Google 的新 Gemini 4 Hydrogen 智能水平略低于 Claude Sonnet 5.5 和 GPT-6.1 Sol，成本为 Sonnet 的三分之一，但约为 GPT-6.1 Sol 的 2.5 倍

@GoogleDeepMind 在六周内发布了他们的第三款新模型。Gemini 4 Hydrogen 引入了 xhigh 推理级别，在 Artificial Analysis 智能指数上得分 54，在视觉推理和抗幻觉方面表现突出。这使其落后 Claude Sonnet 5.5（max）和 GPT-6.1 Sol（max）1 分，成本约为 Sonnet 的 32%，但约为 GPT-6.1 Sol 的 2.5 倍。在 high 推理下，Gemini 4 Hydrogen 的智能水平与 Gemini 4 Argon 相当，而每任务成本约为其 19%

要点：

• 新的 xhigh 推理级别在智能指数上得分 54：xhigh 是 Gemini 模型上首个高于 high 的推理级别，使 Hydrogen 落后 Claude Sonnet 5.5（max）和 GPT-6.1 Sol（max）1 分，领先 Gemini 4 Argon（high）4 分。在默认（high）推理下，Gemini 4 Hydrogen 得分 51，略低于 GPT-6.1 Sol（xhigh，52）和 Claude Opus 5.5（high，52）
• 视觉推理、演示和抗幻觉能力强：在 GDP.pdf 这一长文档视觉推理基准上，它在 medium 推理下全通过率达到 33%，为该基准并列第一。在 AA-Omniscience 上，Hydrogen 的幻觉率为 8%，是有记录以来最低之一，而 Claude Sonnet 5.5（max）为 43%，GPT-6.1 Sol（max）为 52%。在 AA-Briefcase 这一智能体知识工作评估中，评分者认为 Hydrogen 的演示优于其他 Gemini 模型，包括 Carbon
• 在智能体终端任务上较弱：Hydrogen 在 Terminal-Bench 4.0 上得分 54%，在 Terminal-Bench-Science 0.1 上得分 50%，这两项涵盖终端中的智能体编程和科研工作流。Claude Sonnet 5.5（max）得分 64% 和 53%，GPT-6.1 Sol（max）得分 56% 和 58%。xhigh 推理对科学任务有帮助，将 Terminal-Bench-Science 从 high 下的 41% 提升至 50%，但对 Terminal-Bench 4.0 没有影响（两者均为 54%）。科学得分在各领域间较为均衡，从地球科学的 46% 到物理科学的 53%
• 相对其智能水平成本较低，但 xhigh 下 token 用量高：Hydrogen 定价为每百万输入/输出 token 1.50/7.50 美元。在 xhigh 下，其每任务成本约为 Claude Sonnet 5.5（max）的 32%，智能水平接近，但约为 GPT-6.1 Sol（max）的 2.5 倍。与 high 相比，xhigh 的输出 token 几乎翻倍，换来智能提升 3 分，每任务成本从 xhigh 的 3.16 美元降至 high 的 1.87 美元。medium（0.80 美元）和 low（0.29 美元）成本更低，但智能指数得分分别为 41 和 27
• 在每任务时间与智能的帕累托前沿上：Gemini 4 Hydrogen 的输出速度约为每秒 200 个输出 token。在 high、medium 和 low 推理强度下，Gemini 4 Hydrogen 位于每任务时间与智能的帕累托前沿上，意味着没有模型同时具备更高智能和更低每任务时间

关键模型细节：

• 上下文窗口：100 万 token
• 多模态：文本、图像、视频和语音输入，文本输出
• 推理强度：Gemini 4 Hydrogen 提供四个推理级别（low、medium、high 和 xhigh），其中 xhigh 为本次发布新增
• 定价：每 100 万输入/输出 token 1.50/7.50 美元。缓存输入 token 享受 95% 折扣（0.075 美元）

祝贺 @GoogleDeepMind 团队发布！