GPT-Image 2.6 Flare、Sunburst 已上线低至 $0.025 一张图

Gemini 4 Hydrogen vs Carbon:编程任务怎么选?

日常改代码先试 Hydrogen,更难的仓库任务再评估 Carbon。

Kiki, OmniaKey COO8 分钟阅读
本页内容

Gemini 4 Neon 已于 2026 年 11 月 18 日发布。模型细节见 Gemini 4 Neon 状态指南,它和 Carbon 在编程、速度和价格上的对比见 Neon vs Carbon 对比。

日常改代码可以先试 Gemini 4 Hydrogen。更难的仓库任务再评估 Carbon,因为 Artificial Analysis 的两项编程测试给它更高分。 两项测试都是 high 档。

Hydrogen 和 Carbon 一眼对比

先看默认档位,再看会影响账单的入口和速度。

项目HydrogenCarbon
Google 的定位日常编程、工具智能体更难的调试、架构
默认推理档highmedium
最高档xhighhigh
免费档有,有限流仅付费 API
上下文窗口1,048,5761,048,576
输出速度(AA)179 token/秒72 token/秒

Google 的定位这一行是厂商说法,不是实测结果。这里的取舍是:Carbon 在两项编程测试上分数更高,Hydrogen 的标准单价更低、测得吞吐更快。

两个模型都只输出文本,上下文窗口都是 1,048,576 token。Google 为两边列出的工具也相同(Hydrogen 模型页,Carbon 模型页)。

独立编程测试的结果

Artificial Analysis 的 Hydrogen(high) 和 Carbon 模型页用同一套 Intelligence Index v5.0.1。快照时间是 2026 年 11 月 13 日。这套指数包含 9 项评测,评分标准在 11 月 3 日更新过。high 档下,Carbon 是 60,Hydrogen 是 51;这是综合指数,不只测编程。

测试Hydrogen highCarbon high
Terminal-Bench 4.054.0%65.2%
FrontierCode-AA 2.036.3%40.6%

Terminal-Bench 4.0 有 66 个任务,每个跑 3 次,使用 mini-swe-agent 执行环境。它按 pass@1 计分,最多 500 步,所有验证测试都要通过。这一项看的是智能体能不能把一个终端任务从头做完。FrontierCode-AA 2.0 有 132 个任务,每个尝试 3 次,使用 Stirrup 执行环境。最多 500 轮,用通过/不通过的检查,再由 GPT-6 Luna 的 medium 档做评分。它给的是仓库类任务的加权质量分,不是简单的通过率。

这一节的分数都来自 Artificial Analysis,我们没有为这篇对比跑同题双模型测试。Hydrogen 的 xhigh 档在 Terminal-Bench 4.0 是 53.5%,FrontierCode-AA 2.0 是 39.0%。综合指数是 54。档位调高并没有让每一项分数都上升:Terminal-Bench 略低,FrontierCode 略高。

Artificial Analysis 还测到 Hydrogen high 的输出速度是 179 token/秒,Carbon high 是 72 token/秒。它每 6 小时采样一次,取最近 5 天的数据(Hydrogen,Carbon)。这是生成吞吐,不是仓库任务从开始到结束的耗时;工具调用、重试和排队都会拉长实际时间。

默认推理档位不是同等算力

Hydrogen 默认 high,可选 low、medium、high、xhigh。Carbon 默认 medium,最高只到 high(Google 思考档位文档)。两个模型都不支持 minimal。Google 没有给每一档固定的 token 预算。默认调用、或者同名档位,都不等于同等算力的受控比较。

比较时把 thinking_level 明确写出来,把它当成任务设置的一部分。思考 token 按输出计费,推理预算开得太大,可能把低单价省下的钱吃回去。xhigh 适合困难的多步编程和 Agent 任务。Google 也提醒它会把简单提示想过头(Hydrogen 新变化)。

编程智能体要看的输出上限

在 Google 的 Interactions API 里,前台非流式请求的输出上限不同。Hydrogen 是 65,536 个 token,Carbon 是 32,768(Google 思考档位文档)。流式请求两者都是 65,536(Hydrogen 模型页,Carbon 模型页)。

超过 65,536 时,两个模型都支持用 background 参数做后台执行,或由客户端续接。上限是 1,048,576 减去输入(Hydrogen 新变化,Carbon 新变化)。上下文窗口同时装下输入、思考和输出,仓库提示很大时,留给输出的空间就会变小。

输入加上 max_output_tokens 超过窗口时,API 会把输出上限压到剩余空间。max_output_tokens 同时限制思考和输出。卡住时状态可能是 incomplete,已经生成的思考 token 仍然计费。Agent 如果走非流式请求,要按 Carbon 的 32,768 来规划。Hydrogen 的接入和档位说明覆盖了访问方式、思考档位和输出限制。

官方价格和一次请求的算例

下面是 Google 在 2026 年 11 月 13 日的标准价。Carbon 的现价到 11 月 30 日(价格页)。

标准价HydrogenCarbon
输入 / 100 万$1.50$2.00
缓存输入 / 100 万$0.075$0.10
输出 / 100 万$7.50$10.00

