Google DeepMind 发布 Gemini 4 Hydrogen：面向日常智能体工作流的高速执行模型

谷歌旗下的 Google DeepMind 于 2026 年 11 月 12 日发布 Gemini 4 Hydrogen。这是 Gemini 4 系列中面向大众与日常工作负载的模型。Google 在官方博客中把它定位为“智能体工作流的日常主力”，并称其意在把前沿水平的智能带给所有人。博客作者是 Google DeepMind 高级副总裁、谷歌首席 AI 架构师 Koray Kavukcuoglu，文章在 11 月 13 日有过更新。

产品定位：主打快速执行与工具调用

Google 把 Gemini 4 系列分成两层。Gemini 4 Carbon 与 Gemini 4 Argon 是前沿模型，负责长周期、深度推理，用来解决最难的问题。Hydrogen 则面向快速执行，用于日常编码和各类智能体工作流。按 Google 的说法，团队在设计系统或排查隐蔽缺陷时仍会依赖 Carbon 和 Argon 做架构判断，但写代码、跑测试、验证改动这类环节更需要一个快速而守纪律的执行模型。Hydrogen 既可以独立使用，也可以在多模型工作流里充当高效率的执行引擎。

价格与基准成绩

Google 披露，Hydrogen 在默认的“高”思考档位下，于 Artificial Analysis 智能指数上得分 51，高于 Argon 的 50；在最高的 xhigh 档位下为 54。该模型在整个 100 万 token 上下文窗口内实行统一定价：每百万输入 token 1.50 美元，每百万输出 token 7.50 美元。官方还称，Hydrogen 完成任务的速度常常快于同级别模型。需要说明的是，这些数字均来自 Google 自己的发布稿。本次未核对外部榜单或独立复现，不能独立确认这些成绩。

与上一代 Gemini 3.8 Flash 相比，Google 给出的数字是：在高档位默认设置下完成任务快 2.5 倍；Terminal-Bench 4.1 得分从 18.2% 升至 57%，超过三倍；虚构性陈述减少 5 倍以上；工具调用失败或搜索返回空结果时，能更平稳地调整做法。在代码修复类任务上，Google 称它在 SWE-sweep 上优于同级模型，该测试要求模型自行发现并修复缺陷，同时不破坏现有代码。合作伙伴的早期测试显示，在复杂图结构、SQL 和数据密集的企业工作流中，Hydrogen 比 3.8 Flash 快 2 到 2.8 倍，token 用量减少 12% 到 23%。

在更开放的智能体任务上，Hydrogen 在 arena.ai 的实时榜单 Agent Arena 上排名第 5。在领域推理方面，Google 称其在 HLE-Diamond 上以 58.8% 领先同级，在 Vals Tax Agent Bench 上以 52.3% 排名第一，在 Vals Legal Research Bench 上以 55.8% 并列第一，并在 AutomationBench-AA 上领先同级。多模态方面，它在新发布的 Multimodal Knowledge Agent（MKA）基准上得分 53.4%，在 Agents’ Last Exam v1.1 上得分 71.6%。模型支持 100 万 token 输入，输出最长可达 100 万 token，可处理 PDF、电子表格、图表、音频和视频。

Antigravity 中的 Orchestrator

为了让多模型协作自动化，Google 在 Google Antigravity 中推出 Orchestrator。它不再从头到尾只用一个模型，而是在同一会话中动态切换 Carbon 与 Hydrogen 等模型。Google 称，在 Terminal-Bench 4.0 上，Orchestrator 达到接近 Carbon 的任务成功率，平均少消耗 24% 的配额，完成速度快 19%。在需要并行智能体的场景里，Carbon 可担任协调者，Hydrogen 则驱动执行与验证智能体，在相互隔离的工作区中同时构建和测试改动。

思考档位与客户反馈

Hydrogen 提供四个思考档位：low、medium、high（默认）以及新增的 xhigh。Google 表示，这些档位在质量、延迟和成本之间平滑过渡，用户只需为任务所需的推理深度付出等待和费用。

发布稿引用了多家早期客户的说法。Box 称其评测中准确率较 3.8 Flash 明显提高，速度约为两倍，token 少用 12%。STAN 称在推理与创意评测中保持同等准确率和 100% 格式合规，端到端延迟降低 28%，总 token 用量降低 23%。Pixelcut 称在 276 次运行中，模型完成了每一份设计简报，速度快 1.8 倍，代码整洁度提高 30%。LatchBio 称在其抗体开发基准的毒理与安全部分，Hydrogen 的通过率为 67%，而最好的非 Gemini 模型为 37%，每项任务约 13 分钟。这些均为厂商转述的客户评价，属于一手但带有营销性质的说法。

消费端与 Search

在 Gemini 应用中，Google 称 Hydrogen 更贴合用户的语气、格式与具体规则，能从上传文件、Gmail、Google Drive 以及 Airtable、Dropbox 等已连接应用中提取上下文。在 Google Search 中，Hydrogen 将用于更好地理解多部分提问、含错别字或要求很具体的查询，给出更直观的视觉化回答，并升级查询扩展（query fan-out）技术，以便呈现更广泛的相关链接。

安全指标

Google 表示，Hydrogen 采用了最新的 Gemini 4 安全与防护体系。在与 Gemini 3.8 Flash 对比的语境下，据官方数字，它在智能体任务中的越权行为最多减少 81%，服务不足最多减少 79%，工具使用与编码评测中的失准行为和任务取巧减少 12 倍。面对不可能完成或被阻止的任务时，绕过权限边界的可能性最多降低一半，内部智能体诚实度评测达到 94%。在超过 20 万个经审计的回合中，思维链可读性保持在 99.9%，且没有欺骗性的推理编辑。在 Gray Swan 间接提示注入基准的这一测试条件下，Google 称抗攻击能力为其自测对照配置的 2.3 倍以上，这并不表示模型不会被攻破。针对生物安全风险的防护更精准，HealthBench Pro 上的误拒率低于 0.4%。这些数字同样来自 Google 内部评测，细节见其模型卡。

可用范围

自发布当日起，Hydrogen 已开始向全球的开发者、企业和普通用户逐步推出。开发者可通过 Google AI Studio 和 Android Studio 中的 Gemini API 使用，付费的 Google AI Pro 与 Ultra 订阅用户可在 Google Antigravity 中使用。企业可经 Gemini for business 的 API 或模型下拉菜单、Antigravity 使用，符合条件的企业订阅还可在 Google Sheets 的 Gemini 中使用。普通用户可在 Gemini 应用的模型下拉菜单和 Google Search 中使用；免费用户在合适的提示下通过自动模型选择获得 Hydrogen；Google Sheets 中的 Gemini 先向 Pro 与 Ultra 订阅用户开放。

观察

这次发布的重点不在更高的上限，而在更低的执行成本。Google 把最强模型留给“判断”，把 Hydrogen 放在“执行”，并用 Orchestrator 把二者串起来。这一思路能否成立，取决于独立评测能否复现 Google 公布的速度、成本与准确率数据。