Tools

Gemini 4 Hydrogen 发布:Flash 品牌终结后的三模型选型与 Orchestrator 算账

8 min read ·

11 月 12 日,Google 发布了 Gemini 4 Hydrogen。这条新闻在 Hacker News 上拿到 444 分,但比分数本身更值得讨论的是两件事:Flash 这个延续了三年的品牌被放弃,以及随 Hydrogen 一起出现在 Antigravity 里的 Orchestrator。前者是一个模型分层策略的转向,后者则试图回答一个所有重度智能体用户都在面对的问题——什么时候该用贵的模型,什么时候可以便宜地跑。

本站 10 月 1 日的 Argon 定价速评里留下的判断是「放进候选池,等 API 通道打开再验证」。不到六周,格局已经变了:Carbon 在 11 月 10 日进入付费 API,Hydrogen 次日即宣布全网推送,而且价格表直接击穿了自家前沿模型的引入价。这篇文章把三款模型的账摊开算一遍,重点不在罗列参数,而在回答两个实际问题:API 直连该选哪个,Antigravity 里的 Orchestrator 值不值得开。

Flash 品牌终结:Hydrogen 到底接了什么班

过去两年 Google 的模型命名有一条清晰的分层逻辑:Pro 与 Flash 分别对应「重推理」与「快响应」,Flash-Lite 再往下兜底。Gemini app 的模型选择器里,3.8 Flash 一直顶着「速度优先」的标签。Hydrogen 发布后,这个命名体系事实上被重置了——元素周期表命名(Carbon、Argon、Hydrogen)统一接管全档位,模型选择器里 Hydrogen 的定位写着「Everyday help」,快速回答档留给 3.5 Flash-Lite,深度研究档仍是 3.1 Pro。

从数据看,这不是简单的改名。Google 给出的对比口径里,Hydrogen 相对 3.8 Flash 的提升幅度大到不像同一档位的迭代:Terminal-Bench 4.1 从 18.2% 涨到 57%,三倍以上;默认 high 思考档下任务完成速度快 2.5 倍;编造性陈述减少超过五倍。合作伙伴侧的实测数字更具体——相比 3.8 Flash 快 2 到 2.8 倍,同时 token 用量下降 12% 到 23%。如果这些数字大方向可信,那么 3.8 Flash 在九个月内被自己家的「入门旗舰」以压倒性幅度替换,旧 Flash 档位的所有成本模型都要重算。

更值得注意的是安全性维度的声明:智能体任务中的过度执行(overreach)最多降低 81%,服务不足(under-service)最多降低 79%,工具调用与编码评测中的错误动作与任务走捷径减少 12 倍,面对不可能完成的任务时越过权限边界的概率降低最高两倍,内部智能体诚实度评测达到 96.7%。这类指标过去通常只出现在旗舰模型的宣传里,出现在「日常档」上说明 Google 对 Hydrogen 的定位是让大多数用户第一次用上带完整安全约束的默认模型。

对比表:三款 Gemini 4 与上一代 Flash

把目前可查的硬数据放在一张表里(价格均为每百万 token,美元计):

模型API 定价(输入/输出)上下文AA 智能指数定位
4 Hydrogen1.50 / 7.501M 入 / 1M 出51(high)/ 54(xhigh)日常与智能体执行
4 Carbon2 / 10 引入期,之后 4 / 20约 1M未公布第三方口径最复杂工作、探索型任务
4 Argon2 / 10 引入期,之后 4 / 201M 入 / 1M 出50深度长程工程任务
3.8 Flash上一代日常档——已被 Hydrogen 事实上替换

这张表里最刺眼的一行关系是 Hydrogen 与 Argon:前者更便宜,后者在 AA 智能指数上反而低 1 分。Argon 引入期定价到 11 月 30 日结束,之后涨到 4 与 20 美元,而 Hydrogen 目前公布的就是 1.50 与 7.50。如果不看具体任务形态只看单位智能成本,Argon 的吸引力在 Hydrogen 面前明显缩水。Carbon 缓存输入按 0.10 美元计费(相当于输入价 95% 折扣),批量请求半价,这两项在 Hydrogen 的价格公告里尚未给出对应口径,做成本测算时要留意缺项。

