Gemini 4 Hydrogen 首日评测
Gemini 4 Hydrogen 首日实测：会动的鹈鹕 SVG、带 RPG 玩法的俄罗斯方块。但最值得说的是我和 Simon Willison 用同名同档位的 Hydrogen 测出了差一个档的结果——跑分测的是模型，你每天用的是模型加壳子。
今天 Google 发布 Gemini 4 Hydrogen，这是一个代替 Gemini 3.8 Flash 的模型。
我跑了两个任务：一只骑自行车的鹈鹕和一个带 RPG 玩法的俄罗斯方块，用来评测 Gemini 4 Hydrogen。
先把 Hydrogen 是什么说清楚
这代 Gemini 4 有三个型号：Carbon、Argon、Hydrogen。
按 Google 自己的说法，Carbon 和 Argon 是前沿模型，干"深度、长周期推理"；Hydrogen 是快速执行档，定位是日常主力和 agent 工作流里的执行引擎。多模型协作时，Carbon 做架构和调度，Hydrogen 当"高效执行引擎"或者打下手的工作者 / 验证者。
所以 Hydrogen 在这家族里是最便宜最快的那一档，旗舰是另外两个。
名字按原子序数排：氢 1、碳 6、氩 18，所以 Hydrogen 最轻。但 Carbon(6) 比 Argon(18) 轻，排序又反了——HN 上那条 534 分、336 条评论的帖子，吵得最凶的就是这个命名。有人原话：「totally incoherent. Hydrogen --> Argon --> Carbon!?」还有人补刀：「只有三个名字就能排出不一致的顺序，也挺厉害。」
关键参数：
| 项目 | Gemini 4 Hydrogen |
|---|---|
| 价格（每百万 token） | $1.50 输入 / $7.50 输出，缓存读取 $0.075 |
| 上下文 | 1M 统一窗口 |
| 输出上限 | 默认同步 64K，后台长解码可到 1M |
| 思考档位 | low / medium / high（默认）/ xhigh |
| 知识截止 | 2026 年 3 月 |
| 全价窗口 | 全上下文一个价，不像 Haiku 那样超长就跳档 |
跑分（官方 model card）：
| 基准 | Hydrogen |
|---|---|
| AA 智能指数 | 51（high）/ 54（xhigh） |
| Terminal-Bench 4.1（反作弊修正） | 57.0% |
| SWE-sweep | 13.5% |
| HLE-Diamond | 58.8% |
| Agents' Last Exam v1.1 | 71.6% |
| AutomationBench-AA | 76.1% |
| OSWorld-2.1（离线子集） | 77.6% |
| Terminal-Bench-Science 0.1 | 51.4% |
几个值得单独拎出来的点：
- 它在 AA 智能指数上反超了自家 Argon（51 vs 50）。一个"执行档"模型，指数比自家上一代 Pro 档高。HN 上有人引用 AA 的数据，把 54 分的 Hydrogen 放在 GPT-6 Terra（51）和 Sol（55）之间。
- Claude Sonnet 5.5 仍然在三个项目上领先它：Terminal-Bench 4.1、OSWorld-2.1、Terminal-Bench-Science。这是官方 model card 自己列的。
- 它是从 Carbon "adapted" 来的——model card 原话，架构、训练数据、硬件全部指向 Carbon 的卡。这一点后面有用。
- Terminal-Bench 4.1 从 Gemini 3.8 Flash 的 18.2% 跳到 57%，默认档还快 2.5 倍。
- 它现在是免费层模型，并且驱动 Google Search 的 AI 功能。以后大部分人"默认"用到的就是它。
案例一：我的鹈鹕
为什么是鹈鹕
每出新模型，让它用 SVG 画一只骑自行车的鹈鹕——训练数据里几乎没有这张图，模型只能靠"鹈鹕长什么样 + 自行车什么结构 + SVG 怎么写"硬推。
我把难度加了一档：要动画。提示词一句话：画一个鹈鹕骑自行车的svg动画。模型档位 Hydrogen 高。
它交出了什么
不是一段 SVG，是一个完整的单文件交互网页：
- 标题「海风轻骑 · 鹈鹕单车手」，副标题自己写的：「纯矢量 SVG 骨骼联动与多层视差海岸动画（点击画面或车铃可互动）」
- 自带一个「复制 SVG 源码」按钮
- 两组控件：骑行节奏（悠闲 / 轻骑 / 冲刺）、海岸天色（晴空 / 晚霞 / 星夜）
- 一个大按钮：「按响车铃 · 打个招呼」
我把录屏抽成九帧看了一遍，9 种组合（3 节奏 × 3 天色）全部正常渲染。晚霞是橙紫渐变配紫色海面，星夜换成深蓝加月亮，晴空是蓝天绿丘配青色海。整页配色跟着主题走，不是只换个背景色。
