Gemini 4 Hydrogen 上線:價格、百萬上下文與代理任務怎麼選?
Google 發表 Gemini 4 Hydrogen。整理每百萬 token 價格、共用百萬上下文、思考層級、免費與付費入口,以及代理工作評估方式。
AI 助理若要連續讀文件、呼叫工具和修改結果,使用者在意的不只是回答夠不夠好,也包括每一步等多久,以及整段工作要花多少錢。模型選擇因此會隨任務難度改變。
Google 在 2026 年 11 月 12 日發表 Gemini 4 Hydrogen,將它定位在反應速度與日常代理工作之間。開發者可透過 Gemini API 等入口使用,API 是供程式呼叫模型的介面。正式模型代號為 gemini-4-hydrogen。
官方公布的 API 價格為每百萬輸入 token 1.50 美元、每百萬輸出 token 7.50 美元。Token 是模型計算文字與其他輸入用量的單位,實際帳單還會受到思考與工具往返等工作量影響。
這個模型也加入 Google 不同產品的選模流程,但各入口條件不同。Gemini 應用程式的免費用戶可能在適合的請求中被自動分配到 Hydrogen,不能直接推成所有帳號都可手動任選。
我會先用需要多次工具呼叫、又能明確核對結果的工作測試它。Google 的速度與評測數字提供比較方向,是否省下時間和費用,仍要用同一套工作與原本模型並行比較。
要做出合理比較,先把模型的用途、價格和長上下文限制一起看,才不會只憑一個排行榜決定整套流程。
Hydrogen 負責較快執行,困難任務仍可交給其他模型
Google 將 Hydrogen 放在 Gemini 4 家族的日常執行與代理工作位置。代理是能依任務連續選擇步驟、呼叫工具並檢查結果的程式,因此模型速度會在多次往返中累積成明顯的等待差異。
例如一個整理資料的流程,可能先讀檔、選出相關段落、呼叫試算工具,再根據結果修訂報告。單次回答只差幾秒,多個步驟連起來,就可能改變使用者能否即時檢查和調整工作。
Google 原始公告主打 Hydrogen 在這類執行工作中兼顧能力與速度。
這個定位提供的是另一種選擇,不能直接推成它在所有困難問題上都優於 Carbon 或 Argon。
模型家族分工,也反映在 Antigravity 的 Orchestrator。Google 介紹它能在同一段工作中動態使用 Carbon 與 Hydrogen,讓不同難度的步驟由不同模型處理。
這個做法的前提,是系統能判斷何時需要更多推理,以及較快模型的結果是否足夠。若較快回答讓後續步驟一直重做,單次省下的等待可能被重試吃掉,整段工作反而未必划算。
因此產品團隊要先定義完成條件。例如資料整理要能對回原檔,程式修改要通過相關檢查,工具動作要回到實際狀態驗證。這些條件能讓選模以成果判斷,減少只看回答語氣的主觀差異。
模型分工提供選擇,但每種工作仍要有可核對的完成條件。對尚未建立驗收的流程,先加上成果檢查,通常比先把每一步都換成新模型更有用。

價格先算整段工作,再看輸出與思考用量
Hydrogen 的 API 依輸入與輸出 token 分別計價。官方公布的標準價格為每百萬輸入 token 一點五美元、每百萬輸出 token 七點五美元,查詢日期為二○二六年十一月十三日。
這是 API 用量價格,和 Google AI Pro、Ultra 的月訂閱,以及不同產品中的配額制度要分開。訂了某個應用程式方案,並不代表所有開發介面用量都已包含在同一筆費用中。
若純粹示範計算,一段包含多次請求的工作,合計使用一百萬輸入 token 和十萬個計費輸出 token,依上述單價相加為二點二五美元。這只是算式範例,未計其他可能使用的服務,也不是我們實際跑過的工作帳單。
