谷歌Gemini 4 Hydrogen發布：幻覺減少5倍，速度提升2.5倍
nashnova research
Google正式發布Gemini 4 Hydrogen，取代Flash品牌成為Gemini 4系列的快速執行引擎，幻覺率降低逾5倍、任務速度提升2.5倍——這意味著→ AI模型競爭正式進入「又快又準」的下半場。
Hydrogen究竟快了多少、準了多少？
與上一代3.8 Flash相比，Hydrogen同等設置下任務完成速度提升2.5倍，幻覺生成率降低逾5倍。
Terminal-Bench 4.1得分從18.2%躍升至57%。這意味著→ 編碼與多步驟任務的實際可用性出現代際跳躍，而非小幅迭代。
在Artificial Analysis基準中，Hydrogen默認高思考模式得分51分，超過同系列更重的Argon模型（50分），開啟最高思考模式後達54分。
簡單來說＝ 一個定位「輕量快跑」的模型，跑分反超了「重量級選手」——Google在暗示速度和智力不再是二擇一。
Orchestrator是甚麼？為何它比單個模型更值得留意？
Google同步推出Orchestrator功能，在同一會話中動態調度兩個模型：Carbon負責深度推理，Hydrogen負責快速執行，系統根據任務複雜度自動切換。
這意味著→ 用戶毋須手動揀模型；平台把「選對工具」這件事接管了。
內部測試顯示，Orchestrator在Terminal-Bench 4.0上接近Carbon的成功率，同時配額消耗減少24%、速度提升19%。
簡單來說＝ 花更少的錢，跑得更快，結果幾乎一樣好——這是企業客戶最容易算清的帳。
企業實測數據說了甚麼？
企業軟件公司Box反饋：Hydrogen準確性顯著提升，速度約為3.8 Flash的2倍，token用量減少12%。
合作夥伴早期測試中，複雜圖計算、SQL等場景速度提升2倍至2.8倍，token用量減少12%至23%。
生物科技公司LatchBio的抗體開發基準測試中，Hydrogen毒理學部分通過率67%，非Google模型僅37%。這反映出Hydrogen在垂直專業場景已拉開差距，不只是通用跑分亮眼。
智能體安全——「越權行為」壓縮了多少？
與3.8 Flash相比，Hydrogen將智能體任務中的越權行為（unauthorized actions，即AI自作主張做了不應做的事）降低最高81%，服務不足降低最高79%。
工具調用和代碼評估中的錯位行為與走捷徑現象減少12倍。
這意味著→ 當AI替你執行任務時，它「亂來」的概率被大幅壓縮——這是企業敢不敢把真正業務交給AI的核心門檻。
安全護欄經得住攻擊嗎？
面對無法完成的任務，Hydrogen繞過權限邊界的概率降低最高2倍；內部誠實性評估達到96.7%的誠實率。
逾20萬次審計對話中，思維鏈可讀性保持99.9%，無任何欺騙性推理編輯記錄。
在Gray Swan IPI基準（間接提示注入攻擊，即通過隱藏指令誘騙AI執行惡意操作）測試中，抗攻擊能力提升逾2.3倍；安全護欄在HealthBench Pro上誤拒率低於0.4%。
定價和落地意味著甚麼？
開發者定價：每百萬輸入token 1.5美元、每百萬輸出token 7.5美元，全部100萬token上下文窗口內統一計價。
Hydrogen已在Gemini API、AI Studio、Gemini應用、Google搜索及Google Antigravity等平台全球同步上線。
簡單來說＝ Google把Gemini 4系列的分工攤開了：Carbon和Argon做「深度思考」，Hydrogen做「快速執行」，Orchestrator負責自動調配——模型競爭從比單項指標，轉向比整套協作系統的效率。
市场有风险，内容仅供研究参考，不构成投资建议。