[控场AI]
· 6 分钟阅读· 3,095 字

Gemini 4 Hydrogen与Carbon实测:轻量模型逆袭旗舰?

Gemini 4 Hydrogen与Carbon实测:轻量模型逆袭旗舰?

Google 连发 Hydrogen 与 Carbon 两款 Gemini 4 模型,实测显示轻量款日常够用,旗舰款强但慢六倍。

文章评测了 Google 隔天发布的两款 Gemini 4 模型:面向大学生免费的轻量级 Hydrogen,以及需 99 美元/月 Ultra 会员才能解锁的旗舰推理模型 Carbon。通过微恐短片、Keynote 网页、复古游戏和 SimpleBench 挖坑题四项横评,作者发现 Carbon 在细节、审美和分镜上更强,但耗时可达 Hydrogen 的六到七倍;Hydrogen 在 PPT、游戏和推理题上与 Carbon 差距不大,且响应更快、交互更友好。最终建议普通用户用 Hydrogen,尝鲜 Carbon 去 AI Studio 按量付费,不必直接冲 Ultra。

Google 隔天连发两款 Gemini 4 模型——轻量级 Hydrogen 和旗舰推理模型 Carbon。一个面向大学生开放,一个要 99 美元/月的 Ultra 会员才能解锁。B 站 UP 主用微恐短片、Keynote 网页和 SimpleBench 题库做了横评,结论有点反直觉:轻量模型日常够用,旗舰模型强但慢得让人崩溃。

两款模型的身价与定位

Hydrogen 是 3.8 Flash 的正式接班人,宣称速度快了两倍半,只要通过大学生认证就能免费用。UP 主实测发现它其实比 3.8 Flash 略慢一些,但仍在可接受范围。

Carbon 则是 Google 目前压箱底的推理大模型,20 美元/月的 Pro 会员也用不了,必须订阅 99 美元/月的 Google AI Ultra 顶配会员才能解锁。普通用户想尝鲜,可以去 AI Studio 按量付费,用多少算多少,不必直接上 Ultra。

跑分上,第三方权威榜给 Carbon 打出 59-60 分的成绩,直接杀进全球大模型智商榜前三甲,和 Claude 最新旗舰互有胜负。更夸张的是轻量化 Hydrogen,思维链拉高之后跑出 94 分,把上一代主力旗舰 Argon 都干倒了。

Google AI Ultra 是 Google 在 2025 年推出的最高档订阅层级,月费 99 美元,定位介于普通 Pro 会员与企业方案之间。它打包了 Gemini 系列中最强推理模型的访问权限、更高的 AI Studio 配额、更大的云存储空间以及部分 Google 实验室功能的优先体验权。与 20 美元/月的 Pro 档相比,Ultra 的核心卖点在于「解锁天花板模型」,而非增加日常使用量。文章提到 Carbon 必须 Ultra 才能用,正是这一策略的体现:Google 试图用旗舰模型把重度用户往高价位引导。

AI Studio 按量付费则提供了另一种路径。Google AI Studio 是面向开发者的网页端与 API 试验平台,用户可按 token 消耗量结算,不必包月。对于只想短时试跑 Carbon 的普通用户,按量付费能避免直接承担 99 美元的沉没成本,但需要自行控制调用次数,否则高推理模型的长思维链会迅速推高账单。

SimpleBench 是一个第三方推理评测集,题目多为需要绕开直觉陷阱的常识与逻辑题,典型如「农夫带狼过河」「开锅放冰块」这类看似简单却暗藏条件变化的场景。它不考知识广度,而考模型能否识别题面中的隐含假设,因此常被用来检验模型的「真推理」而非「背答案」。文章用它做挖坑测试,正是取其反套路特性。

微恐短片:8 分钟 vs 53 分钟的差距

UP 主的第一项测试是让模型生成 30 秒中式恐怖短片,要求自带反转、配乐、中文旁白,所有素材自己想办法搞定。

Hydrogen 用 8 分钟左右完成了全流程。画面带噪点处理,恐怖氛围到位,故事逻辑完整——纸人没点眼睛不会动,主角举蜡烛照过去发现三个纸人都在墙角,刚松口气却想起店里今天只扎了两个。反转成立,配乐也没问题。唯一的槽点是旁白用了在线生成,效果有点难绷,换成另一种配音后舒服不少。

