Tabbit
活动资源博客模型
Tabbit LogoTabbit

Tabbit — 为你工作的 AI 浏览器

主题资源

  • 浏览器排行榜
  • AI 浏览器指南
  • 浏览器对比
  • 浏览器测评
  • 浏览器替代方案
  • 浏览器专题目录
  • Agentic 浏览器
  • 下载与安装
  • 浏览器效率
  • SillyTavern 模型指南

热门指南

  • Best Browsers 2026: Top 10 Ranked & Compared
  • Best Free AI Browsers 2026: Plans & Prices Compared
  • Rabbit Browser: What It Is & Why Tabbit Is Better
  • Firefox vs Chrome 2026: Privacy, RAM & Speed Compared
  • Best Lightweight Browsers 2026: 7 Tested for RAM & Speed
  • AI Browser List 2026: 10 Browsers Compared
  • Neobrowser: Norton Neo, Download & Alternatives
  • Edge vs Chrome 2026: Speed, RAM & Battery Tested
  • Best Internet Browser for Android 2026
  • Best AI Browser 2026: Top 9 Tested & Ranked

活动

  • 别装了,你在《牛来》里早有原型
  • Tabbit 妙招大赛
  • KPOP SBTI 饭圈人格测试
  • Tabbit 校园共创者计划
  • fifi 的论文文献妙招精选
  • 用户问卷

关于

  • Tabbit 博客
  • 媒体报道
简体中文
简体中文English
测评
官方Gemini 4 Hydrogen

Google DeepMind 官方能力基准:Gemini 4 Hydrogen

原始来源

Google DeepMind

作者未注明

原文日期2026-11-12

Tabbit 整理2026-11-12

查看原文

一句话结论

Google DeepMind 的模型卡报告了 Gemini 4 Hydrogen 在多类基准上的成绩及相对 Claude Sonnet 5.5、GPT-6.1 Terra 的结果;这些是模型提供方公布的汇总数据,页面没有给出足以独立重跑各项测试的完整配置和逐题记录。

适用场景

  • 适合判断的任务:了解 Google DeepMind 对 Hydrogen 能力范围、公开基准成绩和已披露局限的说明。

  • 不适合外推的任务:据此判断所有实际任务、不同客户端或参数下的表现,或把分数直接与 Arena、Artificial Analysis、Plotly 的结果排序比较。

  • 适用的模型版本:Gemini 4 Hydrogen;页面未注明具体 API 模型 ID、修订号或各项测试使用的推理档位。

  • 测试环境或客户端:未注明;分项基准的完整运行环境不在模型卡正文中。

  • 推理档位和参数:未注明;页面仅说明产品可在四种 thinking level 间调整速度与智能程度。

测评方法

模型卡称其评估覆盖代理编程、知识工作、计算机使用、多模态理解、科学与数学、推理。结果表注明了个别范围或计分说明,例如 Terminal-Bench 4.1 使用 cheating-adjusted 分数,OSWorld-2.1 使用 offline subset,MKA 报告 Climb WSR accuracy,Vending-Bench 2 报告账户余额。模型卡提供了独立的评测方法页面链接,但本页未展开各基准的题集、提示词、工具配置、重复次数、统计区间或评分细节。

因此,下列数据应视为截至 2026 年 11 月的 Google DeepMind 官方报告值。模型卡虽列出对照模型,但没有在结果表中说明每个模型的端点版本、参数和测试是否完全同配置;不能仅凭此表确认横向差值来自模型能力本身。

关键结果

类别基准说明Gemini 4 HydrogenClaude Sonnet 5.5GPT-6.1 Terra
代理编程SWE-sweep—13.5%3.1%5.8%
代理编程Terminal-Bench 4.1Cheating-adjusted57.0%63.9%—
知识工作Agents' Last Exam v1.1Score71.6%60.4%69.8%
知识工作AutomationBench-AA—76.1%71.8%60.2%
知识工作Vending-Bench 2Bank balance(美元)$14,549$11,165$9,107
计算机使用OSWorld-2.1Offline subset77.6%83.9%74.2%
多模态理解MKAClimb WSR accuracy53.4%52.0%43.8%
多模态理解Chartography—66.6%61.6%63.2%
科学与数学Terminal-Bench-Science 0.1—51.4%59.9%58.3%
推理HLE-Diamond—58.8%53.3%47.3%

