Gemini 4 Hydrogen 评测:编程与办公新进展(2026年11月)
一、这次更新,为什么值得关注
Gemini 4 Hydrogen 于 2026 年 11 月 12 日公开发布。它来自 Google(美国)旗下的 Google DeepMind(英国),主打日常编程和多步骤任务执行。相较于继续堆高最困难问题上的推理能力,这个版本更值得普通用户关注的地方,是能否把看资料、修改、检查和交付连成一个更顺畅的过程。本篇是基于公开资料的案头评测,未进行付费 API 调用、真实项目迁移或独立速度测试。Google:Hydrogen 发布公告(2026-11-12)
我们的初步判断是:如果工作每天都围绕代码仓库、PDF、表格和网页展开,Hydrogen 值得进入候选名单;如果只是偶尔润色几句话,升级收益未必足以抵消换工具、重新授权和适应界面的时间。发布两天后的信息足以分析产品结构和价格,却不足以证明它已经在各种中文业务里稳定领先。以下结论因此围绕可核验的规格、使用边界和具体成本展开。
Gemini 系列首次公开是在 2023 年 12 月 6 日;最近的重要节点是 2026 年 11 月 10 日 Carbon 面向更广泛用户开放,以及两天后的 Hydrogen 发布。前者与后者构成了不同的任务分工。对用户而言,更有意义的问题是“这一步需要多深的判断”,因为同一个项目里的资料整理、代码执行与架构决策,通常没有必要都使用完全相同的资源配置。Google:Gemini 首次发布(2023-12-06) · Google:Carbon 发布与引入价期限
这也改变了评测重点。聊天回答漂亮,只能说明表达环节表现不错;能否在实际工作中省事,还取决于是否读对了文件、保留了限制、执行了合适的工具,以及最终结果是否便于验收。我们把这些因素放在模型宣传之外单独讨论,避免用一次精彩演示代替对日常可靠性的判断。
二、先分清模型、应用与自动调度
稳定模型已经可用,但入口的权限不同
官方模型页把 gemini-4-hydrogen 标为 Stable,输入支持文本、图片、音频、视频和 PDF,输出是文本。它的多模态能力主要体现在理解资料;出图、配音或生成视频仍需要相应的其他模型或产品功能。Gemini 应用里的生成能力,不能全部归到 Hydrogen 这个 API 模型身上。Hydrogen 官方模型规格
| 层级 | 当前含义 | 使用边界 |
|---|---|---|
| Hydrogen 稳定模型 | gemini-4-hydrogen,Stable | 明确模型,不等同应用全部功能 |
| 思考等级 | low / medium / high(默认)/ xhigh | 属于执行配置,不是四个付费模型 |
| Gemini 应用 | 含自动选模与订阅权益 | 不能直接套用 API 规格和额度 |
| Antigravity Orchestrator | 多模型工作流调度 | 整体结果不能归为 Hydrogen 单模型成绩 |
| 版本别名与预览 | 通用 latest 别名可能变动 | 未核实别名映射时,保留具体模型 ID |
“稳定版”说明它属于官方稳定模型类别,仍不等于所有入口、地区和账户都具备相同功能。免费 Gemini 应用用户可以在适合的提示下通过自动选模使用 Hydrogen;开发者则可在 AI Studio 和 Gemini API 的免费、付费层使用。公告对 Antigravity 的开放范围写的是付费 Google AI Pro 和 Ultra 订阅者。具体入口要以账户实际权限为准。Google:Hydrogen 发布公告(2026-11-12) · Gemini 应用额度与可用性说明
Hydrogen 新功能与迁移说明Carbon、Argon 与 Hydrogen 的分工图来自官方产品定位,不是性能排名。我们的编辑判断是,Hydrogen 更适合承担有明确输入、明确验收条件的日常任务;涉及需求取舍、复杂架构和跨系统因果关系时,更强推理模型仍可能有价值。选择依据应是错误后果和任务结构,而不是名称中的元素看起来谁更“高级”。Hydrogen 新功能与迁移说明
默认设置会直接改变体验
