Gemini 4 Hydrogen 與 Gemini 3.8 Flash:升級是否值得?
Gemini 4 Hydrogen vs Gemini 3.8 Flash: Is the Upgrade Worth It?
文章比較 Gemini 4 Hydrogen 與 Gemini 3.8 Flash,指出 Artificial Analysis 任務測試中,Hydrogen 在 high 設定下每項完成任務成本為 $1.87、評分指數為 51;Flash 在 high 設定下則為 $7.77 和 31。
文章比較兩款模型的任務成本與評分,並整理思考層級預設、API 協定支援及長輸出路徑等遷移限制。
結果:從 Gemini 3.8 Flash 遷移至 Gemini 4 Hydrogen,完成一項 Artificial Analysis 任務的實測成本由 $7.77 降至 $1.87,低 75.9%;指數則由 31 升至 51。Token 價格翻倍。工程上的難題在於其他一切。
Gemini 4 Hydrogen 並非 Flash 的更新版。其模型卡寫道:「Gemini 4 Hydrogen 是由 Gemini 4 Carbon 改編而成。」Google 建議用它取代Gemini 3.8 Flash,以及較早的 Gemini 3 和 2.5 型號。它沿用長解碼輸出路徑,新增名為 xhigh 的第四種思考層級,並預設為 high,而非 3.8 Flash 的 medium。在 AIHubMix 上,它支援的協定範圍比 Carbon 窄;Google 亦稱它是短期正式供應版本,採用 45 日停用通知政策。只更改模型 ID 的 pipeline 通常會令每輪成本增加,而且仍可能遇到文件已列明的協定支援缺口。
根據 Gemini API 變更記錄,Hydrogen 於 2026-11-12 正式推出;模型卡日期亦為同一天。Google 的發布文章將它描述為適合日常使用的模型,用於 Agent 工作流程;而 Carbon 和 Argon 則定位為專為深度、長期推理而打造的模型。
下文將介紹 API 邊界、請求格式、故障模式、實測及供應商公佈的數字,以及仍未核實的事項。
API 邊界有何變化
在 Google 的 API 上,兩款模型均提供 1,048,576 tokens 的上下文視窗、接受文字、圖片、音訊及影片輸入,並設有免費層級。會影響程式碼的差異包括輸出上限、預設思考層級、閘道文件列明的協定支援,以及快取。
| 項目 | Gemini 4 Hydrogen | Gemini 3.8 Flash |
|---|---|---|
| 上下文視窗 | 1,048,576 tokens | 1,048,576 tokens |
| 最大輸出 | 透過長解碼可達 1,048,576 tokens | 65,536 tokens |
| 同步輸出 | 每個 hop 65,536 tokens,無論是否串流 | 65,536 tokens |
| 思考層級 | low、medium、high(預設)、xhigh | low、medium(預設)、high |
| 輸入模態 | 文字、圖片、音訊、影片、PDF、Office | 文字、圖片、音訊、影片、PDF |
| 免費層級 | 有 | 有 |
| 快取 | 僅隱式,最低 4,096-token | 隱式及明確 |
Hydrogen 每個同步 hop 的上限為 65,536 tokens,無論是否使用串流模式均適用。Carbon 和 Argon 只在串流時支援 65,536 tokens,否則為 32,768 tokens。超出單一 hop 後,Hydrogen 會採用與 Gemini 4 系列其他型號相同的背景處理或續接 token 路徑,最多可達 1,048,576 tokens 扣除輸入 token 數。
預設設定的重要性比表格所示更大。Hydrogen 每輪消耗的思考 tokens 多於預設為 medium 的模型,而輸出 tokens 包括思考 tokens。遷移工作負載時若不設定層級,每輪的支出通常會高於使用 3.8 Flash 時,即使尚未計及每 token 價格差異也是如此。降至 medium 以維持舊有成本並非沒有代價:Hydrogen 的 medium 在 AA 上得分 41,low 得分 27,而 high 為 51;品質損失大於節省的 tokens。
請求格式
