Google 說 Hydrogen 比 3.8 Flash 快 2.5 倍。All Agent 百科 11 月 13 日的對照分析指出，這個「快」需要拆開看：快的是生成吞吐，不是響應速度。Artificial Analysis 的獨立測量給出了另一組數字：xhigh 檔首 token 要等 41.11 秒，跑完同一套指數 13.0 分鐘，與中位 12.9 分鐘基本持平。本文把官方口徑與獨立測量放在一起，算清楚這 2.5 倍到底快在哪裏、慢在哪裏。
「快」至少有三個意思，Hydrogen 只佔其中一個：
| 指標 | Hydrogen（xhigh） | 同類中位 | 說明 |
|---|---|---|---|
| 生成吞吐 | 約 198 token/s | — | 一旦開始寫，寫得很快——這就是官方「快 2.5 倍」指的東西 |
| 首 token 延遲 | 約 41 秒 | 約 13.6 秒 | 開始寫之前要等很久；11 月 12 日 AA 頁讀數爲 41.11 秒，13 日 FAQ 爲 40.55 秒 |
| 端到端耗時 | 跑完 AA 指數約 13.0 分鐘 | 約 12.9 分鐘 | 全程並未更快——思考時間喫掉了吞吐優勢 |
| 指數運行總輸出 | 304M tokens | 72.8M tokens | 先想很久，再寫很多 |
換句話說：Hydrogen 的工作方式是「想很久，然後一口氣寫很多」。思考階段的等待（41 秒）加上超長的輸出（304M tokens），讓端到端時間回到了中位水平。官方的 2.5 倍說的是任務完成速度與生成吞吐，不是你按下回車後多久看到第一個字。
從默認 high 檔升到 xhigh，AA 指數從 51 漲到 54，多了 3 分；代價是每任務成本從 $1.87 漲到 $3.16，多花 69%，每任務耗時從約 6.0 分鐘漲到約 13–14 分鐘。更關鍵的是：Terminal-Bench 4.0 兩檔同爲 54%——在終端任務上，xhigh 的額外思考沒有換來任何分數。winbuzzer 的評價是「結果不均」：分數上升了，但任務耗時翻倍以上。
這不是說 xhigh 沒用。Terminal-Bench-Science 0.1 上，xhigh 從 high 的 41% 漲到 50%，增益真實存在。但增益是任務相關的：科學推理任務受益，終端任務不受益。所以 xhigh 的正確用法是「按任務開」——在你自己的任務上實測，確有增益再開；沒測過就默認開 xhigh，等於爲 3 分多付 69%。
All Agent 百科的判斷是：Hydrogen 最該被買單的優勢不是速度，而是幻覺率。AA-Omniscience 幻覺率僅 8%，對照組 Claude Sonnet 5.5 爲 43%、GPT-6.1 Sol 爲 52%——差距不是幾個百分點，是幾倍。官方口徑也印證了這個方向：相比 3.8 Flash，虛構內容減少 5 倍以上；模型卡安全評估裏，圖文安全提升 7.00 個百分點。
對 Agent 來說，少幻覺比快更有價值：Agent 的錯誤會級聯——一個編造的 API 參數能讓後續十步全錯，返工成本遠高於等待成本。Hydrogen 的定位是「執行層」，執行的本質是可靠：寫對的代碼、讀對的文檔、少編造的事實。8% 的幻覺率，纔是它對 3.8 Flash 最大的升級。
但也別隻看好的一面：模型卡顯示，無理由拒答率上升了 5.57 個百分點（變差），尤其在多模態提示上——它更謹慎了，代價是偶爾該答的不答。
| 場景 | 建議 | 理由 |
|---|---|---|
| 交互式聊天、IDE 實時補全、有人等的任務 | 別用 Hydrogen | 首 token 約 41 秒，用戶等不起 |
| 日常編碼、單次代碼生成、快速原型 | 默認 high 檔 | 出廠狀態，51 分，$1.87/任務；想省錢可降到 medium（41 分，$0.80） |
| 批量跑、後臺跑、並行 worker、Orchestrator 裏的執行角色 | 最適合 | 沒人等首 token，吞吐與低幻覺的優勢全發揮；xhigh 只在實測有增益的任務上開 |
參考來源：本文爲本站原創改寫與整理，事實與數據覈對自 All Agent 百科：快的是吞吐，不是響應（2026-11-13）
← 返回 Gemini 4 Hydrogen 專題