Hydrogen 支持 low、medium、high、xhigh 四档思考等级,默认 high。与其把 xhigh 当作永久开启的质量按钮,不如理解为允许模型投入更多思考的选项:它可能帮助解决难题,也可能增加等待和输出侧费用。对于短文本提取、固定格式分类等任务,额外思考的收益需要验证;对于依赖多处代码关系的修复,压得过低也可能增加返工。Gemini 思考等级文档
API 的明确模型 ID、应用里的模型选择和 Antigravity 的 Orchestrator 属于不同层次。Orchestrator 是工作流调度能力,会在会话中切换模型;它的整体表现不能当成单独调用 Hydrogen 的效果。我们也不会把其他模型别名自动视为这个稳定版:只要服务端会动态路由,使用者就需要区分“我选择了某种体验”和“我固定调用了某个模型”。Google:Hydrogen 发布公告(2026-11-12) · 官方模型版本与别名说明
三、能力提升有依据,结论仍要看任务
编程基准说明了什么
Google 在发布公告中报告,Hydrogen 在 Terminal-Bench 4.1 的成绩为 57%,Gemini 3.8 Flash 为 18.2%。同一厂商给出的这组结果说明其终端任务执行能力有明显提升信号;57 ÷ 18.2 约为 3.13,是成绩比例,不代表开发效率提高 3.13 倍。测试中的运行环境、代理工具和资源预算都会影响结果,这里未进行独立复测。Google:Hydrogen 发布公告(2026-11-12)
Google:Hydrogen 发布公告(2026-11-12)终端任务有一个对日常工作很实际的意义:模型需要跨越“提出建议”与“产出可检查结果”的距离。例如一次依赖升级,真正的难点可能不是改版本号,而是找到受影响的调用点、理解失败信息,并在修改后完成合适的验证。较好的基准成绩使 Hydrogen 值得尝试这些工作,却不能说明你的旧工程、私有工具和特殊构建环境已被覆盖。
判断编程助手时,我们更在意它是否收敛修改范围。一个看似能运行的新实现,如果同时重写了无关模块、移除了既有边界条件,可能把审查成本推给维护者。对已有工程而言,清楚解释改变了什么、为什么改变、验证到哪一步,往往比输出更多代码有价值。这是我们评价产品适配性的标准,本文没有证据认定 Hydrogen 在你的仓库里一定满足这些标准。
多模态办公:读懂材料之后,还要保留依据
Hydrogen 的输入覆盖多种办公资料,工具列表也包含代码执行、文件搜索、函数调用、结构化输出与搜索接地。对分析者来说,这种组合的潜力在于把图片中的表、文档中的条件和文本中的要求放在同一任务里处理。但“支持输入”只说明接口能力,不能直接推出扫描件识别精度、跨页表格完整性或中文行业术语正确率。Hydrogen 官方模型规格
| 能力 | 已公开支持 | 实际使用时的判断 |
|---|---|---|
| 多模态理解 | 文本、图片、音频、视频、PDF 输入 | 理解准确率仍取决于具体材料 |
| 工具与执行 | 代码执行、函数调用、电脑操作 | 应用需提供运行环境和权限 |
| 资料检索 | 文件搜索、Search / Maps 接地、URL context | 入口、配额和费用分别核对 |
| 结构化交付 | 结构化输出 | 格式正确仍需核验业务含义 |
| 媒体生成 | Hydrogen 本身不支持图像与音频生成 | 需要相应生成模型或应用功能 |
| 实时语音 | 该模型不支持 Live API | 不能把音频输入等同实时语音会话 |
设想一个采购评估任务:几家供应商的 PDF 各自使用不同的单位和折扣条件,最终还要生成一张对照表。真正有用的答案应保留出处、识别无法直接比较的口径,并把未披露项留空。如果模型只是把所有数字规整地排列,就可能产生视觉上完整、实质上错误的比较。Hydrogen 提供了完成这类工作的接口条件;最终可用性仍需要原始材料和人工核对共同支撑。
视频理解也适合从“能否定位证据”来判断价值。例如复盘一段产品演示,用户需要知道某个按钮在什么时候出现、操作后发生什么,而不仅是得到一段流畅摘要。资料中的关键画面、时间和结论之间能否对应,是比摘要长度更好的质量标准。本篇没有验证其长视频召回、中文口音识别或复杂表格抽取的实际表现,不为这些能力给出实测分数。
