一句话总结
2026 年 11 月 12 日，谷歌发布 Gemini 4 Hydrogen，把它定位为 Gemini 4 家族里的「高频执行层」——负责日常编码、跑测试、查资料、调度工具，与专攻长程深度推理的 Carbon、Argon 分工。它接替 Gemini 3.8 Flash 成为 Google Search 与 AI Mode 的默认模型，并对全部 100 万 token 上下文统一按每百万输入 1.50 美元、每百万输出 7.50 美元计价。
事件概述
2026 年 11 月 12 日，谷歌发布 Gemini 4 Hydrogen。官方博客由 Google DeepMind 高级副总裁兼谷歌首席架构师 Koray Kavukcuoglu 署名，同日上线 Google DeepMind 的模型卡。
谷歌对这款模型的定位很明确：它不替代擅长深度、长程推理的前沿模型 Gemini 4 Carbon 与 Gemini 4 Argon，而是补上「快速执行」这一层——日常写代码、跑测试、核对改动、检索资料、串联工具调用的智能体工作流。
同一天，谷歌把 Gemini 4 Hydrogen 部署到 Google Search，替代 Gemini 3.8 Flash 成为 AI Mode 的默认模型，并开始承接 AI Overviews 中最复杂的问题。谷歌搜索副总裁 Robby Stein 在社交平台上称这是「谷歌搜索迄今最大的一次模型升级」——这一表述来自媒体转述，非博客原文。
关键信息
| 项目 | 内容 |
|---|---|
| 发布与署名 | 2026 年 11 月 12 日，Koray Kavukcuoglu（Google DeepMind 高级副总裁、谷歌首席架构师） |
| 模型定位 | Gemini 4 家族的「高频执行层」，面向日常编码与智能体工作流 |
| 模型关系 | 与 Carbon（前沿深度推理）、Argon（前沿模型）并列，不替代二者 |
| 定价 | 每百万输入 token 1.50 美元，每百万输出 token 7.50 美元，100 万 token 上下文全程同价 |
| 上下文 | 原生 100 万 token 输入，最多 100 万 token 输出 |
| 相对 3.8 Flash | 默认高档完成任务快 2.5 倍；Terminal-Bench 4.1 从 18.2% 升至 57%；虚假陈述减少 5 倍以上 |
| 智能指数 | Artificial Analysis Intelligence Index：默认高档 51（Argon 为 50），最高 xhigh 档 54 |
| 上一代接替关系 | 接替 Gemini 3.8 Flash，成为 Google Search / AI Mode 默认模型 |
| 可用范围 | Google AI Studio、Gemini API、Gemini for business、Gemini app、Google Search、Google AI Pro 与 Ultra 订阅（含 Google Antigravity） |
| 配套能力 | Google Antigravity 中的 Orchestrator，可在同一会话内动态切换 Carbon 与 Hydrogen |
官方公布的基准对比（Gemini 4 Hydrogen / Claude Sonnet 5.5 / GPT-6.1 Terra）：
| 基准 | Hydrogen | Claude Sonnet 5.5 | GPT-6.1 Terra |
|---|---|---|---|
| SWE-sweep（智能体编码） | 13.5% | 3.1% | 5.8% |
| Terminal-Bench 4.1（作弊校正） | 57.0% | 63.9% | — |
| Agents' Last Exam v1.1（知识工作） | 71.6% | 60.4% | 69.8% |
| AutomationBench-AA | 76.1% | 71.8% | 60.2% |
| Vending-Bench 2（账户余额） | 14,549 美元 | 11,165 美元 | 9,107 美元 |
| OSWorld-2.1（离线子集） | 77.6% | 83.9% | 74.2% |
| MKA（多模态知识工作） | 53.4% | 52.0% | 43.8% |
| Chartography | 66.6% | 61.6% | 63.2% |
| Terminal-Bench-Science 0.1 | 51.4% | 59.9% | 58.3% |
| HLE-Diamond（推理） | 58.8% | 53.3% | 47.3% |
一、把 Gemini 4 下放到「执行层」，而不是再堆一个更强的推理模型
这次发布最值得注意的不是跑分，而是产品分层思路。
谷歌现有 Gemini 4 家族里，Carbon 与 Argon 面向「难题」——长时间、深层次的推理，比如系统架构判断、排查疑难 bug。Hydrogen 面向「体力活」——写代码、跑测试、验证改动、批量检索。官方把二者的协作方式写得很直白：一个团队既需要前沿模型来做架构判断，也需要一个快速、守纪律的执行模型来落地。
定价策略配合了这一分层。100 万 token 上下文全程 1.50/7.50 美元，意味着长上下文不再额外加价。这个价格卡在「高频调用可承受」的位置：执行层的调用量远大于推理层，单价必须压下来，否则智能体工作流的成本模型不成立。
二、基准表怎么读：赢在编码与知识工作，输在终端与计算机使用
