跑分反超自家旗舰、幻觉率仅8%：谷歌Gemini 4 Hydrogen全量开放，Orchestrator让模型自己分工

效率模型反超旗舰：Hydrogen 到底强在哪

11月13日，谷歌正式发布 Gemini 4 Hydrogen，没有盛大的预热排场，直接向全球开发者、企业与个人用户开放。与主打长周期深度推理的前沿模型 Gemini 4 Carbon 和 Argon 不同，Hydrogen 的定位是"日常编码与智能体工作流"里的快速执行者：更快的响应、更低的成本、更高效的智能体执行。但这份成绩单里最反常识的一点是，它的智能水平并没有为效率让路——在 Artificial Analysis 智能指数上，Hydrogen 默认 High 思考档位拿下 51 分，反超了自家上一代旗舰 Argon 的 50 分，开启全新的 xhigh 最高档后更达到 54 分，距离 Claude Sonnet 5.5 与 GPT-6.1 Sol 的最高档成绩只差一分。

速度与幻觉控制是 Hydrogen 更突出的两张牌。对比上一代 Gemini 3.8 Flash，Hydrogen 在默认 High 档下完成任务的速度提升至 2.5 倍，Terminal-Bench 4.1 成绩从 18.2% 跃升至 57%，虚构内容减少超过五倍。在 Artificial Analysis 的 AA-Omniscience 幻觉测试中，Hydrogen 的幻觉率只有 8%，而 Claude Sonnet 5.5 与 GPT-6.1 Sol 分别为 43% 和 52%——对于要把模型接进生产流程的团队来说，这个数字往往比跑分排名更有说服力。价格上，Hydrogen 按每百万输入 token 1.5 美元、输出 7.5 美元计价，在完整的 100 万 token 上下文窗口内统一收费，没有分段阶梯；Artificial Analysis 测算其 xhigh 档单任务成本约 3.16 美元、High 档约 1.87 美元，约为 Claude Sonnet 5.5 最高档的 32%。模型同时提供 Low、Medium、High、xhigh 四档思考深度，开发者可以按任务在质量、延迟与成本之间灵活权衡。

Orchestrator：同一会话里，让模型自己分工

如果说 Hydrogen 本身只是"又一款快模型"，那么与它同步亮相的 Orchestrator 编排机制，才是谷歌这次真正的杀招。过去多数 AI 编程工具由同一个模型包打天下，系统架构、代码编写、跑测试、修 Bug 全压在一个模型身上；Orchestrator 内置于 Google Antigravity 平台，能在同一会话中按需动态切换 Carbon、Hydrogen 等不同模型——Carbon 承担协调者角色，负责制定整体开发方案，多个 Hydrogen 驱动的工作智能体则分别编写代码、运行测试、检查结果，还能在彼此隔离的工作空间里并行执行。换句话说，模型之间的分工不再靠开发者手动选型，而是由系统自动完成。

谷歌公布的 Terminal-Bench 4.0 测试数据显示，Orchestrator 在保持接近 Carbon 单独执行任务成功率的同时，平均额度消耗减少 24%，任务完成速度提升 19%。对开发者而言，这意味着工作流的设计单位正在从"选哪个模型"变成"设计任务图"：哪些环节值得动用旗舰模型深想，哪些环节交给便宜快速的执行模型批量跑，系统自己会算这笔账。Hydrogen 在 Terminal-Bench 4.0 上虽然拿到 54%，仍低于 Claude Sonnet 5.5 的 64% 和 GPT-6.1 Sol 的 56%，但在多步智能体任务、视觉推理与幻觉控制上更突出——AgentArena 实时基准排名第五，HLE-Diamond 得分 58.8%，ValsTaxAgentBench 以 52.3% 排名第一，多模态知识智能体基准得分 53.4%。模型支持原生 100 万 token 输入与最高 100 万 token 输出，可以把 PDF、电子表格、音视频整合成带引用来源的结构化报告。

从 API 到搜索框：Hydrogen 的全栈铺开

这次发布另一个值得注意的信号是铺开速度。发布当日起，开发者可通过 Gemini API、AI Studio（所有层级用户）与 Android Studio 付费层调用 Hydrogen；企业用户经由企业版 Gemini 部署；普通用户在 Gemini 应用与 Google 搜索中直接可用，免费用户通过模型选择功能即可体验 Gemini 4 系列的最新能力。谷歌搜索同步迎来官方所称"迄今最大规模"的模型升级：搜索产品副总裁 Robby Stein 表示，Hydrogen 能更准确地理解复杂搜索意图，即使问题包含多个条件、拼写错误或随意的口语表达；查询发散（Query Fan-out）技术升级后，搜索系统会围绕复杂问题同时展开多个相关查询，结果也不再局限于网页链接，而是可以生成图片、对比表格、结构化信息甚至定制化交互工具。

