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
媒体Gemini 4 Hydrogen

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

原始来源

Plotly Blog

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

在 Plotly 的私有 43 题数据分析考试中,Gemini 4 Hydrogen 单次答对 43 题,成本为 $6.36;该结果优于同次测试的 Gemini 4 Carbon(42/43,$11.55)和 Gemini 4 Argon(41/43,$13.47),但 GPT-6.1 Sol 同为 43/43,成本为 $2.61。结果只说明模型在 Plotly 这套分析 Agent 考试中的表现。

适用场景

  • 适合判断的任务:多轮工具调用下的数据分析、图表生成、统计陷阱识别、数据质量检查和隐藏模式发现。

  • 不适合外推的任务:通用问答、开放式文本写作、真实企业数据分析,也不能据此断定不同推理档位、API 或 Agent 配置下会得到相同结果。

  • 适用的模型版本:Gemini 4 Hydrogen。Google AI Studio 文档列出的稳定模型 ID 为 gemini-4-hydrogen;Plotly 称其于发布日经 OpenRouter 调用,未说明 OpenRouter 路由到的具体模型修订号。

  • 测试环境或客户端:Plotly Studio Embedded 数据分析 Agent,通过 OpenRouter 调用模型。

  • 推理档位和参数:未注明。Google 将 Hydrogen 默认推理档位标为 high,但 Plotly 没有说明此次运行是否使用默认档位。

测评方法

Plotly 使用其私有 PlotlyDataAnalyticsBench,对每个新模型运行同一套 43 道题,并使用相同 harness 和评分方式。Harness 是面向 Dash 应用的数据分析 Agent,支持多轮工具调用和图表生成,侧重让数据分析结果居中,而非文本写作。考试数据为模拟风电场运营商的数据仓库;题集不公开,Plotly 称仅向研究者共享,以减少答案进入训练数据的可能。

作者在 Gemini 4 Hydrogen 发布日通过 OpenRouter 完成一次全量测试。文章没有披露题目、答案、系统提示、工具 schema、逐题调用记录或原始输出。Plotly 对 43 项通过结果逐项人工复核。

关键结果

  • 总分 43/43,为当时第四个通过全部题目的模型;五类分项全部满分:分析题 20/20、歧义题 5/5、不可能请求 5/5、数据质量 3/3、统计陷阱 5/5、隐藏模式 5/5。

  • Gemini 4 Carbon 得分 42/43,成本 $11.55;Gemini 4 Argon 得分 41/43,成本 $13.47。GPT-6.1 Sol 同为 43/43,成本 $2.61。

  • Hydrogen 一次考试成本 $6.36,中位每题耗时 32 秒,整场约 43 分钟。对照模型中,Carbon 中位每题 93 秒、整场约 1 小时 48 分钟;Argon 为 23 秒;GPT-6.1 Sol 为 18 秒。

  • Hydrogen 找到全部五个预埋隐藏模式。五题平均约 54 次查询;这五题合计有 95 次模型调用和 271 次工具调用。文章称全榜 48 个模型中只有 8 个找到全部五个模式。

  • 本次运行输入约 1,780 万 token,其中 88% 来自缓存。按文章给出的每人每天 10 个问题、每年 250 个工作日,以及测试时 OpenRouter 价格推算,年成本约 $370;这是情景估算,不是订阅价格。

原始数据

模型总分分析题歧义题不可能请求数据质量统计陷阱隐藏模式单次成本中位每题耗时
Gemini 4 Hydrogen43/4320/205/55/53/35/55/5$6.3632 秒
Gemini 4 Carbon42/4320/205/55/52/35/55/5$11.5593 秒
Gemini 4 Argon41/4319/205/55/52/35/55/5$13.4723 秒
GPT-6.1 Sol43/4320/205/55/53/35/55/5$2.6118 秒

结论与边界

在这套测试中,Hydrogen 的准确率高于另外两款 Gemini 4 模型,成本约为 Carbon 和 Argon 的一半;它并非全榜最快或同分中最便宜。Plotly 说明其重复测试的其他模型单次分数曾上下波动最多 3 分,因此只跑一次的 1–2 分差距应视为接近,不能解释为稳定排名。文章未给出 Hydrogen 的重复运行结果。

考试题集和原始运行记录不可公开获取,外部读者无法逐题复现分数、成本和耗时。结论仅适用于这次 OpenRouter 调用及 Plotly Studio Embedded harness,不代表生产数据、不同工具配置或其他模型档位下的表现。成本和价格比较也以测试时 OpenRouter 报价为准。

复现说明

可按 Plotly 所述环境和 43 题题型复建相似评测,但因题目、答案、提示词和工具定义未公开,无法精确复现原考试。需要比较模型时,应固定题集、Agent harness、工具、模型 ID 与推理设置,多次运行并分别记录逐题结果、调用数、缓存 token、费用及耗时;不要把本次单样本分数当作稳定能力值。

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

官方Google DeepMind2026-11-12

Google DeepMind 官方能力基准:Gemini 4 Hydrogen

媒体AI IQ

Gemini 4 Hydrogen:AI IQ 评分与基准覆盖

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