继前天发布旗舰模型后，北京时间 11 月 13 日，谷歌又发布了一个新模型 Gemini 4 Hydrogen，这是谷歌在六周内发布的第三款新模型。
一个多月时间，谷歌几乎完成了从旗舰到轻量级模型的产品更新。相比之下，市场期待的 OpenAI 下一代旗舰模型久久没有发布。在谷歌的密集攻势下，不少用户认为 OpenAI 落后了。
与此前两款模型不同，谷歌的新模型 Hydrogen 不再追求智能上限，而是将重点放在更快的响应速度、更低的使用成本，以及更高效的 AI 智能体执行能力上。
按照谷歌的说明，Carbon 和 Argon 主要负责复杂推理、长期规划和高难度软件工程，而 Hydrogen 更擅长快速编写代码、调用工具，以及处理需要连续执行的日常任务。
对普通用户而言更重要的变化是，终于人人可以体验谷歌新模型了。此前，谷歌将旗舰模型的访问权限主要向高级付费用户开放，引起诸多不满。此次 Hydrogen 则面向全球用户推出，覆盖 Gemini 应用、谷歌搜索、AI Studio、API 和企业服务等产品。免费用户也可以通过 Gemini 应用的自动模型选择功能使用 Hydrogen。
根据第三方 AI 评测机构 Artificial Analysis 的智能指数榜，目前 Hydrogen 排在榜单的第七位，而前一天更新的旗舰模型 Carbon 排在第二位。
Hydrogen 的智能水平如何？根据 Artificial Analysis 的数据，在最高推理档位下，Hydrogen 的智能指数达到 54 分，略低于 Claude Sonnet 5.5 和 GPT-6.1 Sol 最高档位的 55 分，但作为轻量模型已经接近全球第一梯队。
被大家讨论较多的另一个指标是，在默认的 high 档位下，定位更轻量的 Hydrogen 获得 51 分，甚至略高于此前定位高端的 Argon（50 分）。不过，与旗舰模型 Carbon 的 60 分相比，仍有差距。
根据用户目前的简单评测来看，谷歌新模型的反馈不错。有用户提到，“3.8 Flash 解决不了的电脑问题，一下被它解决了，提升突飞猛进。”他认为，谷歌模型有能力与 Claude“扳手腕”了。
还有海外用户表示，“第一次觉得自己在使用一个不错的谷歌模型，速度很快，且对于 20 美元的订阅来说，使用限额相当慷慨。”他提到自己可能是在网上批评 Gemini 最多的人，但谷歌确实在进步，“如果他们保持这个速度，我甚至可以看到谷歌在未来 3 个月内超过 Anthropic，他们拥有出色的工程师和几乎无限的资源。”
还有国内用户将 Hydrogen 称为近期最喜欢的新模型，“代码能力不弱，审美合格，中文能力突出，文案能力也强，且速度飞快。”他比喻道，用了 OpenAI 的 Sol 模型再用 Hydrogen，是“从绿皮火车到坐飞机的跨越”。
当然，这些用户的初步体验带有一定主观性，模型能否在更广泛的实际任务中保持优势，还需要更多验证。
价格、模型性价比一直是谷歌打出的一张重要的牌。此次 Hydrogen 的模型 API 定价为每百万输入 Token 1.5 美元、每百万输出 Token 7.5 美元。Artificial Analysis 测算，在最高 xhigh 档位下，Hydrogen 完成一项标准评测任务的平均成本约为 3.16 美元，只有 Claude Sonnet 5.5 最高档位的约三分之一，不过仍达到 GPT-6.1 Sol 最高档位的约 2.5 倍。
Hydrogen 更明显的进步还体现在执行效率上。谷歌公布的数据显示，与上一代 Gemini 3.8 Flash 相比，Hydrogen 在默认 high 档位下完成任务的速度达到前者的 2.5 倍。在考察 AI 智能体终端编程能力的 Terminal-Bench 4.1 测试中，其成绩从 18.2% 提升至 57%，编造虚假信息的情况减少超过 80%。
Artificial Analysis 的评测也显示，Hydrogen 在视觉推理和减少幻觉方面表现突出。在衡量模型知识准确性和幻觉情况的 AA-Omniscience 测试中，其幻觉率约为8%，Artificial Analysis 提到这“是有记录以来最低的水平之一”，而 Claude Sonnet 5.5 和 GPT-6.1 Sol 最高档位分别为 43% 和 52%。
谷歌还在从产品思路上尝试让不同模型分工干活。伴随这次 Hydrogen 的发布，谷歌还、在 AI 编程平台 Google Antigravity 中推出了 Orchestrator（编排器），用户可以在同一个任务中动态切换不同模型。
谷歌在官方博客中举例，在软件开发中，Carbon 和 Argon 可以负责复杂的系统架构设计、技术判断和疑难问题分析，而 Hydrogen 承担更高频的执行工作，包括编写代码、运行测试和验证修改。
按照谷歌的测试结果，在 Terminal-Bench 4.0 中，这套多模型系统取得了接近 Carbon 的任务成功率，但平均配额消耗减少 24%，任务完成速度提升 19%。
“感觉谷歌回来了，御三家名副其实，最掉队的轮到 OpenAI 了。”有用户感慨。AI 大模型行业风水轮流转，下一步压力给到 OpenAI 了。
