Hydrogen 卖多少钱：51 分要 1.5 美元

一句话总结：Gemini 4 Hydrogen 定价输入 1.5 美元、输出 7.5 美元每百万，混合价 3 美元，比上一代 Flash 快 2.5 倍、Terminal-Bench 从 18.2% 跳到 57%；但它拿到的 51 分和 GPT-6.1 Terra 一样，后者只卖 2 美元。

11 月 13 日 Google 把 Gemini 4 的第三款模型放出来了。Carbon 主打长程推理，Argon 是中间档，Hydrogen 的定位是"高频执行"——说白了就是便宜、快、够用。官方的说法是"把前沿智能带给所有人"。

价格表比宣传语实在：输入 1.5 美元、输出 7.5 美元每百万，在整个 100 万 token 上下文里不分段涨价。这篇把 Hydrogen 放进已有的价格矩阵里算一遍，看它到底站哪个位置。

Gemini 4 Hydrogen 的三个数

第一个数是 51。Artificial Analysis 智能指数，默认 high 思考档 51 分，xhigh 档能到 54 分。对照同门：Carbon 60 分、Argon 50 分。也就是说 Hydrogen 在自家产品线里比 Argon 高 1 分，比 Carbon 低 9 分。

第二个数是 3 美元，混合价（3 份输入配 1 份输出）。同口径下 Carbon 是 4 美元、Sol 是 4 美元、Opus 5.5 是 8 美元、Fable 5.2 是 16 美元。

第三个数是 100 万。上下文全程平价，不分段。这一点比前两个数更有实际意义：长文档、代码库级问答这类活，中间段加价是最疼的，Google 这次没设阶梯。

三个数放一起：51 分、3 美元、1M 上下文。这是个"够用且便宜"的组合，不是能力上限的争夺。

图 1：按混合价折算的每美元买分，Hydrogen 18 分排第二，第一是同分的 Terra

同分不同价：Terra 也是 51 分，价格便宜 50%

这张图里最扎眼的一行不是 Hydrogen。GPT-6.1 Terra 也是 51 分，混合价 2 美元，比 Hydrogen 便宜三分之一；按每美元买分算，Terra 25.5 分，Hydrogen 17 分，差 50%。

同分不同价在市场里很常见，原因是分数只是一个切面。Hydrogen 多出来的钱买的是别的东西：1M 上下文的平价、比 3.8 Flash 快 2.5 倍的速度、Terminal-Bench 上 57% 对 18.2% 的跃升。这些不体现在综合分里，但在具体任务上差得很远。

我的判断是：综合分相同的时候，看单项和长上下文。要跑长文档、代码库、多轮 agent，Hydrogen 那 1 美元溢价买得值；只做短问答和分类，Terra 更划算。按综合分挑模型是省事的做法，也是最容易踩坑的做法。

Terminal-Bench 从 18.2% 到 57%

这个跃升值得单独看。Terminal-Bench 4.1 考的是在终端里完成真实操作任务，18.2% 到 57% 是 38.8 个百分点的绝对提升，相对提升 3.1 倍。

这个幅度说明 Hydrogen 不是简单的 Flash 换皮。终端的活要连续执行命令、读输出、纠错，考验的是多步执行的稳定性。上一代模型在这类任务上掉链子，经常是第二步就跑偏。57% 依然意味着四成任务失败，但相对 18.2% 已经是另一个物种。

配套的还有速度：比 3.8 Flash 快 2.5 倍。速度和成功率在 agent 场景里是乘法关系——同样跑一小时，2.5 倍速度意味着能试 2.5 倍的方案，成功率低一点也能靠重试补回来。

100 万上下文平价：喂满一次 1.5 美元

把整个代码仓库喂进去做问答，输入侧就是 100 万 token。Hydrogen 收 1.5 美元，Carbon 收 2 美元，Fable 收 8 美元。同一次操作的成本差 5.3 倍。

这个差额在小规模试用时看不出来，规模化以后是决定性的。一个 50 人团队每天各跑 10 次全仓库问答，一天 500 次、每次 1.5 美元是 750 美元；用 Fable 是 4000 美元。一个月下来差 10 万美元。

输出侧的账不同。Hydrogen 的输出价是输入的 5 倍，这是行业统一的结构。任务输出占比高的时候（比如生成代码），实际单价会向 7.5 美元靠，混合价 3 美元的估算就不准了。这一点在上一篇算 Fable 的任务成本时也提过：混合价是横向比较的工具，不是账单预测。

上下文分级：Orchestrator 两个模型混着用

Google 同一天上线了 Antigravity 的 Orchestrator，可以在一个会话里动态切 Carbon 和 Hydrogen。官方给的数据是：Terminal-Bench 4.0 上成功率接近纯 Carbon，但配额消耗平均降低 24%、速度快 19%。

这组数字的价值在于它验证了一件事：强模型做决策、弱模型做执行的拆分，确实能在几乎不掉成功率的前提下省钱。agent 账单那篇算过同样的结构：钱集中在少数决策轮，执行轮用便宜模型，账单能砍掉一大半。24% 的配额降幅不算激进，但方向对——架构决策那几步用 Carbon，跑命令、验结果那几十步用 Hydrogen。

自己做类似调度也不难，关键是划清边界：哪些步骤需要判断力，哪些只是执行。划错了要么白省钱，要么白掉质量。

什么活该给 Hydrogen

三类任务匹配度高。终端操作与工具调用，Terminal-Bench 的数字直接对应；代码库级问答与 issue 定位，1M 平价上下文是刚需；批量数据处理，图数据库和 SQL 场景官方说比 3.8 Flash 快 2 到 2.8 倍、省 12% 到 23% 的 token。

两类别用。需要长程推理链条的（多步数学证明、复杂架构设计），Carbon 和 Fable 那一档；输出极长的（整文件生成），输出价 7.5 美元会把成本拉回去，不如找输出价更低的模型。

最后交代一句口径：51 分和 54 分是 AA 在 high 和 xhigh 两个思考档下测的，档位不同不能混着比；每美元买分用的混合价假设输入输出 3:1，你的真实比例不同，排序可能变。价格这东西变动频繁，看的时候对一下官网。

FAQ

Q：Hydrogen 和 Carbon 差在哪？

定位不同。Carbon 主打长程推理，60 分；Hydrogen 主打高频执行，51 到 54 分，便宜且快 2.5 倍。官方建议用 Orchestrator 把两者混着调。

Q：51 分够用吗？

看任务。终端操作、代码库问答、批量处理这些场景，Hydrogen 的单项表现远超综合分暗示的水平。需要长程推理的活不够，得换档。

Q：1M 上下文真的不涨价吗？

官方说法是整个 100 万 token 上下文保持平价，不设阶梯。这在长文档场景里是实打实的差别，中间段加价的模型会让长任务成本翻倍。

Q：和 GPT-6.1 Terra 怎么选？

同分、Terra 便宜 33%。选 Terra 的理由是纯成本；选 Hydrogen 的理由是长上下文、终端能力和速度。两个都要就上 Orchestrator 那类混合调度。

Q：配额消耗降低 24% 是什么意思？

指订阅制下每次任务的额度消耗。成功率接近纯用 Carbon，但配额少花四分之一，速度快 19%，等于同样的订阅额度能干更多活。