最近谷歌好像吃错药了一样,突然变猛男了?
模型抛了一个又一个。

抛出 Argon 之后,接着又上了 Carbon,没几天又发了 Hydrogen,听说后面还有一个更强的 Krypton。
我本来还想吐槽一下谷歌的,Carbon 居然只给 Ultra 会员用。现在终于给 Pro 来了个 Hydrogen,可以测起来。
就做两件事情:
第一件事情,把这个名字给理清楚。
第二件事情,快速测试一下 Hydrogen。
命名和含义
没点文化水平,还真的很难把谷歌的模型名称给搞清。所以我测试之前,首先要弄明白的事情就是它的名字中英对照表,以及不同模型的能力排序问题。
我整理了一个表格:
| 能力等级 | 英文名称 | 中文名称 | 最早公布 / 预览时间 | 大规模开放时间 |
|---|---|---|---|---|
| No. 1 极限前沿(实验级) | Gemini 4 Krypton | 氪 | 2026.11.09(内部泄露) | 未发布(暂无官宣) |
| No. 2 重型旗舰(正式最强) | Gemini 4 Carbon | 碳 | 2026.10 下旬(受限预览) | 2026.11.10 |
| No. 3 平衡专业(物理/空间) | Gemini 4 Argon | 氩 | 2026.09.30(安全定向测试) | 2026.10.13 |
| No. 4 极速敏捷(日常执行) | Gemini 4 Hydrogen | 氢 | 2026.11.12 | 2026.11.12 |
理论上它的排序是这个样子的。
各模型元素特性与能力象征:
- Gemini 4 Krypton(氪,Kr)
- 元素特性:稀有惰性气体,深邃神秘,通电后能发出极具穿透力的高光;流行文化中常与"超人氪星(代表超强异能)"绑定。
- 能力象征:代表目前系列未公开的"战力天花板"。内部测试显示其代码生成容积翻倍,具备极其强悍的单 Prompt 复杂 3D/矢量渲染能力与超长跨度 Agent 纠错推演力。
- Gemini 4 Carbon(碳,C)
- 元素特性:有机生命万物的基石骨架,能形成自然界最坚硬、最复杂的化学结构(如金刚石、石墨烯)。
- 能力象征:Gemini 4 系列的核心骨架大脑。专为长程深度推理、全栈系统架构、网络安全漏洞逆向与修复等重型任务设计。
- Gemini 4 Argon(氩,Ar)
- 元素特性:化学性质极其稳定的保护气,工业上常用于精密仪器制造与高品质焊接保护。
- 能力象征:稳健可靠的专业级主力。主打空间几何推理、物理世界认知与机器人控制,在推理深度与响应延迟/调用成本之间做到了工业级平衡。
- Gemini 4 Hydrogen(氢,H)
- 元素特性:周期表 1 号元素,宇宙中分布最广、质量最轻、扩散与燃烧反应速度最快的元素。
- 能力象征:接替传统 Flash 级别的高速引擎。主打轻巧、高速与超大并发,广泛用于 Google 搜索 AI 模式及日常高频编码,并常作为 Carbon/Argon 规划之下的高速步骤执行器。
好不容易记住了 Claude 的 Mythos, Fable, Opus, Sonnet, Haiku。
然后又来了 OpenAI 的 Astra, Sol, Terra, Luna
再加上谷歌 Krypton, Carbon, Argon, Hydrogen......
再加上各种版本编号,你们说做个测评容易么?要保证每个模型的名字不叫错,在大脑中记住所有的版本和模型名字,这已经是一件非常困难的事情。
为了便于记忆,再做一个简化版:
- Hydrogen(氢,最轻最快) → 负责广度、速度与日常高频消耗;
- Argon(氩,稳定保护) → 负责稳定、专业与空间/物理应用;
- Carbon(碳,坚固骨架) → 负责深度复杂系统构建与核心攻防;
- Krypton(氪,高能稀有) → 作为未公开的"高能黑科技"上限储备。
名字大概就是这样了,接下来我们就看看 Gemini 4 这个系列的"底线"------Hydrogen(氢)。
基础信息
先看一下官方的发布信息:

这里的表示是专为快速编程、多模态综合处理和日常工作流程打造。
官方的意思是这个模型完成任务的时间是 Gemini 3.8 Flash 的 2.5 倍,要不是我真测了,我就真信了它个鬼了!
我刚开始以为它的 tokens 速度达到 500t/s 了呢!
下面看一下它的对标对象和基准数据:

从这个表格来看,它对标的是 Sonnet 和 GPT-6.1 Terra,"氢"是 3 个中最强的!它在编程这个板块下,还拿出了一个叫 SWE-SWEEP 的基准,它自己遥遥领先!
SWE-SWEEP 是自动化长程代码修复与工程重构。之前其他模型发布的时候,很少强调这个基准。我不太了解,我就不过多评价了。反正后面我们重点会测它的代码能力。
看到它的知识与自动化工作流部分全部拿了第一。
然后多模态理解方面也是两项都是第一。
人类最终考题精选集测试也拿下了第一。
这就是妥妥的"卖家秀了"啊!
AA 智力指数:

这个图表明谷歌四代模型排名都很靠前!另外它的性价比优势也很高。
AA 排名让我最疑惑的一点是,谷歌这个四代模型到底谁是老大?谁是老二?谁是老三?之前的分析是,"氢"是老三,在它这个排名里却变成了老二,而且领先了"氩"4 分。
跟同行的对比是:氢只比 Sonnet 差了一点点,比 Terra 要强一点点。
Arena Agent:

这是模型智能体排名,氢是要比 Sonnet 弱一些,然后比 Sol 和 Terra 强一些。
这里又有很多超常识的地方,就是它要比 Fable 5.1、GPT-6 Astra 还要强,同时也比自家老二 Argon 要强。
反正榜单就是很让人迷惑的,仅供参考。
从纸面数据来看还是很好的,作为一个轻量模型,排名都很高。也让我对它有了一些期待。事实证明人就是不能有期待,然后也不能看刚发布时候的榜单排名。
氢测试
拿到模型之后,我也是跑了好几个测试,大概有一个直观的感受。
首先是赛博版清明上河图:

谷歌在这个例子上表现是一直都不好的。当然它的结果也是跟所有人都不一样的!它就属于完全不擅长这类题目。它整体内容是很混乱的,然后审美也不行。就是整个线条和感觉都很粗糙。
然后看一下天文机械表:

这一块的话,最近法检侧的国内外模型基本上都已经跟上来了。就都不太会有问题,以后就不用测这个题目了。唯一的差别,就是说那种细节啊、审美啊,之间的差异。
接下来是甲维斯的车库:

这个网页复刻效果很好,建模效果的话属于当前一般吧,谷歌在建模这一块并没有突出的地方。它是不如那个 Claude 和 OpenAI,跟国内的话也大差不差吧!
接下来是超级玛丽:

它在超级马里奥这个测试中做得还是蛮好的!除了有一个跳跃比较困难之外,其他各种细节还原度已经很高了,手感也不错。它的效果是要比最近测试的国产模型好一些。
接下来是手柄控制:

谷歌在画手柄这个事情上确实很厉害,也不知道为啥!而且它的控制逻辑也是比较到位的,按理说这个级别的模型很可能控制逻辑是有问题的。
它有一点很厉害,它就是直接把我的键盘鼠标给识别出来了,说那个不应该是游戏手柄,它直接把它定义成幽灵手柄了。在我们之前的测试中,几乎所有模型是不分这一点的。
所以在这个例子上,它可是达到了次旗舰的水准。
例子就是展示这么多吧,它毕竟是一个老二老三的位置,它不会有太多让人惊艳的地方。
然后我就再记录一下我测试过程中发现的一些优缺点吧!
第一个是,有卡死的情况。
就我在测试超级玛丽的时候,它搜索资料搜索了 30 分钟还没有结束,如果我不中断,它可能会一直这么卡下去。然后我中断之后,它几分钟就把游戏做好了。所以并不是它能力不行,肯定是它这个反重力的智能体在某个处理环节上出现问题了。
第二个是,自我验证做得很好!
它现在会比较积极地打开内置浏览器,然后截图验证,用模拟鼠标进行点击验证。我之前一直说谷歌的模型像聊天模型,一轮出结果很强,但是 Agent 能力很弱。这次的模型是真的增强了 Agent 能力,像主流智能体一样会调用各种工具进行比较全面的验证了。
第三个是,发挥并不稳定。
刚才说它自我验证做得很好,确实是的。但是它并不是每次都会自我验证,很多情况它没有做好,但是又不验证。比如手柄这个例子,它做了非常全面的验证。但是做甲维斯的车库这个例子的时候,一轮做完,只做了基础的语法验证,没有进行截图和操作的验证,导致它的首轮结果是不太好!
这种就感觉属于说某些学霸在理论成绩上很好,但是一到实践的时候,由于是工程上的问题不熟练,就导致发挥不稳定。所以谷歌给我的感觉是,它在知识工作这一类里面可能用起来蛮舒服的,但是工程上应用的话,并不是特别好用。
其实它的毛病跟那个 Qwen 也差不多,就数据都蛮好看的,但实际用就会遇到各种问题。可能他们的核心目标人群就不是专门的、特定的工程领域的用户。他们就是给大部分普通人用的,所以大家可以根据这个来选择这个模型。
第四个是,同样的提示词,页面简洁了很多。
它的大哥,能力很强,但是做页面有个巨大的毛病,就是内容密密麻麻填满整个网页,它只知道疯狂叠内容,却不知道简洁之道。

就我是很讨厌页面上密密麻麻的文字和提示信息的。一个好的设计,它应该是渐进式的。很多信息是不需要一屏展示的,它可以通过提示信息啊,或者说操作流程来逐步展示的。它大哥其实在很多网页设计的时候都出现了这个问题,就文字内容特别多,间距控制的不好,导致整个网页看起来特别......"特别有压力"。
而这个版本做的页面非常舒服,很简洁,这个页面设计和简洁度非常接近 Claude 的感觉。
谷歌的产品给人的整体感觉就"研究性"太强了,它好像很专注于一个又一个的"研究型"产品。而不是专注于做那种工程落地类的产品。包括它的命名也参考了元素周期表。一看就是那种特别喜欢研究科学,但是不喜欢落地搞工程的。
克劳德取的名字就比较有诗意,然后 OpenAI 取的就比较有格局,很宏大。
看完这个"氢",我的结论基本上还是一致的。
很可惜,谷歌并没有改变什么格局,只是相对自身做了一些提升,以至于不会落后太多。
如果你真的是搞工程类的、开发类的、技术类的。你就不要多想了,直接想尽办法搞一个 Claude 就可以了。
Claude 的全系列,它已经把各个维度都考虑过了,做到了实战最佳。
Gemini 虽然是个学霸,但是上手实在太糙了,写写文章,搞一些知识问答,还可以。
GPT 是个老江湖,但能力不够突出,胜在稳定全面,可以作为兜底模型。它的图片处理能力独一份。
只有 Claude 手起刀落,干脆利落,适合冲锋陷阵!