AIHubMix 文件列明的路徑是 OpenAI 相容的 chat-completions 端點。模型頁面列出兩個供應商:VertexAI 和 Google AI Studio,並支援自動重試。以下範例假設使用 OpenAI Python SDK 及 AIHUBMIX_API_KEY。
import os
from openai import OpenAI
client = OpenAI(
base_url="https://aihubmix.com/v1",
api_key=os.environ["AIHUBMIX_API_KEY"],
)
response = client.chat.completions.create(
model="gemini-4-hydrogen",
messages=[{"role": "user", "content": "Summarise this incident report and list the follow-ups."}],
max_tokens=16384,
)
print(response.choices[0].message.content)
端點為 POST /v1/chat/completions。AIHubMix 列明 Hydrogen 支援文字、圖像、音訊、影片及 PDF 輸入,但沒有公佈推理、工具使用或結構化輸出的能力標記;其Gemini 指南涵蓋 Gemini 2.5 時期的思考控制項,而非 Gemini 4 的層級。不要假設 Google 的 thinking_level 參數或新的 xhigh 值可經由閘道傳遞。除非已確認該路由支援長時間解碼,否則請將 max_tokens 控制在 65,536 的同步上限內。本文沒有進行即時測試,因此範例展示的是請求格式,而非經驗證的回應。
失效情況
現已列出多模態輸入。Google 的企業版頁面列出文字、圖像、音訊、影片、PDF、Office 及 OpenDocument 輸入。AIHubMix 的模型頁面列出文字、圖像、音訊、影片及 PDF 輸入,並支援文字輸出;其 llms.txt 仍保留較舊的僅文字説明,因此應以較新的頁面為準。閘道頁面沒有列出 Office 和 OpenDocument。傳送螢幕截圖或 PDF 的流程可以遷移;依賴 Office 檔案的流程則應繼續使用 Carbon 或 Argon。
支援的通訊協定較少。Carbon 和 Argon 均有 Chat Completions、Responses、Anthropic Messages 及原生 Gemini 的結構描述項目。2026-11-11 的模型索引快照中,Hydrogen 沒有結構描述項目,而且只有 POST /v1/chat/completions 有文件説明。採用 Codex 風格 Responses 的用戶端,以及採用 Claude Code 風格 Anthropic 的用戶端,不應未經檢查便假設可正常運作。
思考控制項未必能傳遞。目前沒有公佈推理能力標記,而 Gemini 指南只涵蓋 2.5 時期的控制項。依賴 thinking_level 或 xhigh 的請求,在加入流程前需要先測試。
長輸出需要確認路由。同步上限為 65,536 tokens。1,048,576-token 輸出路徑取決於長時間解碼,但尚未確認此閘道路由是否支援。請視為未經測試。
此版本的支援期較短。Google 的企業版文件將 Hydrogen 稱為「短期一般供應 (GA) 版本,受至少提前 45 天發出退役通知的政策約束」。棄用頁面沒有列出停用日期。請將模型 ID 放在設定中,而非程式碼內。
部分平台功能不支援。Gemini Live API、RAG Engine、Tuning 及固定配額均標示為不支援;Batch inference 則受支援。
安全表現各有高低。模型卡顯示,其文字安全性優於 Gemini 3.8 Flash(文字對文字 +0.80pp,多語言 +1.10pp),但不當拒絕多 5.57 個百分點,尤其是在多模態提示詞中;語氣表現亦差 0.65 分。這些是自動化評估,並非紅隊測試。
與 Gemini 3.8 Flash 比較
Artificial Analysis 的即時排名中,Hydrogen 和 Gemini 3.8 Flash 均以 high 推理力度進行評測。數據快照時間為 2026-11-13T02:40Z,採用 Intelligence Index v5.0.1,共有 78 個排名模型。數據採用標準牌價,並非 AIHubMix 的帳單。
