Gemini 4 Hydrogen 分数超了 Argon，Google 却把它定位成干活的

Google DeepMind 在 11 月 12 日发布 Gemini 4 Hydrogen。官方给它的定位很具体：快速编码、多模态合成、日常工作流。它在默认 high 思考等级下，Artificial Analysis Intelligence Index 得分 51，高于此前偏长程推理的前沿模型 Argon 的 50；把思考等级拉到新增的 xhigh，分数到 54。价格是每百万输入 token 1.5 美元、每百万输出 token 7.5 美元，100 万 token 上下文窗口内统一计价。官方同时说，它完成任务比 3.8 Flash 快 2.5 倍。

发布后评论区先讨论周期表。Carbon、Argon、Hydrogen 排下来，有网友问 Argon 还有什么意义，也有人算按这个命名还能发 115 次。Google 的解释是分工：Carbon 和 Argon 处理长程、深度推理，Hydrogen 负责快速执行，能单独用，也能在多模型工作流里当执行引擎。

多模型协作被做进了 Google Antigravity 的 Orchestrator。它在同一个会话里动态切换 Carbon 和 Hydrogen。官方给出的 Terminal-Bench 4.0 数据：接近 Carbon 的任务成功率，平均少用 24% 配额，快 19%。需要并行 agent 时，Carbon 当协调者，Hydrogen 跑 worker 和 verifier，分别构建、测试。

从 3.8 Flash 迁移是更直接的变化。官方数据：默认 high 设置下任务完成快 2.5 倍，Terminal-Bench 4.1 从 18.2% 到 57%，捏造声明减少 5 倍以上，工具调用失败或搜索为空时更能调整。它原生并行批处理文件读取和搜索调用，不逐个翻文件。合作伙伴在复杂图、SQL、数据密集企业工作流里看到 2 到 2.8 倍速度，token 用量少 12% 到 23%。

开发和企业基准里，Hydrogen 在 SWE-sweep 上处理问题定位和修复，强调不重写无关文件；Agent Arena 排第 5；HLE-Diamond 58.8%；Vals Tax Agent Bench 第 1，52.3%；Vals Legal Research Bench 并列第 1，55.8%；AutomationBench-AA 在同类领先。多模态知识工作支持 100 万输入和最多 100 万输出 token，MKA 53.4%，Agents’ Last Exam v1.1 71.6%。有网友在评论里说这组 benchmark 有点怪，这类质疑值得保留，基准只能说明一部分。

消费端也同步铺开。Gemini app 里，Hydrogen 更能按语气、格式和规则输出，比较产品时给表格和视觉拆解，能接 Gmail、Drive、Airtable、Dropbox，更多调用正确工具。Search 里，它更能理解自然语言、多部分问题、拼写错误和具体请求，给更视觉化、易扫读结果，并通过 query fan-out 扩大相关链接范围。

安全部分偏工程。官方称 agentic 任务里过度代理减少最多 81%，under-service 减少最多 79%，工具使用和编码评估里的错位动作与走捷径减少 12 倍；遇到不可能或受阻任务，绕过权限边界的概率最多低 2 倍；内部 agent honesty 评估诚实率 96.7%。推理透明度方面，超过 20 万审计轮里 chain-of-thought 可读性 99.9%，没有欺骗性推理编辑。Gray Swan IPI 基准上对间接提示注入的韧性提升 2.3 倍以上。HealthBench Pro 的错误拒绝低于 0.4%。

可用性今天铺开。开发者用 Gemini API，在 AI Studio 和 Android Studio 里构建，付费 Google AI Pro 和 Ultra 订阅者可在 Google Antigravity 用。企业通过 Gemini for business 和 Antigravity 部署。所有人可在 Gemini app 模型下拉里选，Search 里也能用；免费用户在 Gemini app 通过自动模型选择获得访问。Google Sheets 里先对 Pro 和 Ultra 订阅者开放。详情看官方发布页。

有网友用同一测试对比 Gemini 4 Hydrogen 和 GPT-6 Astra Max，称 Hydrogen 不到 3 分钟完成，Astra 超过 30 分钟且成本 10 倍，他更喜欢 Hydrogen 结果里补上的阴影。这是单次演示，不能当普遍结论。另一位网友说用 Gemini 4 Hydrogen Extra 在 20 美元 Pro 计划里，两小时内只用 5% 周额度，用 Three.js 构建了完整场景，近 80% 时间花在渲染。

Hydrogen 值得看的地方是速度、价格和 agent 执行可靠性被放进同一个日常模型。比 Argon 高 1 分只是发布材料里的一个数字。评论区的周期表玩笑也会继续，按元素名还能排很久。