百万上下文的真实含义
规格中的 1,048,576 token 是输入、思考和输出共享的窗口。普通同步生成默认最多 65,536 token;超过这个规模,需要使用 long decode,通过后台执行或客户端续接完成。不能一边把窗口装满输入,一边预期仍能额外得到完整的百万 token 输出。相关上限也包括思考消耗,最终可见文字长度可能低于用户对数字的直觉。共享窗口与 Long decode 文档
对长资料任务,这个区别会影响预算和交付方式。一次塞入整套文件,减少了手动拆分的步骤,却也增加了核对困难:读者可能无法分辨答案依据了哪个版本、是否漏掉附件、前后结论是否一致。我们的判断是,长上下文最适合扩大可参考范围,最终交付仍应控制结构和篇幅。可定位的章节、文件名和计算过程,比单纯拉长回答更能降低复核成本。
四、工具生态与使用体验:便利来自整条流程
Google 生态的价值,在于少搬运一次资料
开发者可以通过 Gemini API 使用 Hydrogen,在 AI Studio 里验证交互,并在支持的开发工具中接入。Google 的开发者公告也列出了 Android Studio、Gemini for business 与 Antigravity 等入口。对于已经使用这些环境的团队,优势是较容易把模型放入现有工作;如果团队长期依赖另一套开发代理,迁移成本则可能超过单次模型调用的价格差。Google:Hydrogen 开发者入口
办公用户感受到的差别往往更具体:是否需要下载文件再上传、是否保留共享权限、结果是否能回到团队使用的文档里。Hydrogen 的模型规格无法独自回答这些问题,因为连接器、工作区设置和应用版本决定了很多细节。评估生态时,应按自己真正要使用的入口理解产品,不能用某个演示中的完整工作流,替代所有订阅者都能得到的体验。
Google Search 同期开始引入 Hydrogen,官方强调多部分问题理解、并行检索与更丰富的结构化展示。它适合帮助寻找和组织信息,但搜索结果里的链接仍值得点开:答案中的时效、条件与原文是否一致,直接影响结论质量。我们的评价是,搜索入口扩大了接触模型的机会;它不能代表 API 工具权限,也不构成应用始终固定使用某个模型的证明。Google Search:Hydrogen 更新
迁移成本不只是一行模型名称
从 Gemini 3.8 Flash 迁移时,官方指南要求注意默认思考等级变化、共享上下文、显式缓存移除和会话状态。旧的 minimal 思考值不受支持,工具调用与结构化输出也应使用正式声明。对于已经有复杂封装的团队,真正的工作量在于检查这些假设是否写进了请求构造、费用估算和错误处理,而不只是把模型字符串替换成功。Hydrogen 新功能与迁移说明
这对产品体验有直接影响。旧系统可能为了压缩费用设置很小的输出预算,换成默认 high 后,预算被思考消耗,最终文字反而不完整;缓存封装也可能继续尝试创建不支持的显式缓存。用户看到的是“新模型不好用”,实际原因却可能来自接入层。我们把这种兼容成本计入评分,因为对付费团队来说,迁移需要消耗的工程时间同样真实。
五、价格分析:低单价与低总成本之间还有距离
API 价格与计费档位
以下为官方直连 Gemini Developer API 的美元价格,每百万 token 计费。标准输入为 $1.50,输出含思考为 $7.50,缓存命中输入为 $0.075。Batch 与 Flex 的输入、输出价格各为标准的一半;Priority 为标准的 1.8 倍。Contributor 是邀请制预览,享有折扣的同时涉及数据贡献,不能和普通付费服务混为一谈。Gemini Developer API 官方定价
| API 档位 | 输入 / 百万 | 输出含思考 / 百万 | 缓存输入 / 百万 | 说明 |
|---|---|---|---|---|
| Standard | $1.50 | $7.50 | $0.075 | 普通付费基准 |
| Batch | $0.75 | $3.75 | $0.0375 | 异步批处理 |
| Flex | $0.75 | $3.75 | $0.0375 | 以灵活处理换取折扣 |
| Priority | $2.70 | $13.50 | $0.135 | 较高优先级,非延迟承诺 |