开发者社区很快给出了第一批实测反馈。发布当日，就有开发者在 Antigravity 中搭配 Swarm 使用 Hydrogen 制作出完整可航行、可昼夜切换的 3D 港湾作品；也有作者用 High 档一次追加提示，生成带雨天效果与程序化摩天楼的 Three.js 未来城市。谷歌官方案例同样直指智能体场景：在 Geminisland 项目中，用户一句自然语言提示即可在共享体素岛屿上实时生成建筑并以第一人称探索；Hydrogen 配合 Antigravity 前端设计 Skill，能一次生成包含 WebGL2 地形着色器、滚动叙事与实时产品配置器的完整电商网站；还能把 Google Sheets 的数千个单元格变成动态像素画，或根据 YouTube 演讲视频自动制作演示文稿——生成后还会自动检查文字重叠、排版异常并尝试修正。安全方面，谷歌称 Hydrogen 将智能体任务中的越界行为最多减少 81%，服务不足情况减少 79%，未对齐行动减少 12 倍，在超过 20 万次审计回合中保持 99.9% 的思维链可读性，对间接提示注入攻击的韧性提升 2.3 倍以上，HealthBench Pro 上的错误拒绝率控制在 0.4% 以下。加上 Carbon、Argon，谷歌在短短六周内连发三款 Gemini 4 系列模型，"全家桶"式覆盖从深度推理到日常执行的完整档位。

算力底座没有闲着：两款新 TPU 与 1350 亿美元预期

模型层频频出手的同时，谷歌的算力底座也在加码。与 Hydrogen 发布几乎同一时间，谷歌推出两款新 TPU 芯片——TPU 8tx 与 8i Max，分别面向机密计算与长上下文任务，预计明年上市。这一动作被普遍解读为谷歌加速挑战英伟达在 AI 加速器市场的地位：当模型训练与推理需求从单点算力转向"上下文长度+安全隔离"的复合指标，专用芯片的差异化空间正在打开。

市场对这条自研路线的预期已经相当具体：有分析认为，到 2028 年谷歌 TPU 相关销售额有望超过 1350 亿美元。从 Gemie 4 系列模型到自研芯片，再到 Antigravity 里的 Orchestrator 调度机制，谷歌正在把"模型—芯片—平台"垂直整合的闭环补齐：旗舰模型定义能力上限，效率模型压低使用成本，自研芯片承接推理需求，编排层负责把这一切自动缝合成工作流。对云厂商和企业客户来说，这提供了一个不同于"英伟达 GPU + 第三方模型"的备选答案；对行业而言，竞争焦点正从单卡性能转向系统级的成本与调度效率。

世界模型开门：李飞飞把 Atlas 交给所有人

把视线从谷歌移开，世界模型赛道本周也迎来了标志性事件：李飞飞创办的 World Labs 正式向所有人开放世界模型 Atlas，同步上线网页应用、开发者 API 以及 Viewfinder、Chisel 等工具。用户上传一张图片或输入一句话，就能生成可探索、可渲染的 3D 场景，并直接导出至 Blender 或游戏引擎。这标志着世界模型从论文与限量演示，正式走向大众可用的生产工具阶段。

值得关注的是 Atlas 与近期其他世界模型路线的分工差异：DeepMind 的 Genie 4 强调实时语音与自然语言操控动态世界，偏研究与交互娱乐；而 Atlas 从开放第一天就把"导出到专业工具链"作为核心卖点，瞄准的是 3D 内容生产、游戏开发与数字资产流水线。当生成式 AI 的竞争从二维图像蔓延到三维空间，工具链的开放性——能否进 Blender、能否进引擎、API 是否够用——将决定一款世界模型能真正进入多少条生产线。

端侧、实验室与工业现场：AI 落地的三条支线

端侧方向，无界方舟先后开源了端侧模型 Edge0-35B 与千亿参数的 Edge0-145B，并配套统一推理引擎。其中 Edge0-145B 可以在 29GB 内存的个人笔记本上本地运行，多项评测比肩主流云端模型——端侧 AI 正在从"能用"走向"高智能"，本地推理与隐私敏感场景的想象空间随之打开。生命科学领域，DeepMind 深夜发布 AlphaGenome 2，宣称破译了人类 98% 的基因"暗物质"，诺奖得主哈萨比斯团队再次把基础模型的方法论推进到人类基因组解读这一硬核战场。

企业与工业侧同样热闹。xAI 正式发布 Grok Bot 1.0，新增团队共享、主动推进任务与持续学习能力，可接入 Slack、Microsoft Teams 及视频会议，马斯克想让 AI 直接"住进"团队的日常工作流。资本市场上，工业设备健康 AI 公司 Tractian 完成 1.3 亿美元 D 轮融资，由 Sapphire Ventures 领投、M&G 旗下 Catalyst 共同领投，估值达 14 亿美元；阿里巴巴则被曝拟将全栈数据中心芯片供应商平头哥分拆至港交所主板独立上市。a16z 在《Welcome to the B2A Economy》中提出的判断或许可以概括这一切：当 AI Agent 开始成为互联网的主要"用户"，从模型、芯片到应用与支付基础设施的每一层，都值得按"为智能体服务"的标准重做一遍。