Gemini 4 Hydrogen实测:Google新日常主力模型

Gemini 4 Hydrogen 接替 Flash,以速度和性价比成为 Google 新的日常主力模型。
Google 在 Gemini 4 Carbon 发布两天后推出 Gemini 4 Hydrogen,定位不是旗舰替代品,而是接替 Flash 的日常主力模型,核心取向是速度与成本平衡。它发布当天全球上线,免费用户可通过自动模型选择使用,Pro 订阅与开发者各档位也已覆盖,API 定价输入 1.50 美元、输出 7.50 美元,介于 Flash 与 Carbon 之间。基准测试中多项超越 Sonic 和 Terra,在高思考级别下于 Artificial Analysis 智能指数上部分超过 Argon。实测显示它 15 分钟可生成太空战机小游戏、约 23 分钟生成多风格动画视频,适合快速原型而非精致成品;写作能力尤为突出,生成脚本风格自然、更像人写。
Google又发布新模型了。距离Gemini 4 Carbon亮相仅隔两天,Gemini 4 Hydrogen便接踵而至。但Hydrogen并非Carbon的替代品,它瞄准的是另一个位置——Google新的日常主力模型,用来接替Flash的角色。据B站UP主Paul J Lipsky的实测分享,这可能是Google很久以来发布的最重要的模型。
Hydrogen的定位:速度优先的日常主力
Google在发布说明中列出了Hydrogen的四个突出方向:快速调试与代码库快速迭代、开放式智能体执行、多模态知识工作、网页开发。整体来看,Google在Hydrogen上最看重的就是速度。
这一取向在实际使用中感受明显。UP主用它处理日常事务——写邮件、做PDF表格图表、制作演示文稿——更强的模型也能做这些,但Hydrogen快得多。这种速度优势让它适合成为那种"价格够亲民让你每天全天都能用,又足够聪明让你愿意一直用下去"的模型。
对比来看,Argon和Carbon这类模型令人兴奋,但它们服务于最重要的任务和规划场景;日常使用则需要一个主力模型,Hydrogen看起来就是Google给出的答案。
Flash 模型是 Google 自 Gemini 1.5 时代起推出的轻量级模型系列,定位为高性价比的快速响应模型,通常用于对延迟敏感、成本敏感的大规模日常调用场景。与 Pro、Ultra 等强调推理深度的型号相比,Flash 牺牲部分复杂推理能力来换取更低的单价和更快的首 token 延迟。Hydrogen 接替 Flash,意味着 Google 在日常主力档位上完成了代际切换——定位逻辑延续(快、便宜、够用),但底层能力已升级到足以在部分基准上超越前代旗舰的水平。这也解释了为何文章强调 Hydrogen 是 Google 近期最重要的发布:Flash 系列承载的是实际调用量最大的一层用户,其换代影响面远超单次旗舰发布。
上线范围与定价策略
Hydrogen从发布当天起全球上线,覆盖面相当广。免费用户也能通过自动模型选择用到它;Pro档订阅账号已经可以使用Hydrogen,而Carbon在该账号上仍处于锁定状态。开发者可在Google AI Studio的所有档位使用它,付费档还能通过Gemini API和Android Studio调用。在Antigravity和Gemini for Google Sheets中,它先向Google AI Pro和Ultra订阅用户开放。

API定价方面,输入费用1.50美元、输出费用7.50美元。这个价格比Gemini 3.8 Flash贵,但比Carbon便宜——不过按当前价格,它也没比Carbon便宜多少。关键在于Carbon现在有折扣,等折扣结束,两者的价格差距就会拉大。
基准测试:超越Sonic和Terra,部分场景强于Argon
Google官方拿Hydrogen与Sonic、Terra做了对比,这多少说明了它的级别归属。结果显示,Hydrogen在很多项基准测试上超过了Sonic和Terra——不是全部,但很多项都超了,在这个级别里算得上能力很强。
基准测试没反映出来的一点更值得注意:在默认高思考级别下,Hydrogen在Artificial Analysis智能指数上其实超过了Argon。也就是说,至少在某些方面,Hydrogen比Google上一款最先进的模型更强。
Artificial Analysis 智能指数是第三方评测机构 Artificial Analysis 维护的综合模型能力评分,它汇总 MMLU-Pro、GPQA、LiveCodeBench、数学推理、指令遵循等多类基准,按统一权重折算成单一分数,用于跨厂商横向比较。该指数的一个特点是区分“思考级别”或推理预算:同一模型在高思考模式(更长思维链、更多采样)与标准模式下得分差异明显。因此文章提到“默认高思考级别下 Hydrogen 超过 Argon”,指的是在同等推理投入下比较,而非裸模型能力。需要注意的是,综合指数会掩盖任务类型间的巨大差异,单一分数领先不代表在所有子项上都更强,实际选型仍应结合具体负载做定向评测。
实测案例:15分钟生成太空战机游戏
UP主设计了一个"太空战机基准测试",让Hydrogen做一个类似Star Fox的小游戏。用Gemini 4 Hydrogen High完成整个游戏只花了15分钟,可以移动飞船、射击、做翻滚,还有敌人和必须穿过的圆环。