| Contributor | $0.75 | $3.75 | $0.0375 | 邀请制预览,贡献数据用于改进 |
| Free | $0 | $0 | $0 | 限额;工具与数据规则另看条款 |
假设一个月累计处理 1,000 万未缓存输入 token 和 200 万计费输出 token,标准费用是 10 × $1.50 + 2 × $7.50 = $30。同样用量在 Batch 或 Flex 下的 token 费用为 $15,Priority 为 $54。这是统一用量的算术示例,不是实际任务报价;不同档位的可用性、等待时间和处理方式不能只用价格替代。输出数字已经假定包含思考,不能只数界面上看到的文字。
如果上述输入中有 80% 真正命中隐式缓存,标准 token 费用变为 2 × $1.50 + 8 × $0.075 + 2 × $7.50 = $18.60,相对 $30 下降 38%。80% 是示例假设,不能理解成默认命中率。官方缓存文档给出的 Hydrogen 最低可缓存输入规模为 4,096 token,命中情况要从使用量记录读取;短对话和不断变化的资料,不能预先按缓存低价全部计算。官方隐式缓存与命中统计说明
搜索还会增加独立费用:付费档位的 Google Search 接地每月有跨 Gemini 3 及更新模型共享的 5,000 次免费查询,此后为每千次 $14,并受文档列出的每日上限约束。一次用户请求可能产生多次查询。因而模型 token 账单、检索账单和团队人工处理成本,需要在讨论“省钱”时一起看,尤其是那些反复搜索、生成很长中间结果的自动流程。Gemini Developer API 官方定价
个人订阅买的是应用权益
官方美国区个人页面列出的月价包括 Free $0、Google AI Plus $4.99、Pro $19.99,以及 Ultra 5x $99.99、Ultra 20x $199.99。它们按不同层级提供应用模型和额度权益;地区、账户和后续价格调整都可能影响结算。这里不把个人订阅折算成固定 API token 包,也不把“使用倍数”写成承诺的每日消息条数。Gemini 官方个人订阅(美国区)
| 个人方案 | 美国区月价 | 与本篇相关的权益 | 选择依据 |
|---|---|---|---|
| Free | $0 | 适合的请求可自动使用 Hydrogen | 先判断是否存在长期需求 |
| Google AI Plus | $4.99 | 应用内 Hydrogen、较高额度 | 以日常聊天和资料处理为主 |
| Google AI Pro | $19.99 | Hydrogen、Argon 与开发平台相关权益 | 需要更完整的应用组合 |
| Ultra 5x | $99.99 | Carbon 等更高层级访问与额度 | 高频工作,确认权益能用到 |
| Ultra 20x | $199.99 | 更高使用额度 | 高负载用户,仍非无限量 |
选择 Plus、Pro 或 Ultra,首先要看自己是否真的使用对应应用权益。例如,单纯希望在聊天里更频繁使用 Hydrogen,和每天在开发平台里运行代理,属于不同需求。昂贵套餐可能通过节省等待和人工操作产生价值,也可能只是买了闲置额度。由于本篇没有登录账户进行长时间工作负载测试,我们不声称某个订阅一定足以支撑全天使用,也不为任何固定工作量承诺不会触及限制。
总成本的关键是完成一项可验收工作的费用。假如较便宜的模型需要反复返工,而较贵的模型能更快得到可靠结果,前者未必划算;反过来,对稳定的表格整理任务一直开启最深思考,也可能在没有改善交付的情况下增加费用。Hydrogen 的标准价给了团队更灵活的选择空间,价格优势能否兑现仍取决于自己的任务分布、重试次数和复核要求。
六、隐私与可靠性:按入口理解边界
Gemini API 的未付费服务与付费服务有不同的数据处理约定。官方条款说明,未付费服务内容可被用于改进产品,且可能接受人工审核;普通付费服务的提示和回答不会被用于产品改进。是否属于付费服务取决于条款中的账户与 Cloud Billing 条件,不能简单用“本次请求有没有扣钱”判断。本文讨论的是 API 条款,个人 Gemini 应用需要另看其自身设置与政策。Gemini API 数据处理条款