| 模型/推理力度 | AA 排名 | AA 指數 | 每項任務費用($) | 分鐘/任務 | 首個回應 token |
|---|---|---|---|---|---|
| Hydrogen high | 21 | 51 | 1.87 | 8.3 | 18.89 s |
| Hydrogen xhigh | 16 | 54 | 3.16 | 13.5 | 37.77 s |
| Gemini 3.8 Flash high | 54 | 31 | 7.77 | 14.7 | 17.53 s |
此比較統一採用 high 推理力度;這是 Hydrogen 的預設值,但不是 Flash 的預設值。Flash 使用預設的 medium 推理力度時,得分為 30,每項任務費用為 $6.26;因此,採用預設值對預設值比較會改變數字,但不會改變結論方向。
Hydrogen 的首個回答 token 在 18.89 秒後送達,比 Flash 的 17.53 秒慢約 1.4 秒;完成任務則需時 8.3 分鐘,而 Flash 需時 14.7 分鐘。在 xhigh 中,它得分 54,每項任務收費 $3.16,需時 13.5 分鐘;首個 token 在 37.77 秒後送達。這比同一份比較快照中的 Gemini 4 Argon high 高 4 分,亦比 Carbon high 低 6 分(60 分)。
價格與遷移計算
Google 定價頁面的官方價格,以每百萬個 token 的美元價格列示;Google 的定價頁面於 2026-11-13 查閲。Hydrogen 未有公佈未來價格變動,而且價格在整個上下文視窗內維持不變。
| 模型/級別 | 輸入 | 快取輸入 | 輸出 | 生效時間 |
|---|---|---|---|---|
| Hydrogen Standard | $1.50 | $0.075 | $7.50 | 目前 |
| Hydrogen Batch / Flex | $0.75 | $0.0375 | $3.75 | 目前 |
| Hydrogen Priority | $2.70 | $0.135 | $13.50 | 目前 |
| Gemini 3.8 Flash Standard | $0.75 | $0.075 | $3.75 | 截至 2026-12-31 |
| Gemini 3.8 Flash Standard | $1.50 | $0.15 | $7.50 | 由 2027-01-01 起 |
| Gemini 4 Carbon / Argon | $2.00 | $0.10 | $10.00 | 截至 2026-11-30 |
| Gemini 4 Carbon / Argon | $4.00 | $0.20 | $20.00 | 由 2026-12-01 起 |
由此可見兩個結果。Hydrogen 的輸入和輸出費率,與 Gemini 3.8 Flash 自 2027-01-01 起的標準費率完全相同,因此兩者「價格相差一倍」的差距會在元旦消失。與 Carbon 和 Argon 相比,Hydrogen 截至 11 月 30 日每個 token 便宜 25%;兩者於 12 月 1 日加價一倍後,Hydrogen 每個 token 便宜 62.5%。
AIHubMix 列出的 Hydrogen 價格為 $1.50、$7.50 和 $0.075,與 Google 的標準價格相同。免費級別由 Google 提供,而非閘道服務提供:AIHubMix 是付費路徑。
Google 的基準測試卡:七勝三負
Google 的模型卡由供應商提供,於 2026-11-12 發佈,並以兩個競爭對手作比較,而非上一代 Gemini 模型。Hydrogen 在列出的 10 項比較中領先 7 項。三項落敗的項目值得留意。
| 基準測試 | Hydrogen | Claude Sonnet 5.5 | GPT-6.1 Terra |
|---|---|---|---|
| Terminal-Bench 4.1 | 57.0% | 63.9% | — |
| OSWorld-2.1 | 77.6% | 83.9% | 74.2% |
| Terminal-Bench-Science 0.1 | 51.4% | 59.9% | 58.3% |
