基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
  • 知识卡片碎片时间过考点
  • 场景篇按分类整理的大前端场景考点
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
  • 动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
    • AI 热点每日 AI 资讯与动向
AI 工作台
旧版
AIHT
内容
精选全部 AI 动态热点榜AI 日报收藏
分类
模型行业编程产品技术观点开源
更多
Agent 接入
返回首页开发者导航
AIHT
精选 / 资讯详情
9.0
重磅
AI SCORE
模型发布2026-11-18 03:00

Gemini 4 Hydrogen 上线 Copilot

dev.to · AI#Gemini#编程模型#模型评测
Editor brief · 编辑速览

谷歌发布面向日常编码和智能体任务的快速模型 Gemini 4 Hydrogen,支持百万 token 上下文和四档推理强度,每百万输入和输出 token 分别收费 1.50 和 7.50 美元。按文中引述的谷歌数据,Hydrogen 的默认推理档综合得分为 51,略高于 Argon 的 50,但其 Terminal-Bench 4.1 得分低于 Claude Sonnet 5.5。

文章思维导图
Knowledge map
拖拽缩放
AI deep read

AI 深度解读

Google 在 2026 年 11 月 12 日发布了 Gemini 4 Hydrogen,定位是 Gemini 4 系列里负责日常编码和智能体任务的快速档。按 Google 公布的数据,Hydrogen 在默认 high 档的综合指数拿了 51 分,比 Argon 高 1 分,切到 xhigh 则能到 54 分。

对前端和全栈团队来说,这次发布更值得看的是分项成绩和成本曲线。同一个模型有四档推理强度,在仓库修复和桌面操作上的表现也有差别。接入前要回答的是,平时交给 Copilot 或编码智能体的活,用哪一档做得完,每做成一单又要花多少。

百万 token 同一个单价,跑完任务要花多少

Google 把 Carbon 和 Argon 放在深度推理、长程任务的位置,把 Hydrogen 放在快速执行的位置。Hydrogen 提供 low、medium、high、xhigh 四个推理档位,high 是默认值,xhigh 是新增的最高档。交互式任务可以从 low 试起,能等到第二天再看的批处理可以试 xhigh。在 Google 公布的 Artificial Analysis Intelligence Index 耗时图里,Hydrogen 到达自身最高分时,用时仍比图中两款竞品达到各自最高分更短。文章没有给出能直接套到团队工作流上的延迟数据。

Hydrogen 四个推理档位的综合指数与任务耗时

Hydrogen 的输入价格是每百万 token 1.50 美元,输出是每百万 token 7.50 美元。输入上下文上限为 100 万 token,原文称最多还可输出 100 万 token。整个输入窗口采用同一单价,所以塞进 90 万 token 的仓库和问一个 5,000 token 的问题,输入按同样的费率算,前者的输入费仍是后者的 180 倍。输出单价又是输入的 5 倍。让模型生成整份报告,和让它只返回改动与验证结果,账单会有明显差别。一次任务如果还要反复读取文件、调用工具和重试,评估时也得把这些尝试算进去。

综合分超过 Argon,仓库修复和桌面操作该怎么选

Google 的发布表列了十项对照。Hydrogen 在 SWE-sweep 上拿到 13.5%,Claude Sonnet 5.5 和 GPT-6.1 Terra 分别是 3.1% 和 5.8%。AutomationBench-AA 的三家成绩依次是 76.1%、71.8% 和 60.2%,HLE-Diamond 则依次是 58.8%、53.3% 和 47.3%。仓库缺陷修复和工具自动化,可以优先拿来做试点。

另三项给出了相反的排序。Hydrogen 在经过作弊校正的 Terminal-Bench 4.1 上是 57.0%,低于 Claude Sonnet 5.5 的 63.9%。OSWorld-2.1 是 77.6% 对 83.9%,Terminal-Bench-Science 0.1 是 51.4% 对 59.9%。如果智能体的主要工作是操作桌面软件,或者在终端里完成科学计算相关任务,这几行比综合指数更接近团队关心的问题。

