11月12日，谷歌正式对外推出Gemini 4 Hydrogen模型，同步上线专为多模型协作设计的智能调度系统Orchestrator。不同于此前发布的Gemini 4 Carbon和Argon两款主打深度长程推理的旗舰模型，Hydrogen从设计之初就瞄准高频快速执行场景，作为原生多模态的高效运行引擎，它共享100万token的完整上下文窗口，核心优势集中在低延迟响应和稳定的任务完成效率上，能够流畅支撑日常编码、智能体工作流推进以及多步骤数据处理等各类高频需求。

　　不少开发者在第一时间体验后发现，以往需要反复切换不同模型才能完成的代码编写、文档整理、多轮校验工作，现在可以依托Hydrogen的长上下文能力连贯推进，不用频繁上传背景资料，也不用在不同工具之间跳转切换，整个工作流的流畅度有明显提升。

基准测试表现超出预期

　　在公开的基准测试结果中，Hydrogen的表现打破了外界对高效执行模型的固有印象。在Artificial Analysis智能指数评测中，Hydrogen默认high思考档位得分达到51分，最高xhigh档位得分进一步提升至54分，这一成绩已经超越了谷歌此前推出的参数规模更大的Argon模型。和前代Gemini 3.8 Flash相比，Hydrogen的任务完成速度直接提升2.5倍，Terminal-Bench 4.1测试得分提高三倍多，模型生成内容的幻觉问题减少5倍以上，同时始终将首字延迟维持在较低水平，用户几乎感受不到明显的等待间隔。

　　Terminal-Bench 4.1测试主要衡量模型在终端环境下完成实际软件工程任务的能力，涵盖命令执行、代码修改、问题排查等多个实操环节，Hydrogen在这项测试中拿到57%的得分，而前代Gemini 3.8 Flash的得分仅为18.2%，提升幅度十分显著。

　　在多步智能体任务的相关测试中，Hydrogen同样交出了亮眼的成绩单：它在Agent Arena实时基准测试中排名第五，在HLE-Diamond深度领域推理测试中拿到58.8%的成绩，在Vals Tax Agent Bench评测中以52.3%的总分位列第一，这些表现都处于同类快速执行模型的第一梯队。

　　值得注意的是，Hydrogen并非在所有场景下都实现全面领先，在部分硬核终端操作、复杂科学计算类任务中，它的表现仍有进一步提升的空间，这也让不少行业观察者好奇，后续谷歌是否会通过模型迭代补齐这些能力短板。

统一定价覆盖全平台上线

　　Hydrogen模型的API定价采用了全100万token上下文窗口统一计价的规则，没有设置分段阶梯价格，具体标准为每百万输入token 1.5美元，每百万输出token 7.5美元，缓存命中场景下的调用成本仅为每百万token 0.075美元，大幅降低了开发者和企业用户大规模调用的成本门槛。

　　从发布当日起，Hydrogen就完成了覆盖全生态的上线部署，接入渠道包括Google AI Studio、Gemini API、Gemini应用、Google搜索以及Google Antigravity等多个核心平台。不同身份的用户都能找到适配的使用入口：开发者可以通过Gemini API和AI Studio直接调用，企业用户可以通过Gemini for商业版完成部署，普通用户可以在Gemini应用的模型选择下拉菜单中直接选中Hydrogen，免费用户即便没有付费订阅，也能通过Auto自动模型选择功能或者特定入口，在速率限制的范围内体验Hydrogen的能力。

　　这种全层级开放的发布策略，和此前Carbon、Argon先面向受限用户开放、再逐步扩大覆盖范围的节奏形成了鲜明对比，也让大量普通用户在发布首日就能接触到最新的模型能力。

Orchestrator实现多模型动态调度

　　为了进一步优化多模型之间的协作效率，谷歌在Google Antigravity平台中内置了Orchestrator智能调度系统，这套系统最核心的特点是可以在同一个用户会话当中，根据当前任务的实际需求动态切换Carbon、Hydrogen等不同定位的模型，不需要用户手动选择切换，也不用中断当前的工作流程。

　　这套调度机制的运行逻辑十分清晰：由Carbon模型承担协调者的角色，在任务启动阶段完成依赖梳理、整体计划制定等深度推理工作，随后将代码修改、包更新、测试运行等常规执行任务分流给Hydrogen驱动的工作智能体和校验智能体并行处理，如果执行过程中遇到难以解决的障碍，系统会自动将控制权交回Carbon模型重新开展分析，整个切换过程对用户完全透明。

　　根据谷歌公开的测试数据，依托Orchestrator完成的任务，成功率已经十分接近单独使用Carbon模型的水平，同时平均配额消耗可以减少24%，整体任务完成速度还能提升19%。目前这套多模型智能调度系统已经正式向Ultra订阅用户开放使用，不少内部测试的开发者反馈，这套组合在日常开发项目中已经成为提升效率的常用工具。

　　这套动态调度机制也引发了行业的普遍讨论：以往用户只能在任务开始前选定单一模型全程运行，要么为了保证成功率承担高昂的调用成本，要么为了控制成本牺牲部分任务完成质量，Orchestrator的出现是否会彻底改变大模型应用的资源分配逻辑，还有待更多实际场景的验证。

成为谷歌搜索AI Mode默认模型

　　谷歌已经将Hydrogen模型设定为搜索引擎AI Mode的默认运行模型，专门支撑AI Overviews板块的复杂查询推理需求。依托Hydrogen的高效推理能力，谷歌搜索同步升级了查询扇出机制，系统可以更精准地理解包含拼写错误、多部分组合的具体查询请求，自动将复杂问题拆解为多个子搜索任务，最终为全球用户呈现更直观、更具视觉化效果的搜索结果，同时关联覆盖范围更广的相关有用链接。

　　不少用户在升级后反馈，以往输入表述不够清晰、带有拼写错误的查询，经常会返回大量无关结果，现在系统能够快速捕捉到用户的真实意图，给出的回答不仅逻辑连贯，还附带了丰富的可视化内容和精准的延伸链接，搜索体验的提升感知十分明显。

　　除了核心的性能和功能升级之外，Hydrogen在安全可靠性方面也做了针对性优化，官方披露的测试数据显示，该模型可以将智能体任务中的越权行为最高减少81%，服务不足问题减少79%，工具调用和编码场景下的失准行为、任务走捷径问题减少12倍，内部智能体诚实度评测得分达到96.7%，思维链保留率高达99.9%，在Gray Swan IPI基准测试中对抗间接提示注入的韧性提升2.3倍以上，这些安全层面的升级也让更多企业用户可以放心将日常工作流迁移到Hydrogen之上。

(编辑：徐松丽)