便宜近半、快2.5倍:Gemini 4 Hydrogen全量推送,「中杯」模型开始逆袭

11 月 14 日,谷歌把一枚「中杯」模型推到了全场 C 位:Gemini 4 Hydrogen 结束预览、全量推送,定价每百万输入 token 1.5 美元、输出 7.5 美元,在整整 100 万 token 的上下文窗口内一口价;官方口径称它比所取代的 Gemini 3.8 Flash 快 2.5 倍,并顺手接入了搜索。真正让行业侧目的是第三方榜单——在 Artificial Analysis 智能指数上,默认思考档的 Hydrogen 拿到 51 分,反超自家旗舰 Gemini 4 Argon 的 50 分;把思考档拉到新的 xhigh,分数来到 54。大模型竞争讲了两年「谁最聪明」,这一回谷歌亲手改题:便宜、快、够用的模型,开始正面挑战旗舰的溢价。

「中杯」凭什么叫板旗舰

Hydrogen 在 Gemini 4 家族里的定位很明确:不做全能冠军,做主力执行器。谷歌给它的标签是「快速编码与智能体任务」——过去这类活儿属于 Flash 系列,但旧 Flash 已经跟不上智能体循环对速度和可靠性的要求。Hydrogen 的定价比老 Flash 贵,却仍只有旗舰档的一个零头:同样 100 万上下文,Argon 一档的单价远在其上,而 Hydrogen 把 1.5 和 7.5 美元的价格拉平到整个上下文窗口,长文档、长会话不再有「越聊越贵」的暗坑。

谷歌的赌注写在产品细节里:新设的 xhigh 思考档让 Hydrogen 在需要时能把推理拉满,日常则用默认档控制成本;在 Antigravity 开发工具里,它还多了一个新身份——执行器。官方数据显示,规划交给旗舰 Carbon、执行交给 Hydrogen 的分工模式,可以砍掉 24% 的配额用量,同时把任务速度提高近两成。换句话说,Hydrogen 从出生第一天就是按「被旗舰指挥」设计的,这在中端模型里还是头一遭。

贵不等于好:两份榜单给旗舰「上强度」

Hydrogen 的逆袭不是孤例,而是行业榜单的共同表情。11 月 14 日更新的 MathArena 数学榜上,Gemini 4 Carbon 以 85.4% 的期望得分登顶,把霸榜近两个月的 GPT-6.1 Sol(80.6%)挤到第三,Claude Fable 5.2 以 82.8% 居第二——这是很久以来非 OpenAI 模型第一次拿下该榜第一。但榜单运营方、ETH 苏黎世联邦理工的 Jasper Dekoninck 自己给第一名的账单划了重点:Carbon 每解一题要花 15.7 美元,是 Sol 的 1.07 美元的约 15 倍;Carbon 的成绩还带正负 3.0 分的置信区间,且部分分数来自统计估计而非完整实测。

智能体榜单的裂口更直白。Deepnote 发布的 Agent Initiative Benchmark 让多个 AI「进群当同事」协作完成真实数据任务,结果 OpenAI 包揽前二:GPT-6.1 Sol 拿到 8.65 分、每任务成本仅 0.11 美元,是全场性价比之王;而定价高得多的 Claude Fable 5.2 成本高出 17 倍,得分反而更低。把两份榜单放在一起读,结论几乎写在脸上:前沿模型的能力溢价正在快速收窄,模型选型从「信仰充值」变成一道成本核算题。

一个做规划、一个干粗活:模型分工成为新范式

Hydrogen 登场的更大背景,是「双模型协作」正在成为智能体工具链的默认架构。谷歌在 Antigravity 里内置的 Orchestrator 让 Carbon 负责拆解规划、Hydrogen 负责落地执行,一个想、一个干,配额立省 24%;这套思路和 OpenAI 此前的 Decisions API 一脉相承——都是把「快思考」与「慢思考」拆到不同模型上,让延迟敏感的动作跑在百毫秒级模型里,把昂贵的深度推理留给真正需要的步骤。工具链的竞争焦点,正从单模型跑分转向调度效率。

另一边的 Anthropic 则选了条相反的路:把旗舰送到每个人手里。11 月中旬,Opus 5.5 转正为 Pro、Max、Ultra 与 Team 计划的默认模型,官方同时发了一份「提示词礼仪」指南,核心建议是别再对模型喊「努力想一想」——Opus 5.5 会自行伸缩思考深度,用户应该从 Medium 档起步,把目标、产出格式和检查点一次说清,把模型当同事派活,而不是步步指挥。一个把旗舰降价普及,一个把中杯提速上位,巨头们在不同方向上奔赴同一个终点:让每一分 token 支出都花在有效智能上。

数据中心里的服务器机架,蓝色灯光下的算力基础设施
数据中心里的服务器机架,模型性价比之争最终都要落到这样的机房里(资料图片)

