Google 说 Hydrogen 比 3.8 Flash 快 2.5 倍。All Agent 百科 11 月 13 日的对照分析指出，这个「快」需要拆开看：快的是生成吞吐，不是响应速度。Artificial Analysis 的独立测量给出了另一组数字：xhigh 档首 token 要等 41.11 秒，跑完同一套指数 13.0 分钟，与中位 12.9 分钟基本持平。本文把官方口径与独立测量放在一起，算清楚这 2.5 倍到底快在哪里、慢在哪里。
「快」至少有三个意思，Hydrogen 只占其中一个：
| 指标 | Hydrogen（xhigh） | 同类中位 | 说明 |
|---|---|---|---|
| 生成吞吐 | 约 198 token/s | — | 一旦开始写，写得很快——这就是官方「快 2.5 倍」指的东西 |
| 首 token 延迟 | 约 41 秒 | 约 13.6 秒 | 开始写之前要等很久；11 月 12 日 AA 页读数为 41.11 秒，13 日 FAQ 为 40.55 秒 |
| 端到端耗时 | 跑完 AA 指数约 13.0 分钟 | 约 12.9 分钟 | 全程并未更快——思考时间吃掉了吞吐优势 |
| 指数运行总输出 | 304M tokens | 72.8M tokens | 先想很久，再写很多 |
换句话说：Hydrogen 的工作方式是「想很久，然后一口气写很多」。思考阶段的等待（41 秒）加上超长的输出（304M tokens），让端到端时间回到了中位水平。官方的 2.5 倍说的是任务完成速度与生成吞吐，不是你按下回车后多久看到第一个字。
从默认 high 档升到 xhigh，AA 指数从 51 涨到 54，多了 3 分；代价是每任务成本从 $1.87 涨到 $3.16，多花 69%，每任务耗时从约 6.0 分钟涨到约 13–14 分钟。更关键的是：Terminal-Bench 4.0 两档同为 54%——在终端任务上，xhigh 的额外思考没有换来任何分数。winbuzzer 的评价是「结果不均」：分数上升了，但任务耗时翻倍以上。
这不是说 xhigh 没用。Terminal-Bench-Science 0.1 上，xhigh 从 high 的 41% 涨到 50%，增益真实存在。但增益是任务相关的：科学推理任务受益，终端任务不受益。所以 xhigh 的正确用法是「按任务开」——在你自己的任务上实测，确有增益再开；没测过就默认开 xhigh，等于为 3 分多付 69%。
All Agent 百科的判断是：Hydrogen 最该被买单的优势不是速度，而是幻觉率。AA-Omniscience 幻觉率仅 8%，对照组 Claude Sonnet 5.5 为 43%、GPT-6.1 Sol 为 52%——差距不是几个百分点，是几倍。官方口径也印证了这个方向：相比 3.8 Flash，虚构内容减少 5 倍以上；模型卡安全评估里，图文安全提升 7.00 个百分点。
对 Agent 来说，少幻觉比快更有价值：Agent 的错误会级联——一个编造的 API 参数能让后续十步全错，返工成本远高于等待成本。Hydrogen 的定位是「执行层」，执行的本质是可靠：写对的代码、读对的文档、少编造的事实。8% 的幻觉率，才是它对 3.8 Flash 最大的升级。
但也别只看好的一面：模型卡显示，无理由拒答率上升了 5.57 个百分点（变差），尤其在多模态提示上——它更谨慎了，代价是偶尔该答的不答。
| 场景 | 建议 | 理由 |
|---|---|---|
| 交互式聊天、IDE 实时补全、有人等的任务 | 别用 Hydrogen | 首 token 约 41 秒，用户等不起 |
| 日常编码、单次代码生成、快速原型 | 默认 high 档 | 出厂状态，51 分，$1.87/任务；想省钱可降到 medium（41 分，$0.80） |
| 批量跑、后台跑、并行 worker、Orchestrator 里的执行角色 | 最适合 | 没人等首 token，吞吐与低幻觉的优势全发挥；xhigh 只在实测有增益的任务上开 |
参考来源：本文为本站原创改写与整理，事实与数据核对自 All Agent 百科：快的是吞吐，不是响应（2026-11-13）
← 返回 Gemini 4 Hydrogen 专题