输入一句提示词，屏幕上便生成出一座《我的世界》风格的岛屿：道路、建筑、体型庞大的动物一应俱全，玩家还能以第一人称视角走进场景随意探索。支撑这个名为 Geminisland 演示的，是谷歌最新推出的 Gemini 4 Hydrogen。
这款模型把卖点押在速度与价格上。谷歌给它的定位是日常编程与智能体任务的快速执行者，正面瞄准 Claude Sonnet 5.5 和 GPT-6.1 Terra——两款分别来自 Anthropic 与 OpenAI、承接海量日常请求的中端主力。
价格是最直观的差距。第三方机构 Artificial Analysis 的综合榜单显示，同一评测条件下，Hydrogen 平均每任务成本不到 Sonnet 5.5 的三分之一，成绩却基本持平。具体到最高推理档，二者单任务花费分别为 3.16 美元与 10.02 美元。GPT-6.1 Terra 虽然定价更低，分数却未能超过 Hydrogen。
谷歌公布的成绩单覆盖编程、知识工作、计算机操作与多模态理解。在发现并修复代码缺陷的 SWE-sweep 测试中，Hydrogen 拿下 13.5%，大幅领先 GPT-6.1 Terra 的 5.8% 与 Sonnet 5.5 的 3.1%。衡量端到端专业工作流的 Agents’ Last Exam v1.1 里，三者成绩依次为 71.6%、69.8% 和 60.4%。
面向真实职业场景的 AutomationBench-AA 考察模型调用软件工具完成自动化流程的能力，Hydrogen 得分 76.1%，高于 Sonnet 5.5 的 71.8% 和 GPT-6.1 Terra 的 60.2%。多模态理解的 MKA 测试要求处理 PDF、表格、图表及音视频等复杂材料并产出报告，Hydrogen 的 53.4% 同样排在 Sonnet 5.5 的 52.0% 和 GPT-6.1 Terra 的 43.8% 之前。
失分项也存在。计算机操作评测 OSWorld 2.1 中，Hydrogen 以微弱差距落后于 Sonnet 5.5；科学任务测试 Terminal-Bench-Science 0.1 则被两家对手同时压过。
Artificial Analysis 的 Intelligence Index 汇总知识工作、编程、科学等维度的测试结果。11 月 13 日查询时，Hydrogen 在全新 xhigh 档取得 54 分，距 Sonnet 5.5 最高 max 档的 55 分仅一步之遥，并高于 GPT-6.1 Terra 最高档的 51 分。
速度是另一张牌。按照谷歌的说法，在默认 high 思考档位下，Hydrogen 完成任务的效率达到 Gemini 3.8 Flash 的 2.5 倍。开发者需要反复改代码、跑结果、看反馈，每次等待缩短一截，整个工作流的节奏都会随之加快。
思考档位延续 Gemini 家族惯例，设有低、中、高与全新的超高（xhigh）四档，默认为 high。用户可以在质量、延迟与成本之间分层取舍，按推理深度支付相应的时间和费用。
社区的实际测试提供了一些直观参照。网友 kimmonismus 用 Hydrogen 做出一款峡谷飞行游戏，借助 Three.js、程序化地形和动态水面，沿途设置了 25 个计分门。
图形任务上，Hydrogen 能依据具体视觉需求生成 3D 交互模型。在一个水与玻璃可视化程序中，模型完整模拟了光线穿过水和玻璃时的折射、反射、色散与吸收，把物理规则变成了实时画面，涉及图形代码编写、物理规律理解与系统搭建多个环节。
开发者 Tony 做了一组对照实验，分别用 Hydrogen 和谷歌旗舰 Carbon 制作船只穿行冰川之间的 3D 场景。Hydrogen 耗时 1 小时 23 分 40 秒、花费 4.27 美元；Carbon 耗时 2 小时 39 分 10 秒、花费 8.83 美元。时间和开销都只有一半，画面质量却没有明显掉队。
视频创作同样有案例。谷歌让 Hydrogen 独立完成一段视频的完整制作：按照创意要求调用专门的视频组装 skill 检索公共素材，剪成连续片段，再配上旁白。找素材、剪辑、配音这一整套多步骤流程，全部由模型自行驱动。
网友 Marcel 把经典的鹈鹕测试做了升级，要求模型生成一只骑自行车穿越五个动态季节的鹈鹕 SVG 动画，并与 Anthropic 旗下最强的 Fable 5.2 同台比较。Fable 5.2 花了约 25 分钟，Hydrogen 只用 5 分钟，成品观感并不逊色。
谷歌官方演示还包括网站搭建、文档编辑、数据分析等场景，Hydrogen 均有稳定发挥。目前，这款模型正逐步推送至 Gemini 应用、Google 搜索、AI Studio 与 Gemini API，免费用户在 Gemini 应用中通过自动模型选择也能用到。