企业侧:智能体开始搬进客户自己的机房

模型层打得热闹,企业市场的门却一度被「数据主权」卡着。Anthropic 11 月中旬开放了自托管 Managed Agents 私测:harness、沙箱、凭证和会话历史全部跑在客户自己的云或本地机房,客户只需要运维三样东西——Managed Agents 服务器、它的 PostgreSQL 数据库和干活儿的 worker 节点;模型推理仍走出网,但企业最敏感的资产留在了内网。对安全评审卡死了托管服务的企业,这第一次给出了可评估的路径,代价是自己养一套基础设施,且目前只能通过客户团队申请,没有自助入口和正式发布时间表。

云厂商则在把「托管智能体」做成标准品。AWS 把下一代 Bedrock AgentCore 运行时设为默认,官方称会话启动最高快 15 倍、计费内存最高降 68%;阿里云 AgentCore 则宣布支持以配置化托管、自定义镜像和纳管三种方式接入 DeepSeek Harness,统一提供身份、凭证、网络与治理能力。一端是模型厂商往企业里走,一端是云厂商把智能体运行层商品化,企业智能体落地从演示狂欢进入了生产化验证阶段。

开源与端侧:便宜好用的模型继续下沉

性价比叙事最大的受益者其实是开源社区。11 月中旬,开发者套件团队 Edge0 放出 Edge0-145B:1450 亿参数的开源编码与智能体模型,靠稀疏 MoE 把每 token 激活参数压到 101.2 亿,专家层在显存、内存和固态硬盘之间动态调度,从而在单张 16GB 消费级显卡加 20GB 内存的机器上跑起来;官方成绩单包括 Terminal-Bench 2.1 得 86.5 分、DeepSWE 1.1 得 64.6 分,在 RTX 5090 D 上解码速度最高 121.2 token/s。受限于 CUDA 13,它暂时只支持 Linux 和 Windows,早期宣传中的 Apple 硬件支持尚未兑现。

让大模型跑进小显存的配套工具也在密集开源。华为发布了 MACaQ 4-bit 量化工具,宣称在单张 32.5GB 显卡上 64 分钟就把一个 1220 亿参数模型压到 4-bit,直接兼容 vLLM 与 llama.cpp 推理栈;斯坦福、多伦多、宾大和 MIT 联合开源了 194M 参数的外挂潜记忆模块 Memorilla,把整份文档压缩成 16 个记忆 token,上下文开销降低 108 倍,让冻结参数的 Qwen3-8B 在 FactKG 基准上刷到 84.33%。更上层,LMSYS 在旧金山牵头成立 SGLang 联盟,英伟达、AMD、英特尔和谷歌、Meta 等八家硬件与云厂商坐到同一张桌子前,共推开源推理引擎在异构加速器上的演进——「便宜好用」正在成为一条完整的产业协作链。

花边与暗线:解散的机器人团队与被破译的哥德尔笔记

头条之外的暗线同样信息量十足。《财富》确认 OpenAI 解散了独立机器人研究团队,研究人员并入首席研究官 Mark Chen 的核心研究体系、硬件人员进入 Greg Brockman 执掌的应用部门——官方解释并非退出机器人,而是 GPT-6 Astra 这类通用模型已能直接控制机器人,专用栈失去了存在理由;几乎同时,Cursor 发布供应链安全复盘:一个泄露的 vendor key 让攻击者把假冒的 Claude Code 扩展塞进了它的插件市场,约 5000 名用户中招。

人文与应用的角落则有几则值得回味的消息:芬兰逻辑学家 Jan von Plato 借助 Claude 整理哥德尔 16 本工作簿,梳理出 663 条定理雏形、其中 400 条经形式化验证成立,还还原了哥德尔接近证明选择公理独立性的关键论证;未来医生的 MedGPT 在 40 例真实复杂肺癌病例盲评中以 88:12 战胜 250 名三甲医生,综合评分 96.22;李沐出任 Aimotion 联合创始人兼 CTO,同时继续执掌 Boson AI;而靠「用户已登录网站上下文」跨站办事的 AI 浏览器 Aside,用 33 天把年收入从 100 万美元拉到了 200 万美元。

把这些新闻连起来看,一条主线逐渐清晰:当「中杯」能在智能指数上追平旗舰、当贵 17 倍的模型在协作任务里输给便宜者,AI 竞争的计分板就从「能做什么」变成了「多快多省地做成」。对开发者,这意味着更细的模型分层和更精的调度艺术;对企业,这意味着自托管与云托管两条路线同时敞开;对普通用户,最直观的变化或许是——好用的智能,正在变得更便宜。

© 版权声明
THE END
喜欢就支持一下吧
点赞8 分享
评论 抢沙发

请登录后发表评论

    暂无评论内容