旁白配音效果对比

Carbon 这边,UP 主等了 53 分钟才拿到成品——期间电脑还自动外放调试音频,半夜刷牙被吓一跳。成品细节确实更细:声控灯短片里切了静帧,保留了手机黑边、白边甚至屏幕上的指纹,时间戳显示零点 44 分,文笔和情绪递进也更强。

但槽点同样明显:没有全屏选项,没有噪点质感,界面交互不如轻量模型讨喜。UP 主直言“53 分钟就有点难崩了”,花七八倍时间换这点提升,性价比存疑。

思维链(Chain-of-Thought) 指模型在给出最终答案前,先展开一段中间推理步骤再作答。对推理型模型而言,思维链拉长通常意味着更多自我检查与分支探索,正确率上升,但生成耗时和 token 消耗也同步增加。文章说 Hydrogen「思维链拉高之后跑出 94 分」,指的是在评测中允许轻量模型进行更长的内部推理,从而在智商榜上反超上一代旗舰 Argon。这也解释了为何 Carbon 在短片任务中要等 53 分钟:旗舰推理模型默认走深度思考路径,每一步生成都附带大量中间推演,时间成本自然远高于轻量模型。

第三方智商榜(如文章提到的 59-60 分排名)通常由独立机构用统一题库对各家模型做盲测打分,分数反映综合推理能力,但不直接对应生成速度或交互体验。Carbon 杀进前三甲说明其推理上限确实高,可这与「日常干活好不好用」是两个维度——UP 主的核心结论正是建立在这一区分上。

Keynote 网页:五五开的办公场景

第二项测试是给老板做月度汇报 PPT。输入是一段很寒酸的流水账:这个月做了视频、涨了 300 粉丝、有一条突破两万播放,想加预算买个麦克风。

两个模型生成时间差不多,Hydrogen 约 5-6 分钟,Carbon 约 7 分钟。内容上,Hydrogen 把流水账包装成“极限资源下的单兵突破”,写出“刻意暂缓短期商业变现”“以极低成本试错跑通自然流爆款闭环”这类黑话,还做了流量杠杆图表,顺便暗讽剪辑人员缺席和麦克风采样率拖累完播率。

PPT 生成效果对比

Carbon 的版本更“发布会”一些:“五百元总投入跑通高纯度自然流增长闭环”“单兵冗灾与即日 ROI 拆解”“一块六毛钱一个真粉击穿行业底线”,黑话密度更高,老板大概率也看不懂。最后一页申请 300 元声学基建预算,Carbon 版本甚至自带“直接批准”的按钮,仪式感拉满。

UP 主评价:Carbon 质感更高级,但两者差距没有时间差距那么大。

游戏与 SimpleBench:差距进一步缩小

第三项是复古霓虹街闯关问答游戏,题目由 UP 主自己出。两个模型做出来的封面几乎一模一样,Carbon 版飞机质感稍好,暂停界面多了一层蒙布和文字细节,但整体都“非常简陋”,差距有限。

游戏生成界面

最后用 SimpleBench 风格题库挖坑测试——农夫带狼过河需要几次、开着的锅里放冰块剩几块。两个模型都避开了陷阱,答出正确答案,轻量模型响应还更快。UP 主判断:这类经典推理题,Hydrogen 能答对的,Carbon 一般也没问题。

怎么选:时间成本才是分水岭

Carbon 在光影审美、分镜处理、细节稳定性上确实更稳更狠,深度思考带来的提升肉眼可见。但代价是每次任务耗时可能是 Hydrogen 的六到七倍,日常干活有杀鸡用牛刀的感觉。

对大学生和普通用户来说,Hydrogen 已经足够强:免费、快、能完成短片、PPT、游戏这类综合任务。Carbon 更适合对细节有极致要求、且愿意为一点提升等待数十分钟的场景。UP 主的建议很直接:想尝鲜去 AI Studio 按量付费,别为了试旗舰模型直接冲 99 美元会员。

他在查资料时还翻到一份关于几亿人真实 AI 聊天行为的统计报告,发现每天用 AI 聊极客话题、写代码的其实只是很小一部分,真实世界的主流用法和想象中完全不一样——这部分内容他准备下期单独聊。

#Gemini 4#Gemini 4 Hydrogen#Gemini 4 Carbon#Google AI Ultra#SimpleBench#AI 模型对比#轻量模型
分享:

相关推荐