再看专项成绩:Hydrogen 在 HLE-Diamond 拿 58.8%,Vals 税务智能体基准 52.3% 排第一,Vals 法律检索 55.8% 并列第一,多模态知识智能体基准 MKA 拿 53.4%,Agents’ Last Exam v1.1 拿 71.6%,arena.ai 的 Agent Arena 实时榜排第五。这些榜单的共通点是「端到端工作流」而非单轮问答,说明 Hydrogen 的能力增量主要压在智能体场景,这与它的定价策略互相印证——Google 想要的就是让智能体开发者把默认模型从 Flash 系切过来。

Orchestrator:把路由从入口搬进会话

如果说 Hydrogen 是常规的模型发布,Orchestrator 就是这次真正有工程新意的东西。市面上已有的多模型方案大多是「静态路由」:入口处用一个分类器或规则判断请求难度,然后一次性分给某个模型。这种做法的问题是猜错就只能错到底——分类器判轻了,复杂任务在弱模型上反复失败重试;判重了,简单任务白白烧掉旗舰配额。

Orchestrator 的做法是把切换点搬进会话内部,双向动态进行。Google 给的参考工作流是:Carbon 先以只读模式启动,探索代码库依赖、澄清歧义、制定带明确重规划触发条件的计划;然后 Hydrogen 接管,执行编辑、更新依赖、跑测试;如果 Hydrogen 中途撞墙,会话交还 Carbon 检查状态、修复计划、恢复执行。切换的判据不是请求分类,而是执行过程中的实际状态。

效果口径是:在 Terminal-Bench 4.1 上任务成功率接近纯 Carbon,配额消耗平均省 24%,完成速度快 19%。这三个数字放在一起是自洽的——省配额来自弱模型承担了大部分执行 token,提速来自 Hydrogen 本身快,成功率不掉来自 Carbon 在关键节点兜底。另外 Carbon 可以作为协调者,让 Hydrogen 驱动多个并行的 worker 与 verifier 智能体,在隔离工作区里同时构建与测试,这对需要并行探索的中型项目是实打实的工作流升级。

需要泼一盆冷水的是可用范围:Orchestrator 目前只在 Antigravity 里,且分订阅档位——Ultra 用户可用 Carbon 档与 Argon 档编排,Pro 用户只有 Argon 档。API 侧没有「一行参数开启编排」的开关,想复刻只能在应用层自己实现,或者用 Antigravity SDK 显式组合多模型管线。Google 在 SDK 文档里给的示例是开源 issue 分诊系统:Hydrogen 负责分诊、编码、库内检索与快速 UI 迭代,Carbon 负责大型重构、新功能与安全审查。这个分工模式本身值得抄,即使你不用 Google 的编排层。

工程判断:三类场景的选型账

结合站内 9 月对 3.8 Flash 的分层分析与 10 月对 Argon 定价的推演,给出现在的选型建议。

第一类是高吞吐 API 直连(分类、抽取、批量处理、RAG 生成)。这一类此前是 Flash 系的自留地,现在应该直接切 Hydrogen 做基准测试。理由不只是单价:输出端 7.5 美元的价格配合 12% 到 23% 的 token 用量下降,意味着完成同一工作流的总成本可能比 3.8 Flash 时代更低,而质量上限高了三倍不止。验证时重点测三件事:JSON 结构化输出的 schema 遵从率、工具参数抽取正确率、失败重试率。如果这三项持平或更好,迁移就没有悬念。

第二类是智能体工作流(编码代理、深度检索、多步工具链)。这一类是 Hydrogen 与 Orchestrator 的主战场,但两者不可混为一谈。API 直连的开发者拿不到 Orchestrator,需要在应用层自己实现「规划用重模型、执行用 Hydrogen、卡壳回切」的状态机——Orchestrator 的 -24% 配额与 +19% 提速证明这个模式的收益是真实的,值得抄。已经在用 Antigravity 的团队则可以直接开 Orchestrator(Ultra 档体验最完整),把省下来的注意力放在并行 worker 的任务切分上。