輸出量還可能包含思考與工具呼叫相關內容,不能只數使用者最後看到的報告長度。多步驟代理也會把工具結果送回模型,這些往返資料會改變後續輸入量。
例如讀取工具回傳一份很長的資料,模型下一次處理時就有更多內容。若整段工作反覆讀到相同資訊,成本可能主要來自多次輸入,而非最後幾段文字。
我會先記錄每個工作從開始到驗收的總用量,再比較完成所需時間與重試次數。這樣才能知道較快模型是否在同品質下省錢,而不是只看到單次請求比較便宜。
思考層級也是比較條件。Hydrogen 提供 Low、Medium、High 與 XHigh,預設為 High。不同層級可能改變推理投入,因此比較時要同時保存設定,避免把兩組不同條件當成模型本身的差異。
Cloud 文件也指出,這個模型不接受舊式 thinking_budget 或 MINIMAL 設定。自訂溫度等部分取樣參數會被忽略。沿用舊程式時,應先檢查實際支援欄位,避免介面錯誤或以為設定已生效。
把重試、工具結果與最終輸出一起記錄,才看得出換模型後整段工作的成本。如果團隊無法說明哪些用量對應哪個成果,便很難判斷是否值得擴大使用。
百萬上下文共用容量,長輸出有分段限制
Cloud 官方文件將 Hydrogen 的輸入與輸出放在同一個上下文容量內。上下文是模型這次能共同處理的內容範圍,包含送入的資料與生成過程需要的空間。
依 Gemini 4 Hydrogen 模型文件,這個統一容量為一百零四萬八千五百七十六個 token。
輸入與輸出共用,並非各自都有一份獨立的百萬額度。
如果輸入已經接近上限,就不能再假設模型還能產生同樣長度的結果。思考、函式呼叫和最終答案都會占用輸出空間,長任務需要事先預留,才不會在最接近完成時遇到限制。
這對長文件工作尤其重要。團隊可能只檢查原檔能否送入,卻忘了模型還要生成分析、表格與修訂內容。輸入可以被接受,和整段工作能完整產生結果,是不同的檢查。
前景執行的單一輸出分段,最大為六萬五千五百三十六個 token。若要更長結果,文件提供續跑或背景互動等相應方式,不能只提高一個輸出參數就假設單次連線能無限等待。
較長輸出還需要內容驗收。程式即使成功收到完整回應,報告也可能出現章節重複、前後數字不一致或來源遺漏,所以接收成功與工作完成仍要各自判定。
以多份文件彙整為例,可以要求每項關鍵結論保留可追查的位置,再由人或程式核對。這不保證模型永遠正確,卻能讓長上下文的容量轉成讀者可檢查的成果,而非只產生更多文字。
續跑也需要應用程式保存狀態。程式要知道哪些內容已完成、後續接在哪裡,以及中途失敗後如何重做,避免重新開始造成重複輸出,或把未完成段落當成正式結果。
這些限制不代表每個工作都該使用最大上下文。若只需要幾段相關資料,先選出必要內容,通常更容易追查答案來源,也能減少模型必須在大量無關內容中找線索的負擔。
團隊可用同一份長文件測試摘要、精確抽取和跨段比較,觀察不同工作是否會漏掉遠處的重要資訊。這是依長上下文用途提出的驗收建議,容量本身沒有保證每個位置都能同樣準確使用。
因此長文件工作要預留輸出與思考空間,不能先把輸入塞滿再假設還能產生同等長度的結果。容量、單段限制與重試設計,應一起列入部署計畫。
官方評測提供比較方向,使用入口依方案開放
官方以不同測試說明 Hydrogen 的能力,但每個數字都有自己的模型設定與任務範圍。比較前先確認測試版本與思考層級,才不會把各自較好的結果拼成不存在的一套條件。
Google 引用 Artificial Analysis Intelligence Index,列出預設 High 為 51、XHigh 為 54,並與 Argon 的 50 比較。這是特定評測分數,尚不代表任何工作都能用相同差距排序。
速度方面,官方表示 Hydrogen 在 High 設定下相對 Gemini 3.8 Flash 快二點五倍。這個比較有指定模型與設定,不能直接換成所有工作、設備與網路環境都會縮短同樣比例。