付费服务也不等于没有日志。官方文档说明,Interactions API 调用默认启用开发者日志,2026 年 10 月 26 日及以后创建的项目,其 Generate Content 调用也默认启用;项目所有者可以调整。开发者项目日志、滥用监控日志与主动共享数据又属于不同机制。Contributor 折扣尤其需要单独理解:主动参与贡献的数据使用边界,不能套用普通付费档位的结论。官方数据日志与 Contributor 说明
对企业来说,模型有没有更好的安全训练,只是可靠性的一部分。真正使用工具时,还需要由应用决定哪些文件能读、哪些操作能写、哪些结果需要人来确认。如果模型把网页中的内容误当成工作指令,或者对无法执行的步骤给出过度肯定的描述,后果取决于工具实际拥有的权限。本文因此不会把模型的稳定版本状态解读为无需人工验收的许可。
我们的编辑建议是按结果的可逆性判断使用范围:资料归纳、草稿和局部代码修改较容易检查,涉及外部写入或不可逆操作则更依赖应用本身的控制。对用户而言,最好的体验也应让“完成”“失败”和“尚未验证”容易区分。回答语气自信与任务已经完成是两回事,而自动执行的便利只有在结果可追踪时,才能长期降低沟通成本。
七、横向比较:同价位看结构,别拼接排行榜
我们选择 Claude Sonnet 5.5 与 GPT-6.1 Sol 作为外部参照。Sonnet 5.5 于 2026 年 9 月 28 日发布,官方标准全球价为每百万输入 $2、输出 $10,支持百万上下文。GPT-6.1 Sol 官方模型页同样列出 $2/$10,但 API 输入超过 272K 时会对整次请求提高输入、缓存和输出费率。下表比较的是公开规格与使用条件,没有据此推导同条件性能排名。Claude Sonnet 5.5 官方规格与发布日期 · Claude 官方 API 定价 · GPT-6.1 Sol 官方规格与计费条件
| 项目 | Hydrogen | Claude Sonnet 5.5 | GPT-6.1 Sol |
|---|---|---|---|
| 标准输入 / 输出,每百万 token | $1.50 / $7.50 | $2 / $10(全球) | $2 / $10(基础档) |
| 上下文 | 1,048,576,共享输入、思考与输出 | 1M | 1,050,000 |
| 普通输出上限 | 65,536;更长需续接机制 | 128K | 128,000 |
| 主要模型输入 | 文本、图片、音频、视频、PDF | 文本与图片 | 文本与图片 |
| 重要价格条件 | 长上下文标准价不分段;工具另计 | 地区与缓存写入费另看官方表 | 输入 >272K:整次输入/缓存×2,输出×1.5 |
| 选择重点(编辑判断) | 多模态资料与 Google 工作流 | 既有 Claude 工具与接入投资 | 既有 OpenAI 工具与接入投资 |
按相同的标准未缓存 token 数量,Hydrogen 的输入、输出单价均比 $2/$10 低 25%;分母是竞品标准单价。这个比例不代表每个实际任务节省 25%,因为分词方式、思考量、工具调用和失败重试都可能不同。尤其在长材料场景里,模型是否需要拆分输入、能否命中缓存,以及最后要多少人工核对,都会改变比较结果。
Claude Sonnet 5.5 更适合被放在已有 Claude 工作流里评估;GPT-6.1 Sol 对使用 OpenAI 工具接口的团队也有同样的迁移优势。这是关于既有投资的编辑分析,并非声称某个平台的连接器数量一定更多。为了追逐新模型的纸面优势而迁移一套稳定流程,往往需要额外收益才能合理。对尚未绑定平台的新项目,Hydrogen 的多模态输入和标准定价更值得纳入初选。
与 Gemini 4 Carbon 比较,则主要看任务难度而非品牌迁移。Carbon 的官方介绍把它放在复杂、长周期工作的位置;截至本篇核验时,其 API 为每百万输入 $2、输出 $10 的引入价,至 2026 年 11 月 30 日结束,12 月 1 日起为 $4/$20。不能把这个短期引入价当成长久预算,也不能把更深推理的价值仅仅压缩成单价差异。Google:Carbon 发布与引入价期限
