Google DeepMind 于2026年11月12日宣布推出 Gemini 4 Hydrogen，称该模型旨在"将前沿智能带给每一个人"，其速度和效率专为日常编程和智能体（agentic）工作流而调优。本次公告由 Google DeepMind 高级副总裁兼 Google 首席 AI 架构师 Koray Kavukcuoglu 撰写。

DeepMind 将 Hydrogen 定位为其前沿模型 Gemini 4 Carbon 与 Gemini 4 Argon 的快速执行搭档。公司表示，Carbon 和 Argon 擅长在最难的问题上进行深度、长周期的推理。随着 Hydrogen 的推出，Gemini 4 系列现已覆盖 Google AI Studio 的所有层级、Gemini API、Gemini for business、Gemini 应用和 Google Search，以及 Google Antigravity 中的 Google AI Pro 和 Ultra 付费订阅用户。

在 Artificial Analysis Intelligence Index 上，Hydrogen 在默认 high 思考档位下超过 Argon，得分 51 比 50，并在最高的 "xhigh" 思考档位下达到 54 分，且完成任务的速度通常快于同级模型。该模型在其整个 100 万 token 上下文窗口内实行统一定价：每百万输入 token 1.50 美元，每百万输出 token 7.50 美元。该指数由独立 AI 基准测试机构 Artificial Analysis 发布，为 Hydrogen 与 Argon 的对比提供了第三方参考；由于定价统一，无论请求使用 100 万 token 窗口的多少部分，每 token 费率都保持不变。

在多模型工作流中释放效率

DeepMind 表示，在实际软件开发中，团队在设计系统或排查细微 bug 时依赖 Carbon 和 Argon 等前沿模型提供深度架构判断，但仍需要一个快速、规范的执行模型来编写代码、运行测试和验证更改。Hydrogen 既可作为日常工作的独立模型，也可与 Carbon 和 Argon 搭配，在多模型工作流中充当高效率执行引擎。

为使这种多模型协作自动化，Google 在 Google Antigravity 中推出了 Orchestrator。Orchestrator 不再从头到尾使用单一模型，而是在同一会话内于 Carbon 和 Hydrogen 等模型之间动态切换。在 Terminal-Bench 4.0 上，Orchestrator 达到了接近 Carbon 的任务成功率，同时平均减少 24% 的配额消耗并将任务完成速度提高 19%。在按 token 计价的模式下，token 配额是这类多模型配置中的直接支出杠杆，这正是 24% 的降幅具有意义的原因。

对于需要并行智能体的工作流，Carbon 可充当协调者，而 Hydrogen 可驱动工作智能体和验证智能体，在隔离的工作区中同时构建和测试更改，帮助团队更快交付复杂项目而不推高 token 成本。

扩展开发者与企业工作流

除多模型配置外，Hydrogen 对于从 Gemini 3.8 Flash 迁移的团队也是一次重大的独立升级。DeepMind 表示，在默认 high 档位下，其任务完成速度提升 2.5 倍，Terminal-Bench 4.1 得分提升超过三倍（57% 对 18.2%），虚构性陈述减少超过 5 倍，并在工具调用失败或搜索返回为空时能够平稳适应。

公司表示，Hydrogen 在核心开发者与企业工作流中达到或超越同级竞争模型：

迭代式代码库编程与调试。 Hydrogen 以聚焦、精准的编辑处理问题解决、调试、快速迭代和代码库问答，在不重写无关文件的情况下提供更干净、可用于生产的代码。在 SWE-sweep 上，它超越了同层级模型，该基准要求在不破坏现有代码的前提下发现并修复 bug。为高效探索大型代码库，该模型原生支持并行批量执行文件读取和搜索调用，而非逐个检查文件。在涉及复杂图形、SQL 和数据密集型企业工作流的早期测试中，合作方看到 Hydrogen 的运行速度比 3.8 Flash 快 2 倍至 2.8 倍，同时 token 使用量减少 12% 至 23%。