官方另公布 Terminal-Bench 4.1 的任務結果,Hydrogen 為 57%,3.8 Flash 為 18.2%。終端工作測試提供代理執行能力的一種觀察,仍和一般聊天、試算表或圖片理解的品質不同。
Antigravity 的動態選模則使用另一組 Terminal-Bench 4.0 比較。Google 表示接近 Carbon 的任務成功表現,同時平均減少二十四%配額使用、快十九%。不能把它與 4.1 分數混為同一個測試。
配額也不等於現金帳單。這個產品比較有助於觀察在其計量制度下的工作成本,若團隊要推估 API 花費,仍應回到實際 token 與單價,不能直接宣布所有費用都少二十四%。
同一模型也可能因工具環境不同而產生不同結果。終端能讀到哪些檔案、能否執行檢查、失敗後容許重試多少次,都會改變任務完成率,因此企業對照時應盡量保留相同條件。
如果官方案例使用的環境與自己的產品相差很大,可以先把數字當作選題線索,將注意力放回可重現的小任務。這樣比較能確認改善來自模型能力,而非恰好換了更容易的工作。
使用入口方面,開發者可從 AI Studio、Gemini API 等相應服務研究採用。Antigravity 的 Hydrogen 入口與 Google AI Pro、Ultra 等付費條件相關,應依實際方案確認。
Gemini 應用程式則可能在合適的請求中,自動讓免費用戶使用 Hydrogen。這代表產品有選模機制,沒有保證每個免費帳號都能從選單手動指定,推出過程也可能分批到位。
Google Sheets 的使用還受到適用商務或個人方案影響。看到模型發布,不代表每個 Google 產品、每個地區與每個帳號同一時間都開放相同功能,應以實際產品條件核對。
確認入口與測試條件後,再做自己的工作對照,才知道發布資訊對你是否適用。上述成績均為官方發布引用,我們未自行重跑,也沒有將合作客戶感言當成獨立驗證。
Gemini 4 Hydrogen 常見問題
能讀影片,代表也能直接產生影片嗎?
Cloud 文件列出文字、圖片、影音與部分辦公文件等輸入,但輸出為文字。影片生成是另一類能力,不能因為模型能理解影片,就認為會原生產生影音檔案。
它適合直接做即時語音通話嗎?
這份 Cloud 規格未支援 Live API。若需要即時通話,必須另外確認支援該互動方式的模型與服務,不能只從一般影音輸入能力推定。
把模型接進代理,就能直接讀 Gmail 或 Drive 嗎?
模型能力不會自動授予帳號權限。應用仍需建立連線與授權,限制可讀取資料與工具操作,並確認結果是否能讓使用者查核。
從能核對成果的代理工作開始測試
適合先試 Hydrogen 的工作,是步驟清楚、工具權限有限、結果能快速核對的流程。像是讀取一組文件後整理差異,或提出可經測試確認的程式修改,都較容易訂定比較標準。
我會保留原模型作對照,讓兩者處理同一批任務,並記錄完成率、人工修正、總等待與整段用量。若某類困難問題需要更多重試,就保留交給其他模型的選擇。
如果它能在保留工作品質的情況下縮短等待,或降低整段工作的用量,才值得逐步擴大導入。模型新發布提供了試用理由,實際工作結果才提供採用依據。
延伸閱讀:Gemini 4 Carbon 正式開放:付費 API、Ultra 入口與 11/30 優惠期限怎麼分?
延伸閱讀:Gemini 4 Argon 玩完 Minecraft:27 小時、605 次死亡,多代理協作做到哪裡?
原始資料來源
依 Google 模型發布公告與 Cloud 官方模型規格整理,原始發布訊號為 Google DeepMind 官方貼文。
資料查核日期:2026 年 11 月 13 日。