输出 token 包含思考 token。2026 年 12 月 1 日起,Carbon 的标准价变为每 100 万输入 $4.00。缓存输入是 $0.20,输出是 $20.00。Hydrogen 只有一个现价,没有结束日期。

隐式缓存对至少 4,096 token 的提示可用,命中后缓存输入减免 95%。但要有匹配且重复使用的提示前缀才算命中,光够长不保证命中(价格页)。

按 10 万未缓存输入 token、2 万输出 token(含思考)算。Hydrogen 是 0.1 × $1.50 + 0.02 × $7.50 = $0.30。Carbon 在 11 月 30 日前是 0.1 × $2.00 + 0.02 × $10.00 = $0.40。12 月 1 日起是 0.1 × $4.00 + 0.02 × $20.00 = $0.80。重试、工具轮次、缓存命中和额外的思考 token 都会改变账单;看到的答案一样长,用的 token 不一定一样。

Hydrogen 有免费档,但有限流。Google 把免费档内容标为会用于改进产品,付费档标为不会(Hydrogen 模型页)。Carbon 没有免费档,测试也要用付费 key(Carbon 模型页)。

怎么选、怎么迁移

Google 把 Carbon 定位在更难的仓库任务,把 Hydrogen 定位在更快的日常编程。这是厂商建议,不是效果保证。Google 的搭配建议是让 Carbon 规划接口或解决卡点。改代码、并行子 Agent 任务和跑测试再交给 Hydrogen(Google 的发布公告)。能测到的差别更窄:Carbon 在两项编程测试上分数更高,Hydrogen 的标准单价更低、测得吞吐更快。

  • 先试 Hydrogen:工作多是短的改代码和测试循环;想先用有限流的免费档试提示;或者响应速度和单价直接影响账单。
  • 再评估 Carbon:任务反复卡在规划或验证,额外拿到的编程分数值得更高的单价和更慢的生成。
  • 迁移:在同一套 Google API 和客户端里,改模型 ID,并把 thinking_level 写清楚。用同一批任务记录正确率、token、工具轮次和实际耗时,只把失败的任务升级到 Carbon。
  • 在 OmniaKey 上:Hydrogen 已上架,入口是模型页;支持支付宝和微信充值,一个 key 调用多家模型。Carbon 走 Google 的付费 Gemini API。OmniaKey 的上架情况、充值方式和价格与 Google 的 API 条款和价格是两套信息。

在同一套 Google API 和客户端里,从 Argon 或在这两个模型之间切换,属于请求格式变化。改模型 ID(gemini-4-hydrogen 或 gemini-4-carbon),再设 thinking_level(Google 思考档位文档)。两个模型都会忽略 temperature、top_p 和 top_k,也都不支持显式上下文缓存,所以把这些字段去掉。按团队自己的验证方式重试,或升级到 Carbon;比较采用的结果、token 和实际耗时,再决定要不要长期换过去。换到其他厂商,或改用不同的请求格式,可能需要更多改动。

团队已经在用 Argon 的,可以看 Carbon 和 Argon 的对比。之前的 Argon 编程测试用 8 个任务比较了 Argon 和 Claude Opus 5.5。Hydrogen 没有参加那次测试。

常见问题

编程任务选 Hydrogen 还是 Carbon?

high 档下,Artificial Analysis 的两项编程测试都是 Carbon 更高。快照时间是 2026 年 11 月 13 日。Terminal-Bench 4.0 是 65.2% 对 54.0%。FrontierCode-AA 2.0 是 40.6% 对 36.3%(Hydrogen,Carbon)。看重速度和价格就先试 Hydrogen;任务反复卡在规划或验证,再评估 Carbon。

两个模型的默认推理档一样吗?

不一样。Hydrogen 默认 high,可选 low、medium、high、xhigh。Carbon 默认 medium,最高只到 high(Google 思考档位文档)。Google 没有给每一档固定的 token 预算,比较成本和效果前先把 thinking_level 写清楚。

一次请求大概多少钱?

按 Google 2026 年 11 月 13 日的标准价,10 万未缓存输入 token 加 2 万输出 token(含思考)算。Hydrogen 是 $0.30。Carbon 在 11 月 30 日前是 $0.40,12 月 1 日起是 $0.80(价格页)。重试、工具和缓存命中会改变总额。

输出速度 179 对 72 token/秒 能代表任务耗时吗?

不能。这是 Artificial Analysis 的生成吞吐。它每 6 小时采样一次,取最近 5 天的数据(Hydrogen,Carbon)。仓库任务还包括工具调用、重试和排队,实际耗时要在自己的任务上测。

OmniaKey 能调用 Carbon 吗?

OmniaKey 上架的是 Hydrogen,入口是模型页。Carbon 走 Google 的付费 Gemini API,没有免费档。

核验来源

更新记录

  • 2026 年 11 月 13 日:第一版。模型 ID、思考档位、限制和价格按 Google 页面核对;分数来自 Artificial Analysis 2026 年 11 月 13 日的快照。12 月 1 日 Carbon 调价后再核对一次。

Hydrogen 现在就可以用 OmniaKey 的 key 开始试。当前能力和价格以 Gemini 4 Hydrogen 模型页 为准。

文中提到的模型

Gemini 4 HydrogenGemini 4 Carbon模型对比编程API 价格

相关文章

最新文章

热门指南