模型卡將 Terminal-Bench 4.1 標註為「已按作弊情況調整」。Sonnet 5.5 在這三項中全勝。這些項目正好顯示,較昂貴的模型仍有其優勢。Anthropic 的價格表列明,Sonnet 5.5 的輸入價格為 $2,輸出價格為 $10;因此 Hydrogen 每個 token 便宜 25%,在大部分比較項目中勝出,但在這些項目中落敗。
不要把 Carbon 的數據放在這張表旁邊。Carbon 的模型卡列出的 Terminal-Bench 4.0 分數為 65.2;Hydrogen 的模型卡列出的 Terminal-Bench 4.1 分數為 57.0。基準測試版本不同、比較對象不同,不能構成有效的比較欄位。
發佈文章提出了模型卡沒有重提的説法:Hydrogen「在高預設設定下完成任務的速度比 Gemini 3.8 Flash 快 2.5 倍」,並將虛構説法減少「超過 5 倍」。文章亦聲稱 Hydrogen 在 Agent Arena 排名第 #5、在 Vals Tax Agent Bench 中排名第一(52.3%),並在 Vals Legal Research Bench 中並列第一(55.8%)。這些均為供應商提供的説法,本文未有獨立重現。
尚未核實的事項
- 本文沒有進行即時測試。請求樣本展示的是格式,而非回應。
- AIHubMix 沒有列出 Hydrogen 是否支援推理、工具使用或結構化輸出的能力標記,亦沒有説明
thinking_level或xhigh是否支援透傳。 - 通往 1,048,576 個輸出 token 的長輸出解碼路徑,未能確認是否適用於閘道服務路徑。
- AIHubMix 的 Hydrogen 頁面列出圖片、音訊、影片及 PDF 輸入,但沒有列出 Office 和 OpenDocument。
- 文件沒有説明是否支援 Responses 和 Anthropic Messages;只有
POST /v1/chat/completions有相關説明。 - Artificial Analysis 的數據採用標準牌價,而非 AIHubMix 的帳單金額。
- 供應商的説法(快 2.5 倍、虛構説法減少超過 5 倍、Agent Arena 排名第 #5、Vals Tax 52.3%、Vals Legal 55.8%)尚未獲得獨立重現。
遷移檢查清單
- 在設定中保留模型 ID。Google 的 45 天退役通知政策,令該字串成為部署變數。
- 明確設定思考級別。預設值已由 medium 改為 high,而輸出 token 數包含思考內容,因此沿用預設值通常會令每輪成本更高。
- 在確認該路由支援長輸出解碼前,將
max_tokens保持在 65,536 或以下。 - 以你自己的流量測試多模態輸入。AIHubMix 列出 Hydrogen 支援圖像、音訊、影片及 PDF 輸入;Office 和 OpenDocument 則未有列出,因此這些檔案仍應使用 Carbon 或 Argon。
- 檢查客戶端通訊協定。只有
POST /v1/chat/completions有文件記載;Responses 和 Anthropic Messages 客戶端需要測試。 - 使用 Hydrogen high 和採用預設設定的 Gemini 3.8 Flash,各執行 20 至 50 個實際請求;比較每項已完成工作的成本,而非每個 token 的成本。
AIHubMix 比較頁面涵蓋這項選擇中 Carbon 的部分。
繼續閲讀:Gemini 4 Hydrogen 系列
- 如果接下來想知道應採用哪個思考級別,第二篇文章會在相同索引上測試全部四個級別,並展示級別提升何時不再帶來效益:Gemini 4 Hydrogen 思考級別:low、medium、high、xhigh
- 如果接下來想知道應否讓 Hydrogen 與 Carbon 或 Argon 一同運行,第三篇文章會並列比較這三個模型,列出價格、延遲及工作負載表:Gemini 4 Carbon、Hydrogen 與 Argon:不同工作應選用哪個模型?
來源
- Google,推出 Gemini 4 Hydrogen
- Google AI Studio,Gemini 4 Hydrogen:有何新功能
- Google DeepMind,Gemini 4 Hydrogen 模型卡
- AIHubMix,Gemini 4 Hydrogen
- Artificial Analysis,Gemini 4 Hydrogen — 即時快照 2026-11-13T02:40Z,Intelligence Index v5.0.1
來源:DEV Community · dev.to