第三类是深度长程任务(大规模迁移、长链路重构、安全审计)。这一类暂时还是 Carbon 与 Argon 的地盘。Hydrogen 的 1M 输出上限虽然激进,但综合分数上的 1 分优势不等于在这些任务上占优——AA 指数是加权综合分,长程一致性、重构正确率这类维度权重有限。本站 10 月文章里提到的 Argon 百万行级代码迁移案例(80 万行的 Fuchsia Zircon 内核迁移)至今没有在 Hydrogen 的公开材料里出现对位数据。结论是:引入期结束前(11 月 30 日)把 Carbon 与 Argon 的重任务跑完可以吃到 2 与 10 美元的低价,之后按 4 与 20 美元重新核算这些任务是否还划算,或者把其中「规划重、执行轻」的部分拆出来交给 Hydrogen。

最后是两个坑。一是基准口径:Terminal-Bench 4.1 是新版本,57% 与其他模型在 4.0 或更早版本上的分数不可直接横比;AA 智能指数虽是第三方,但它的加权方式与自家基准偶有出入,选型最终要落回自己工作流的小样本实测。二是命名混乱期:Gemini app 里「详细研究」档还是 3.1 Pro,「代码与分析」档是 Argon,免费用户只能通过 Auto 模式间接用到 Hydrogen——如果你在文档或自动化脚本里写死了旧模型名,这两天就该检查一遍迁移路径。

小结

Hydrogen 这一步棋的本质,是把「智能体的默认模型」这个生态位的价格打到 1.50 与 7.50 美元,同时用 AA 指数反超自家旗舰来宣告分层逻辑的重构:贵不再等于智能,便宜不再等于妥协。对开发者,短期动作很明确——把 Flash 系的存量调用切过去测一轮;中期动作是抄 Orchestrator 的作业,在自己的管线里实现会话内动态切换。至于 Carbon 与 Argon,它们的价值正在从「更智能」收缩到「更耐长程」,这个收缩速度比大部分人预期的快了六周。

Frequently asked questions

Gemini 4 Hydrogen 的定价是多少?和 Carbon、Argon 比谁更便宜?
Hydrogen 为输入 1.5 美元、输出 7.5 美元每百万 token。Carbon 与 Argon 的引入期价均为 2 美元与 10 美元,11 月 30 日后涨到 4 美元与 20 美元。Hydrogen 是三款里最便宜的,且智能指数还反超 Argon,性价比反转是本次发布最值得注意的点。
Orchestrator 和传统的模型路由有什么区别?
传统路由是在请求入口做一次性分类,猜错就只能错到底。Orchestrator 在同一个会话内动态双向切换:Carbon 先做只读规划,Hydrogen 接手执行与测试,遇阻再交还 Carbon 重规划。按 Google 数据,其任务成功率接近纯 Carbon,配额省 24%,速度快 19%。
Orchestrator 能通过 Gemini API 直接调用吗?
不能。Orchestrator 目前是 Google Antigravity 里的功能,Ultra 订阅者可用 Carbon 与 Argon 两档编排,Pro 订阅者可用 Argon 档编排。API 侧只能用 Antigravity SDK 显式组合多模型管线,或自己在应用层实现类似的动态切换逻辑。
Hydrogen 反超了 Argon,Argon 还有存在的必要吗?
有必要,但场景收窄了。Hydrogen 在综合智能指数上以 51 对 50 险胜,Argon 的价值在深度长程工程任务:100 万 token 输出上限配合更深的推理,适合大规模代码迁移与长链路重构。日常编码、检索、批量任务交给 Hydrogen 更省,复杂规划留给 Carbon 与 Argon。
评测分数能不能直接拿来做选型依据?
要小心口径。Terminal-Bench 4.1 是新版本,与旧版本分数不可直接横比;AA 智能指数是第三方综合分,与自家基准结论偶有出入。选型应以自己工作流的小样本实测为准,重点看单次任务成本、重试率与截断率,而不是单看厂商公布的倍数。
// next.txt ›

Some outbound links in this post are affiliate links — see disclosure.