鹈鹕本体：白身、灰蓝色翅膀、橙色大喙带喉囊、条纹水手帽、红围巾。车前藤编筐里还塞了只蓝色小鸟。场景里有带光束的灯塔、海堤护栏、远山、云、路面虚线。
放大看，哪里站得住哪里不行
它自述里最硬的一条是「双腿逆运动学（IK）踩踏闭环：预计算 16 帧圆周踏板轨迹与膝关节弯曲坐标，蹼足与踏板 100% 物理锁合，不穿模」。
我抽了相隔 0.4 秒的两帧放大对照：
站得住的部分：
- 腿确实在摆，两帧姿态明显不同，脚始终在牙盘附近，没有明显的穿模或脱离
- 轮子真的在转——两帧的辐条位置不一样，不是贴张静态图
- 路面虚线在移动，远山、海面、云各走一层，视差是真的
- 链条画成了虚线，从牙盘连到后轮
放大才看得见的硬伤：
- 牙盘只有一个圆盘，没有踏板实体。脚是"贴"在圆盘边上的，不是踩在一个有形状的踏板上。
- 车座和座杆基本看不出来，鸟的肚子直接压在车架上管上，视觉上是悬浮的。
- 车架管路是示意性的，红橙几根管子拼出大概形状，不是标准菱形车架，想找上管下管立管对不上。
说句公道话：这些在手机上原速播放完全看不出来，我是抽帧放大到 2 倍才挑出来的。作为一句话提示词换来的东西，它交付的完成度高于我的预期。
案例二：符文方块 · 地牢编年史
提示词
开发一个有 rpg 玩法元素的俄罗斯方块游戏，html 格式输出，丰富的动效，游戏可正常运行
就这一句。界面左上角写着 Gemini 4 Hydrogen · Ran for 3m 37s。
实际跑起来是这样
三栏布局。左栏是角色面板：Lv.1 奥术秘法师「魔力洪流 · 控场爆发」，生命与护盾 120/120、元素法力上限 130，三个技能带 MP 消耗。中间是棋盘，带 Ghost 落点预览。右栏 Boss 面板，第一层首领「铁冠督军 · 格罗克」，带立绘，血条 380/380，下面是下一个方块预览。
开局先选职业，三个：重甲圣卫（HP 165 / MP 100 / ATK 17）、奥术秘法师（HP 120 / MP 130 / ATK 21）、暗影游侠（HP 135 / MP 105 / ATK 19）。每个一个被动 + 三个主动技能，MP 分 20 / 35 / 55 三档。消行转化成元素飞弹轰 Boss，连击和四连可以打断敌人蓄力，升级或击败首领后三选一古代圣物。
死了有正经结算面板：
「勇者力竭倒下 / 方块堆叠溢出或生命耗尽，再接再厉！」——总得分、抵达层数、击败首领、消除行数·等级四项，加「再来一局」和「切换职业」两个按钮。
坦白一句
录屏里这一局我 112 秒就死了，0 行，10 分。
这不是游戏的锅，是我在试按键。另一局的截图上写着「最高战绩 481」，说明消行、技能、Boss 那套流程是真的跑得通的。
但 0 行这个数字也暴露了一个真问题：左右两栏信息量太大。眼睛要在棋盘、技能 MP、Boss 血条三个区域之间来回切，方块该往哪放的判断就慢了半拍。这是玩法堆得太满的代价，不算 bug——一句话提示词里我也没说要控制信息密度。
它自己补的三个词
7-Bag 随机队列、SRS 墙踢旋转、500ms 落地锁定缓冲。
这三个是俄罗斯方块的"官方手感标准"。7-Bag 保证七种方块轮流出，不会连着十个 S 块；墙踢让贴墙旋转不被卡死；500ms 落地缓冲让你方块落地后还有半秒调整。少了这三样游戏照样能跑，但凡玩过几小时方块的人上手两分钟就说"不对劲"，而且说不出哪里不对。
回去看那句提示词：「rpg 玩法元素」「html 格式输出」「丰富的动效」「游戏可正常运行」——没有一个字提到手感。
它自己补的。还顺手补了 Hold 暂存、Ghost 预览、软降硬降、键鼠 + 触控两套操作，以及用 Web Audio API 实时合成音效（不是加载音频文件，单 HTML 文件没法带资源）。
这是领域知识密度的差别。不懂方块的模型会给你一个"能转能落"的方块游戏，你得自己玩一小时才知道缺了什么。
结尾
最应该骂的是定价，Hydrogen $1.50/$7.50，Carbon 和 Argon 同价 $2.00/$10.00，而且这两个 12 月 1 日翻倍到 $4.00/$20.00，Hydrogen 不变。所以今天 Hydrogen 只比旗舰便宜 25%，12 月之后才变成便宜 75%。两个同价模型并存，Google 的解释是 Argon 每轮用的 token 更少。
横向比更扎心：Claude Haiku 5.5 和 GPT-6 Luna 都是 $0.10/$0.50，Hydrogen 是它们的 15 倍。它的价格相当于没打折的 3.8 Flash，远高于现在 Flash / Flash-Lite 的实付价。
Hydrogen 的强项很明确：一次性产出高密度前端 artifact。两个案例的共同点是单文件、零依赖、浏览器直接跑、三分半内交付成品，不是给你个脚手架你慢慢填。做原型、做落地页小游戏、做 demo 素材，提示词成本接近于零。
编码 agent 它暂时还替代不了。上面两个任务都是封闭的、单文件的、不碰我代码库的。真要改 App 里的代码、跑测试、改完自己验证，我还是更愿意用 Claude Code。