与Carbon的版本相比,Hydrogen的画面方块感更重、更老派,Carbon那个明显更顺滑精致。但Hydrogen版本有一个其他版本没有的细节:左下角会弹出队友和敌人发来的消息。总体而言,一个15分钟生成的游戏达到这个水平已经相当不错。
多模态知识工作:他感受差异最大的领域
UP主特别强调,多模态知识工作是他看到差别最大的地方。
墨水风格讲解视频:要求不做声音、不做配音、只要画面,生成花了不到10分钟。UP主故意没给具体要求,想看看模型自由发挥的效果。他觉得讲解本身做得很好,从画面上看效果成立,只是希望能看到更多动态。
多动画风格追逐视频:设定是两个人被狼追赶,每次穿过门动画风格就变一次,用来测试模型能想出哪些动画风格,模型还自己配了音效。这条花了约23分钟。有些动画风格效果不错,但视频绝对算不上完美——中间有一段明显乱掉了。

这些案例的共同结论是:想要看起来精致的游戏或动态画面,可能得用Carbon这类更强的工具;但如果只是快速生成东西,Hydrogen出结果更快,也很适合做原型制作。用Hydrogen可以做得更便宜更快,等概念差不多定下来再切换到Carbon。
多模态知识工作指的是模型同时处理文本、图像、图表、音频、视频等多种输入,并产出结构化或富媒体结果的任务形态,例如把一份 PDF 财报转成带图表的幻灯片、从截图中提取信息并生成讲解视频、在文档与画板之间来回转换内容。与单纯的图像识别或视频生成不同,这类任务要求模型在多种模态之间保持语义一致,并维持较长的任务链条。它对模型的上下文长度、跨模态对齐能力和工具调用编排都有较高要求,也是当前各家模型拉开差距的主要战场之一。文中 Hydrogen 在 10 分钟内生成无配音讲解视频、23 分钟生成多风格追逐动画,正是这种端到端多模态编排能力的体现。
写作能力:更像人写的文字
UP主让Hydrogen写一份介绍Claude新功能的脚本:给它访问电脑上一个文件夹(存有他喜欢的语气和脚本风格文件),还开放了过去所有YouTube视频的文字记录作为参考。
生成的开场白介绍了Claude Whiteboard——在Claude里头脑风暴后,可以把聊天窗口里堆着的大段文字整理成可视化图形、箭头和时间线,和团队在画板上协作,还能直接把画板变成文档、幻灯片或发送到其他工具,属于更大更新的一部分(同时推出Cloud Sheets、Cloud Data和Cloud Meetings)。

UP主的评价是:作为一条AI生成的YouTube开场白,这已经非常强了。写出更像人写而非AI写的文字,恰恰是AI一直不太擅长的,这次它做得不错。写作本就是Gemini一直擅长的领域,Hydrogen延续了这一点。
值得等的那个日常主力
需要说明的是,这些只是不到24小时的初步印象,远非完整评测。Hydrogen当然不如Carbon强大,但它在智能和成本之间平衡得很好,是个很强的模型。
对于大量日常任务而言,这种平衡可能比峰值能力更重要——你不必为每个小任务都动用最贵的模型,也不必忍受慢吞吞的响应。Hydrogen填上的正是这个空档,而UP主表示,这正是他个人一直在等的模型。
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。