按难度逐级升级调用,而 Orchestrator 强调角色分工与反馈闭环,也更容易暴露出执行模型在工具使用和上下文传递上的瓶颈。

在哪里用到它,以及安全声明

在 Google 搜索的 AI 模式中,Hydrogen 成为所有人的默认引擎,官方称它更能理解杂乱的多段问题、给出更视觉化的回答、覆盖更广的网站范围。这对网站发布者值得关注。Gemini 应用中,免费用户通过自动模型选择用到它。它也是每月 4.99 美元的 Google AI Plus 计划的主力模型,并逐步进入 Google Sheets,先从 Pro 和 Ultra 订阅用户开始;开发者可通过 Gemini API 使用,包括免费层。

安全方面,Google 声称 Hydrogen 将 agent 任务中的越界行为降低到原来的很小一部分、将不一致动作减少了一个数量级、对提示注入攻击的抵抗力翻倍以上,并在内部 agent 诚实性测试中得分 97%。这些数字来自 Google 自己的评估,独立测试才能验证其成色。

内部安全评估得分97%

如何看待基准测试

基准是标准化测试,有用,但每家公司都会挑对自己有利的测试,自家设计的新基准更需谨慎。最可靠的信号是独立榜单,以及你自己在自己任务上的实测。

诚实的结论

看起来真实的部分:独立分数确认了智能水平的大幅跃升,token 单价上涨的同时单任务成本确实下降了。需要观察的部分:许多基准是新的,部分出自 Google 之手;竞品在某些测试上仍然领先;对简单高频任务,更便宜的模型仍可能更划算。

更大的故事不在 Hydrogen 本身,而在于 AI 正在分裂成专家分工——深度思考者与快速执行者协同工作,聪明的用户会学会把每个任务路由给合适的模型。如果你在用 AI 构建产品,三个动作:衡量每完成任务的成本而非每 token 成本;测试思考档位,从中档开始;让大模型规划、快模型执行。Hydrogen 是宇宙中最轻的元素,Google 赌的是最有用的 AI 也可能同样轻、快、无处不在。

提示注入(prompt injection)指攻击者把恶意指令藏在模型会读取的内容里——网页、文档、邮件或工具返回结果——诱使 agent 偏离原任务、泄露信息或执行危险操作。对具备浏览器、文件系统和命令行权限的编码 agent 来说,这是最现实的安全风险之一。常见的缓解手段包括隔离不可信内容与指令、对工具调用做权限白名单、在关键动作前要求二次确认,以及训练模型识别“数据中的指令”。文中称 Hydrogen 对提示注入的抵抗力翻倍以上,这类指标高度依赖测试集的构造方式,因此评估时应关注攻击类型覆盖是否全面、是否包含多步间接注入,而不仅看一个百分比。

#Gemini 4 Hydrogen#Google AI模型#每任务成本#Orchestrator#AI模型选型#Artificial Analysis#思考档位#Gemini API
分享:

相关推荐