Google 发布的十项基准对照表,包含 Hydrogen 落后的项目

这里还有一个容易漏掉的细节。51 对 50 比的是 Hydrogen 和 Argon 的综合分,上面几组分项比较的是 Hydrogen 和另外两家模型。团队要决定是否把已有的 Argon 工作流迁过去,仍需要在同一批任务上让两个模型直接比较。SWE-sweep 的相对领先也要和 13.5% 的绝对成绩一起看,基准上的名次无法直接回答你们仓库里能合并多少个补丁。

同一个会话里,Carbon 和 Hydrogen 怎么分工

Google Antigravity 的 Orchestrator 能在一个会话内切换 Carbon 和 Hydrogen。按 Google 描述的并行方案,Carbon 负责协调,Hydrogen 在隔离工作区里执行和验证。放到一次编码任务里,可以理解为先由 Carbon 理清跨模块改动,随后由 Hydrogen 处理具体编辑、运行测试和检查结果。

Google 报告称,这套编排在 Terminal-Bench 4.0 上把任务成功率做到接近 Carbon,平均少消耗 24% 的配额,完成快 19%。这里用的是 4.0 版基准,前面单模型对比用的是 4.1。配额的降幅也需要按团队的计费方式解释。固定席位下,少用配额的直接收益是同一额度内能多跑一些任务,原文没有给出对应的美元节省额。

接入入口也会影响选型。Hydrogen 上线了 Gemini API、Google AI Studio、Android Studio 等入口,Antigravity 内面向付费 Google AI Pro 和 Ultra 用户。GitHub 于 2026 年 11 月 13 日按供应商标价把它带到 Copilot,覆盖 Pro、Pro+、Max、Business 和 Enterprise。Business 和 Enterprise 管理员通过 Copilot 设置里的模型策略控制访问。如果组织保留了默认启用,新模型会自动开启,管理员也可以关闭全局默认或单独禁用该模型。

我的判断

原文最扎实的做法是把评估单位放到「完成一项任务」。同一个修复需求,低档如果要多次重试,单次调用省下的 token 很容易被吃掉。反过来,如果改动范围明确、测试反馈快,直接给每个任务上最高档也可能只是多等一会儿。评估时要同时记成功率、实际档位的耗时和每个成功任务的总成本,才能看出差异出在哪。

原文给出的基准和编排结果来自 Google,Copilot 的上线与管理方式来自 GitHub。作者没有提供独立复测,也没给出同一批任务下自动编排、固定用 Hydrogen、失败后再升级档位的对照数据。「难题交给 Carbon,执行交给 Hydrogen」可以当试验假设,实际收益目前仍是厂商在特定基准上的结果。对任务类型比较单一的团队,固定档位加失败升级就能做出一个可比较的基线,也更容易查清钱花在了哪里。

能拿来做什么

  • 从自己的前端或 Node 仓库挑一批已经有验收标准的修复任务,用 Hydrogen 的 low 和默认 high 跑同样的测试。把失败尝试和工具重试记到同一任务里,再算每完成一项的成本和耗时。
  • 给编码智能体安排一次工具调用失败、一次搜索结果为空的测试,观察它能否换路径、何时停止,以及最后能否交付可验证的结果。Google 把这一类行为列为相对 Gemini 3.8 Flash 的改进,文章没有给出你们工作流中的复测数据。
  • 已经在用 Copilot Business 或 Enterprise 的团队,可以先看模型策略是否会自动启用 Hydrogen,再核对试用成员的编辑器里是否能选到它。这样能区分接入问题和模型表现,也方便按团队统计试用消耗。
Original source

本文由 AI 通读原文后重新编写,观点部分为站内判断,细节以原文为准,来源 dev.to · AI,原文版权归原作者所有。

阅读原文
上一篇
用 PHP 校验模型输出的五个业务流程
下一篇
用价值流图找出 AI 写码后的交付瓶颈

资讯速览

dev.to · AI · 2026-11-18 03:00

AI 评分 9.0 / 10

相关标签

#Gemini#编程模型#模型评测

继续阅读

  • 用 Git 管理团队编程智能体的触发器和权限
  • 用 PHP 校验模型输出的五个业务流程
  • 用价值流图找出 AI 写码后的交付瓶颈
  • OpenAI推出GPT-6.2 Astra和Sol
  • AI 生成的 PNG 入对象存储前先验字节