开放式智能体执行。 在深度研究、数据分析和广泛代码库导航等多步骤任务上，Hydrogen 在 arena.ai 的实时基准 Agent Arena 上排名 #5。在深度领域推理与分析方面，它在 HLE-Diamond（58.8%）上领先同级，在 Vals Tax Agent Bench（52.3%）上总体排名第一，在 Vals Legal Research Bench（55.8%）上并列第一，并在 AutomationBench-AA 上领先同级。

多模态知识工作。 Hydrogen 将原生 100 万 token 输入与最多 100 万输出 token 相结合，可将密集的 PDF、电子表格、图表、音频和录制的视频合成为精炼、带引用的报告和结构化交付物。在面向复杂视觉文件的端到端智能体知识工作的新基准 Multimodal Knowledge Agent（MKA）（53.4%）上，以及面向端到端专业工作流的 Agents' Last Exam v1.1（71.6%）上，它均超越其他模型。

Web 开发。 在速度对开发者至关重要的任务上，例如实时 UI 原型设计、从设计到代码的迭代以及交互式应用构建，Hydrogen 能以更少的提示生成更功能完善、特性更完整的布局。

DeepMind 展示了多个使用该模型构建的演示。Geminisland 使用 Hydrogen 进行即时 3D 编码，让任何人通过单个提示向共享的体素岛屿添加内容，在地图上实时生成玩家可以第一人称行走探索的自定义结构。搭配 Google Antigravity 中新的 Gemini 前端设计技能，Hydrogen 一次性构建了一个电商店面，包含 WebGL2 地形着色器、固定的四阶段滚动叙事、热感分屏滑块、3D 线框规格卡片和实时车漆配置器。

在 Google Antigravity 中，Hydrogen 将 Google Sheets 变成了一块动画像素画布，通过结合 Python、原生 =LET(...) 公式和条件格式缩小数千个单元格，直接在实时电子表格内绘制并动画化全动态场景。从一个 YouTube 主题演讲视频和 Google Antigravity 中的一个设计模板出发，该模型直接在 Google Slides 中生成了一份多幻灯片演示文稿，随后运行自主的审计与修复循环，捕捉重叠文本并清理每张幻灯片的布局。

借助 Google Sheets 中的 Gemini，Hydrogen 可以帮助团队快速将财务数据转化为可根据不同预测情景动态调整的交互式模型，在 Sheets 画布中的输出速度比之前的模型快 30% 以上。

四个思考档位下的可调节速度与智能

Hydrogen 提供四个思考档位——low、medium、high（默认）以及新增的 xhigh 档位——在质量、延迟和成本方面提供广泛的选择。DeepMind 表示，这些档位以平滑、可预测的方式递进，用户只需为任务所需的推理深度等待和付费。在各思考档位上，该模型达到或超越部分同级竞争模型，同时通常完成任务更快、输出 token 更少。

Gemini 应用与 Search 中的日常协助

对于消费者而言，Gemini 4 Hydrogen 旨在让任务完成更加轻松，在多轮对话中更好地保持正轨并更严格地遵循指令。DeepMind 表示，在 Gemini 应用中，该模型更善于遵循用户指引、调用正确的工具，并以更少的往返产生可靠的输出。

在写作、研究和日常工作中，Hydrogen 紧贴用户的语气、格式和特定规则，使邮件草稿、学习指南、改写和文档在第一次尝试时即可直接使用。在比较产品或综合密集材料时，它能整理出清晰的表格和可视化拆解而不遗漏关键细节。

该模型逐步拆解目标，从用户上传的文件、Gmail 和 Google Drive 等 Google 应用，以及 Airtable 和 Dropbox 等关联应用中提取相关上下文。Google 表示，当任务在 Gemini 中启动时，该模型会更频繁地调用适合该任务的工具和技能。