| 工作类型 | Hydrogen 适配判断 | 主要取舍 |
|---|---|---|
| 有验收条件的代码修改 | 值得评估 | 看改动范围、验证结果与返工次数 |
| 长文档与表格整理 | 值得评估 | 保留出处、单位与缺失信息 |
| 日常轻问答 | 从免费入口开始 | 订阅溢价未必能带来对应收益 |
| 模糊架构与高代价决策 | 结合更深推理和人工判断 | 不能只看 token 单价 |
| 图片、音频、视频生成 | 比较对应生成产品 | Hydrogen 主要承担理解与文本输出 |
| 开放权重与本地部署 | 不属于当前产品目标 | 本文未获取到官方开放权重方案 |
如果工作成果主要是一个能逐项核对的表格、一个可回退的改动,或者一份带出处的资料摘要,Hydrogen 的定位很契合。若任务缺乏明确边界,例如要替团队决定长期架构,或者一次错误就造成高额损失,模型选择和复核方法应一起升级。对于图片、语音或视频生成需求,则应直接比较相应生成模型和应用价格,不把 Hydrogen 的理解能力误当成生成能力。
八、编辑评分与结论
我们从公开能力覆盖、工具生态、成本结构、接入便利、边界透明度五项打分,每项 10 分,等权平均。9 分表示公开证据呈现出很强适配性,8 分表示优势清楚但有使用限制,7 分表示额外成本或不确定性较明显。评分是编辑主观判断,不是性能实测;不会用没有验证的中文准确率、响应延迟或生产可靠性来填补分数依据。
| 维度 | 编辑评分 / 10 | 依据与限制 |
|---|---|---|
| 公开能力覆盖 | 9 | 多模态输入与工具组合;质量未独立复测 |
| 工具生态 | 9 | 多种开发与应用入口;权限并不相同 |
| 成本结构 | 8 | 标准价清楚;思考和工具用量影响账单 |
| 接入便利 | 7 | 迁移要处理缓存、状态和默认设置 |
| 边界透明度 | 8 | 规格与条款较完整;仍需按入口核对 |
综合为 8.2/10。加分主要来自多模态资料入口、完整的开发工具组合和较易理解的标准 token 定价;扣分集中在接入层变化、不同入口权限和仍需自己验收的执行结果。这个分数评估的是当前公开产品结构对日常工作的适配程度,并不意味着任务成功率为 82%,也不能用于和其他测评机构的评分直接排位。
我们更推荐三类读者关注 Hydrogen:需要处理多种长资料的分析人员,工作边界清楚、可以检查结果的开发者,以及已经在 Google 生态里协作的团队。对只需要轻量问答的人,免费入口通常足以先判断是否存在实际需求;对主要追求开放权重、本地部署或原生媒体生成的人,它并不对应这些选型目标,应该从相应产品类别重新比较。
这次更新的现实意义,是让“把工作向前推进一步”的模型选择更丰富。Hydrogen 值得被认真评估的依据已经出现,但发布新闻里的提升幅度仍需回到自己的材料和流程里理解。对读者最有用的结论是:当任务有清楚的范围、出处和验收条件,它的产品定位与价格都很有吸引力;遇到模糊判断和复杂责任边界时,工具权限、人工复核与更强推理依然决定交付质量。
参考来源
- Google:Hydrogen 发布公告(2026-11-12)
- Google:Gemini 首次发布(2023-12-06)
- Google:Carbon 发布与引入价期限
- Hydrogen 官方模型规格
- 官方模型版本与别名说明
- Hydrogen 新功能与迁移说明
- Gemini 思考等级文档
- 共享窗口与 Long decode 文档
- Google:Hydrogen 开发者入口
- Google Search:Hydrogen 更新
- Gemini Developer API 官方定价
- 官方隐式缓存与命中统计说明
- Gemini 官方个人订阅(美国区)
- Gemini 应用额度与可用性说明
- Gemini API 数据处理条款
- 官方数据日志与 Contributor 说明
- Claude Sonnet 5.5 官方规格与发布日期
- Claude 官方 API 定价
- GPT-6.1 Sol 官方规格与计费条件
本评测报告生成过程使用到 AI 技术
评论
正在加载评论…