模型卡还报告内部自动化安全评估相对 Gemini 3.8 Flash 的百分点变化:文本安全 +0.80pp、多语言安全 +1.10pp、图像输入安全 +7.00pp、拒绝语气 -0.65pp、无正当理由拒绝 +5.57pp。卡片称前三项安全指标越高越好,拒绝语气越高越好,无正当理由拒绝越低越好;因此最后一项是退步。评估为自动化评估,并非人工评估或红队测试。Google 说明评估集和评估方式有更新,结果不能直接与更早的 Gemini 模型卡比较。

原始数据

  • 模型定位:卡片称 Hydrogen 从 Gemini 4 Carbon 适配而来,定位于日常编码和代理工作流中的快速执行。

  • 输入与上下文:支持文本、图像、音频、视频;输入与输出合计上下文窗口最高 1M token。

  • 输出:默认同步输出最高 64K token;后台 long decode 最高 1M token。

  • 知识截止日期:2026 年 3 月。

  • 已知局限:可能产生幻觉;可能出现延迟或超时;高 thinking level 下可能使用更多 token;部分领域知识可能不够新。

  • 安全披露状态:完整 Safety & Security Report 在采集时仍标为即将发布。模型卡称 Hydrogen 未达到其 CBRN 与网络安全 CCL,但触及两项 CCL 警戒阈值,并称继续部署缓解措施。此处仅记录卡片结论,不据此推演风险能力。

结论与边界

官方结果显示 Hydrogen 在表列基准中有强有弱:例如它在 SWE-sweep、Agents' Last Exam、AutomationBench-AA、Vending-Bench 2 和 HLE-Diamond 的报告值高于两个对照模型中的至少一个;在 Terminal-Bench 4.1、OSWorld-2.1 和 Terminal-Bench-Science 0.1 则低于 Claude Sonnet 5.5。结果更适合说明 Google 选择公开了哪些任务与数值,不能概括为 Hydrogen 在一般代理任务上全面领先。

这组分数来自模型提供方的模型卡,不是 Arena 的用户偏好排名、Artificial Analysis 的综合指数,也不是 Plotly 的单次数据分析考试。它们采用不同任务、harness 和汇总口径,不应跨来源直接拼接或比较。模型卡页面会更新,本文记录的是 2026-11-16 可见快照。

复现说明

模型卡正文足以核对上表数字和说明,但不足以逐项重跑测试。精确复现还需要各基准的版本与题集、模型端点和修订号、提示词、工具/harness、推理档位、采样参数、重复次数及逐题结果。卡片链接到评测方法页,但本文只依据这张模型卡,不将链接页面未在卡片中展示的细节补作证据。

Tabbit 小编提醒

本文是第三方资料导航。测试环境、模型版本和主观体验可能不同,请以原文为准。

Gemini 4 Hydrogen

在 Tabbit 中使用并对比模型

Gemini 4 Hydrogen

相关测评

媒体AI IQ

Gemini 4 Hydrogen:AI IQ 评分与基准覆盖

媒体Plotly Blog2026-11-12

Plotly 数据分析基准:Gemini 4 Hydrogen 得分 43/43

媒体Arena WebDev Leaderboard2026-11-14

Gemini 4 Hydrogen (High):Arena WebDev 网页开发榜

媒体MindStudio Blog2026-11-13

Gemini 4 Hydrogen 应用调试与多步骤任务:MindStudio 实测记录

Gemini 4 Hydrogen

相关提示词与案例

官方Google AI for Developers(Gemini API 文档)

Google Gemini API:Gemini 4 Hydrogen 模型配置

官方Google AI Studio 文档

Google AI Studio:从 Gemini 3.8 Flash 迁移到 Gemini 4 Hydrogen

官方Google AI Studio Gemini API 文档

Google AI Studio:Gemini 4 Hydrogen 四档推理配置

官方Google AI Studio Gemini API 文档

Google AI Studio:用 Gemini 4 Hydrogen 定位长视频内容