在原型设计和迭代方面，Hydrogen 能以更少的提示生成干净、可运行的布局，便于快速测试和完善交互式项目。Google 引用的示例包括：由实时全球雷击数据驱动、将全球每一次雷击映射为视觉涟漪和实时环境音乐的交互式 3D 地球与 Web Audio 音乐引擎；由纯数学和 SDF 纹理构建、模拟实时光的折射、反射、色散和吸收的 WebGL2 水与玻璃可视化器；以及一段关于"氢"元素的档案式精彩短片，由自定义视频组装技能制作，选用公共领域素材并剪辑为一段带清晰旁白的连续成片。

在 Google Search 中，Hydrogen 旨在为全球所有用户提供更有帮助、更直观的回答。Google 表示，该模型能更好地理解用户的真实意图，即使是多部分查询、难以理解的拼写错误或高度具体的请求。回答将更具视觉性、自适应且易于浏览，同时保持用户对 Search 的速度预期。公司还在升级其 query fan-out 技术，利用 Hydrogen 的高级推理为用户连接更广泛的有用链接，包括他们此前可能无法发现的网站。

为大规模安全、可靠的执行而设计

Hydrogen 将 Google 最新 Gemini 4 安全与防护体系的改进带给了迄今最广泛的受众，将内置训练与实时表层防护相结合，以缓解失调与滥用。Google 强调了两个重点领域：

安全、对齐且可靠的智能体工作流。 DeepMind 表示，虽然 Gemini 3.8 Flash 具备强大的对齐和防护能力，但 Hydrogen 是一次飞跃。该模型将智能体任务中的过度行为最多减少 81%，服务不足最多减少 79%，并在工具使用和编程评估中将失调行为和任务走捷径现象减少 12 倍。面对不可能完成或被阻止的任务时，其绕过权限边界的可能性最多降低 2 倍，并在 Google 内部智能体诚实性评估中达到 96.7% 的诚实率。基于公司对推理透明性的承诺，Hydrogen 在超过 20 万个经审计的轮次中保持了 99.9% 的思维链可读性，且零欺骗性推理篡改。面对间接提示注入攻击，该模型在 Gray Swan IPI 基准上的抗性提高超过 2.3 倍，同时在工具使用、计算机使用和编程智能体方面显著提升了稳健性。

有帮助、可靠的日常交互。 在各产品界面上，Google 对 Hydrogen 进行了调优，使日常对话更加可靠和安全。其更新的防护机制在区分真实的生物安全风险与正当的医学或科学问题方面也更加精准，将 HealthBench Pro 上的错误拒绝率保持在 0.4% 以下。

更多详情请见 Gemini 4 Hydrogen 模型卡。

Gemini 4 Hydrogen，今日起面向所有人开放

自11月12日起，Hydrogen 正在全球范围内的开发者、企业和消费者界面推出：

• 面向开发者： 可通过 AI Studio 中的 Gemini API 和 Android Studio 中的付费层级进行构建，在 AI Studio 中试用，Google AI Pro 和 Ultra 付费订阅用户可在 Google Antigravity 中测试。
• 面向企业： 可通过 API 或模型下拉菜单在 Gemini for business 中部署，也可在 Google Antigravity 中部署，符合条件的商业订阅还可在 Google Sheets 中的 Gemini 中使用。
• 面向所有人： 可在 Gemini 应用的模型下拉菜单中使用，所有用户均可通过 Google Search 使用，Google Sheets 中的 Gemini 则从 Google AI Pro 和 Ultra 订阅用户开始提供。

在 Gemini 应用中，免费用户将在 Hydrogen 是某一提示的合适模型时，通过自动模型选择获得访问权限。这意味着免费层级的访问取决于自动选择将该提示判定为 Hydrogen 任务，而非手动选择。

关于作者

Google 称 Koray Kavukcuoglu 是全球顶尖的人工智能专家之一。作为 Google DeepMind 的高级副总裁，他领导公司最先进的生成式 AI 模型的开发及其在 Google 产品中的大规模集成。此前，他担任 Google DeepMind 研究副总裁，创立了深度学习团队；其团队开创了包括 DQN（Deep Q-Network）和 WaveNet 在内的重大研究突破。