把 10 项基准按胜负拆开，画面比「全面领先」复杂得多。
Hydrogen 明显领先的三项：SWE-sweep（13.5%，对手 3.1% 与 5.8%）、Agents' Last Exam v1.1（71.6%）、HLE-Diamond（58.8%）。这三项都与「在仓库里定位并修复问题」「完成端到端专业工作」有关，正好对应它宣称的执行型定位。
Hydrogen 落后的三项：Terminal-Bench 4.1（57.0% 对 Claude Sonnet 5.5 的 63.9%）、OSWorld-2.1（77.6% 对 83.9%）、Terminal-Bench-Science 0.1（51.4% 对 59.9%）。终端操作与图形界面操作这两类，对手仍然更强。
这组结果说明一件事：模型能力的比较已经从「总分」转向「分工」。同一个模型在编码仓库任务上大幅领先、在终端交互上落后，这两种结论可以同时成立，取决于用它做什么。
需要注意口径：这张表由谷歌提供，测试框架（harness）、提示词与评分方式均由发布方设定；不同厂商对同名基准的实现常有差异，跨表对比不能直接相加或取平均。Vending-Bench 2 报的是账户余额（美元），OSWorld-2.1 标注为离线子集，这类标注本身就是口径提示。
三、Orchestrator：多模型编排开始成为产品能力
与 Hydrogen 一起发布的还有 Google Antigravity 中的 Orchestrator。它不再是「选一个模型从头跑到尾」，而是在同一会话内根据任务动态切换 Carbon 与 Hydrogen。
官方给出的实测是：在 Terminal-Bench 4.0 上，Orchestrator 达到接近 Carbon 的任务成功率，但平均少用 24% 配额、快 19%。对并行智能体的场景，Carbon 当协调者、Hydrogen 当执行与验证的 worker，可以同时在隔离工作区里构建和测试。
这个设计的意义在于把「模型组合」变成默认体验。用户不必自己判断哪一步该用哪个模型，系统按任务类型切换。如果这条路走通，衡量模型价值的标准会从单模型跑分，转向「组合后的单位任务成本」。
四、对搜索的影响：默认模型换代比新模型发布更重要
同一天，Gemini 4 Hydrogen 接替 Gemini 3.8 Flash，成为 Google Search 与 AI Mode 的默认模型。这个动作的影响面远大于一次模型发布。
搜索是分发入口。默认模型一换，全球用户看到的 AI 摘要、AI Mode 回答的措辞、引用来源的选择逻辑都会随之改变。对做内容与 GEO（生成式引擎优化）的一方来说，这意味着需要重新观察：新模型更倾向于引用哪类页面、结构化内容是否更受偏好、多轮追问的处理方式有何变化。
谷歌在搜索侧同时强调了三点改进：对复杂多段问题的意图理解更准、能连接到更多相关网站与链接、会给出更多视觉化内容（结构化回答、对比表格、定制工具）。这三条都指向同一个方向——搜索结果从「链接列表」变成「可用的答案组件」。
影响与边界
第一，模型竞争的重心正在从「单点最强」转向「分层 + 编排」。前沿模型负责难题，执行模型负责吞吐，编排器负责在两者之间调度。这条路线如果被验证，模型厂商的竞争会变成系统工程能力的竞争，而不只是榜单名次的竞争。
第二，定价结构值得单独关注。100 万 token 上下文统一计价，是把长上下文从「稀缺能力」变成「默认能力」。这会推高智能体应用的上下文使用量，也会压低单次任务成本。
第三，对内容侧的直接含义是：默认模型换代会让 AI 搜索的引用行为在短期内出现波动。GEO 的观测口径需要随之更新，而不是沿用旧模型的引用规律。
需要明确的边界：
- 全部基准数据与「快 2.5 倍」「虚假陈述减少 5 倍以上」「少用 24% 配额、快 19%」等对比，均来自谷歌官方博客与模型卡，属发布方自测口径，未经第三方独立复现；
- 基准表的对比对象为 Claude Sonnet 5.5 与 GPT-6.1 Terra，测试框架与提示词由谷歌设定，跨厂商同名基准结果不可直接等同；
- 合作伙伴评价（Box、Pixelcut、STAN、LatchBio、Astrocade、Cartwheel、Discovery Loop、Zingroll）为客户自述，属个案体验，不构成普遍性能结论；
- 「谷歌搜索迄今最大的一次模型升级」出自谷歌搜索副总裁的社交平台表述，经媒体转述，非官方博客原文；
- 谷歌未披露训练数据规模、参数量、训练算力与蒸馏细节；
- 本文不判断该模型相对其他厂商的总体优劣，只按官方公布的分项数据陈述胜负关系。
官方来源
- Google 官方博客：Introducing Gemini 4 Hydrogen（2026 年 11 月 12 日，Koray Kavukcuoglu 署名）
- Google 官方博客：Gemini 4 Hydrogen: Fast agentic development for coders（2026 年 11 月 12 日）
- Google 官方博客：Google Search gets a major upgrade with Gemini 4 Hydrogen（2026 年 11 月 12 日）
- Google DeepMind 模型卡：Gemini 4 Hydrogen（2026 年 11 月 12 日发布）
- 站内延伸：Gemini 4 Argon 发布、Gemini 4 Argon 规格与定价数据、Gemini 4 Carbon 与 Claude Opus 5.5、GPT-6 Astra 对比