AI IQ 将 Gemini 4 Hydrogen 的 Composite IQ 评为 131(180 个模型中第 16),但这不是单项测试成绩:七个维度等权汇总,其中五个维度为估算;页面列出的 4 项原始基准结果才是可直接归于测试的成绩。
适合判断的任务:查看 AI IQ 收录的编码与知识工作基准结果、估算维度和数据覆盖缺口。
不适合外推的任务:将 Composite IQ 当作通用能力分、把估算分当成实测,或据此保证特定 Agent 和生产任务表现。
适用的模型版本:Gemini 4 Hydrogen;AI IQ 页面未将基准结果绑定到具体推理档位。
测试环境或客户端:基准来源列为 Artificial Analysis v5.0.1(2026-11-13);具体运行环境、harness 和模型端点未注明。
推理档位和参数:未注明。
AI IQ 将抽象推理、数学推理、学术推理、程序推理、电脑使用、可靠性、知识工作七个维度等权平均为 Composite IQ;页面将 100 定义为平均人类水平。模型维度值和排名按各维度已评分模型计算。
页面记录 39 项 Composite IQ 基准中的 4 项有 Gemini 4 Hydrogen 的公开成绩,另有 35 项尚无成绩。程序推理和知识工作维度据已发布结果标为 measured;其余五维度由模型其他维度和前代 Gemini 3.8 Flash 等信息估算。AI IQ 特别说明,前代成绩只是估算输入,不能当作 Hydrogen 的实测结果。其展示的 95% 范围是未校准的模型估算范围,不是统计置信区间。
| 项目 | AI IQ 分数 | 排名 | 证据状态 |
|---|---|---|---|
| Composite IQ | 131 | #16 / 180 | 7 维度等权;含估算 |
| 抽象推理 | 126 | #10 / 209 | 估算,0/5 项有结果 |
| 数学推理 | 127 | #42 / 180 | 估算,0/5 项有结果 |
| 学术推理 | 132 | #20 / 211 | 估算,0/6 项有结果 |
| 程序推理 | 143 | #14 / 181 | 实测维度,1/6 项有结果 |
| 电脑使用 | 124 | #35 / 180 | 估算,0/5 项有结果 |
| 可靠性 | 130 | #11 / 181 | 估算,0/6 项有结果 |
| 知识工作 | 133 | #7 / 180 | 实测维度,3/6 项有结果 |
| 基准 | 成绩 | 排名 | 页面列出的来源 |
|---|---|---|---|
| Terminal-Bench 4.0 | 53.5% | #11 / 109 | Artificial Analysis v5.0.1,Nov 13 |
| AutomationBench-AA | 76.1% | #4 / 112 | Artificial Analysis v5.0.1,Nov 13 |
| GDP.pdf | 27.6% | #8 / 111 | Artificial Analysis v5.0.1,Nov 13 |
| AA-Briefcase v1.1 Elo | 1,567 | #17 / 116 | Artificial Analysis v5.0.1,Nov 13 |
这些基准成绩与 AI IQ 的 IQ 分值不是同一量纲。AI IQ 表示表中的基准分数沿用其来源数据;页面未提供原始题目、完整运行日志、评分细节或各项参数,因此此处不能独立重算测试或确认跨模型差异是否显著。
页面摘要给出 Composite IQ 131、#16 / 180,并称该模型领先 92% 的已排名模型。
页面汇总栏称 2/7 个维度有测量、4/39 项基准有公开结果;其余五个维度为估算。
页面称 Hydrogen 在知识工作与程序推理维度表现较强,分别为 133(#7 / 180)和 143(#14 / 181)。这两个维度值仍是 AI IQ 的量表分,不是 AutomationBench 或 Terminal-Bench 的原始百分比。
页面列出的模型价格为每百万输入 token $1.50、输出 token $7.50;按其真实任务 token 消耗换算的有效成本为 $15.92 / 百万 token。有效成本是该站的汇总指标,页面未给出计算明细。
AI IQ 页面把速度标为未测量。上下文信息内部不一致:顶部栏写“Unverified / Not in publisher docs”,发布信息部分又称共享输入与输出的 1,000,000 token 上下文预算。仅依据该页面无法消解这一冲突。
AI IQ 的数据适合用作带日期的第三方基准概览。4 项公开成绩中,知识工作覆盖 3/6 项,程序推理覆盖 1/6 项;另外五维没有 Hydrogen 的公开结果。因此,131 的 Composite IQ 中有实测输入,也有模型估算,不能解释成 39 项基准的综合实测成绩。
排名分母随维度变化(180 至 211 个模型),比较时应看同一维度和页面列明的基准,不宜只看名次或综合分。基准版本、harness 和任务构成可能影响结果;AI IQ 自己也提醒,来源评测设置不同,模型间的小幅差距未必有意义。页面未公布各项 Hydrogen 测试的推理档位,不能将成绩归因于某个档位。
可在 AI IQ 原始模型页按采集日核对汇总分、维度覆盖、四项基准成绩、来源标记和估算说明。若要复测原始基准,应先取得相同基准版本与 harness,并固定模型端点和推理设置;AI IQ 页面没有提供足以复现原实验的提示词、运行轨迹和完整参数。复测结果应与本页的 AI IQ 估算分分开报告。
Gemini 4 Hydrogen