Gemini 新模型主攻低成本编码与智能体

Gemini 4 Hydrogen 想解决的是日常 AI 编程的一笔账：代码任务要完成得快，智能体要能持续调用工具，费用和配额也得撑得住。按这则报道，谷歌同时给出了新模型和自动调度方案，试图兼顾任务成功率与资源消耗。

值得看的是价格、思考档位和调度机制能否组合出更实用的工作流。不过，报道列出的评测成绩与安全指标，还不足以证明它在你的项目里同样划算。

百万上下文怎么收费，思考深度怎么选

报道给出的价格是每百万 Tokens 输入 1.50 美元、输出 7.50 美元，按原文汇率分别约为 10.0 元和 50.1 元人民币。该价格覆盖完整的 100 万 Token 上下文窗口，没有分段阶梯计价。

这对需要提交大量项目资料的任务有吸引力：上下文变长，不会因为跨过某个长度门槛而切换单价。但上下文容量只是上限，实际费用仍取决于输入和输出用量。

Hydrogen 提供 low、medium、high、xhigh 四档思考深度，默认是 high。它让开发者可以按任务调整推理深度、延迟与成本，不过原文没有给出各档位的耗时和费用对照。

报道还称，模型支持最高 100 万 Token 原生输入、100 万 Token 输出，可处理大型 PDF、表格、图表、音视频。这里应区分「装得下」和「处理得好」：原文没有提供长上下文检索准确率，也没说明超长输出的实际质量。

编程成绩变强了，但先看清比较对象

在 Artificial Analysis 智能指数中，Hydrogen 默认 high 档得分 51，略高于 Gemini 4 Argon 的 50；xhigh 档可达 54。报道同时称，其任务完成速度常优于同级别模型，但没有列出完整的模型名单和测试条件。

与 Gemini 3.8 Flash 相比，报道给出的变化更明显：默认 high 档下，任务完成速度提升 2.5 倍，Terminal-Bench 4.1 得分从 18.2% 升至 57%，虚构错误率降低 5 倍以上。

这些数据支持它在所列评测中进步明显，却不能直接回答 React 重构、Node 服务排错或项目迁移能快多少。原文没有提供这些具体场景的测试。

另一个变化是 Google Antigravity 内置的 Orchestrator。它能在同一会话中自动切换 Carbon、Hydrogen 等模型，由调度器决定任务交给谁处理。

在 Terminal-Bench 4.0 中，这套方案达到了接近 Carbon 的任务成功率，平均消耗配额减少 24%，完成速度提升 19%。

调度方案的收益和单个模型的收益，需要分开看。

这里比较的是 Orchestrator 与 Carbon，前面的 Terminal-Bench 4.1 则用于比较 Hydrogen 和 Gemini 3.8 Flash。两个基准版本不同，不能把成绩拼成同一张排名表；配额减少 24%，也不能直接解释为 API 账单减少 24%。

安全指标很多，能否放心交给智能体

报道列出的安全改进包括：智能体任务越权行为最高减少 81%，服务不足问题减少 79%；工具调用与编码场景下的失准行为、任务走捷径问题减少 12 倍。

此外，内部智能体诚实度评测得分为 96.7%，思维链保留率为 99.9%，在 Gray Swan IPI 基准上，对抗间接提示注入的韧性提升 2.3 倍以上。间接提示注入，是指模型读取网页、文件等外部内容时，被其中夹带的指令带偏。

这些指标方向上有价值，但原文没交代安全指标的比较基线、样本规模，也没解释「服务不足」和「思维链保留率」的具体口径。它们不能直接证明智能体操作真实仓库时不会越权。

可用性方面，报道说模型从发布日起在全球陆续开放。开发者入口包括 Gemini API、AI Studio、Android Studio 付费层；企业入口包括 Gemini for 商业版、Google Antigravity 和表格内 Gemini。普通用户可在 Gemini 应用下拉选择，免费用户也可通过自动模型选择获得适配能力，谷歌搜索同步接入。陆续开放不等于每个账号立即可用。

我的判断

我更看好它把思考档位与模型调度做成日常工作流选项。相较于所有任务固定使用同一个模型，这种做法提供了调整成本与速度的空间。

但报道没有完整的评测方法、真实项目成本对照，也没有展示 Orchestrator 如何处理选错模型的情况。现有数字适合用来筛选试用对象，尚不足以支持团队直接迁移。对一般团队而言，最终要比较的是任务通过率、人工返工时间和实际费用。

能拿来做什么

• 用现有项目中可验证的修复任务试用 Hydrogen，记录测试通过率、完成时间与 Token 用量，再与当前模型比较。
• 针对同一组编码任务比较 low、medium、high、xhigh，找出增加思考深度后确有收益的任务类型。
• 如果使用 Google Antigravity，单独比较 Orchestrator 和固定模型的表现，分别记录配额与费用。
• 让智能体读取外部资料、修改仓库时，继续限制工具权限并审查变更，不用安全评测分数代替项目里的验证。