2026年11月12日，谷歌扔出了两枚分量很重的棋子：面向智能体工作流的新模型 Gemini 4 Hydrogen 全面铺开，DeepMind 的基因模型 AlphaGenome 2 也在同一时间段成为舆论焦点。再往前推一天，11月11日，谷歌还悄悄上线了 Gemini Decisions API，一个专门替企业做判断、不写文章的接口。三件事放在一起看，意思很清楚：谷歌不再只比谁的模型更聪明，而是在比谁能把智能真正铺进日常工作、铺进实验室、铺进每一分钱的成本账里。这篇文章把三件事分别讲清楚，再聊聊它们和 OpenAI、Anthropic 的竞争格局，以及对普通用户和开发者的实际影响。
先把时间线对齐，免得被各种转载搞混。Gemini 4 Hydrogen 是 2026 年 11 月 12 日由谷歌官方博客正式发布的，当天即开始向开发者、企业和消费者端全面推广。AlphaGenome 2 的情况稍有不同：DeepMind 的官方发布是在 11 月 11 日美国时间，相关报道在 11 月 12 日集中出现，所以有的中文媒体写 11 月 12 日发布，有的写 11 月 11 日，两者说的其实是同一件事，只是时区和转载节奏不同。Gemini Decisions API 则是 11 月 11 日上线的，严格说三件事并不落在同一个自然日，但 48 小时内的三连发，意思是一样的。
Gemini 4 Hydrogen：不拼最聪明，拼干活最快
Gemini 4 这个家族里已经有了 Carbon 和 Argon 两位前锋，负责最难的长推理任务。Hydrogen 的定位完全不同：它是执行层，是谷歌口中的日常智能体工作流主力。官方博客的说法是，Hydrogen 把前沿智能带给每一个人，特点是速度和效率，面向日常编程和智能体工作流。换成人话说，它不是用来在数学竞赛里拿高分的，而是用来写代码、跑测试、改漏洞、查代码库、做深度研究、整理资料这些每天都要干的活。
Hydrogen 是从 Carbon 改造而来的，继承了多模态能力，可以处理文本、图片、音频和视频。它的上下文窗口是 100 万个 token，输入和输出共享这个窗口，其中默认的同步输出上限是 6.4 万个 token，更长的输出要走后台长解码。知识截止时间是 2026 年 3 月，这意味着它对 2026 年下半年的新事了解有限，查最新资讯时仍然要联网核对，不能直接相信它的记忆。
定价是这次发布里最实在的部分：每百万输入 token 1.5 美元，每百万输出 token 7.5 美元，在整个 100 万 token 的上下文窗口内统一定价，没有按长度分档的加价。这个价格放在谷歌自己的产品线里看，是冲着高频调用去的。智能体工作流的特点就是调用次数多、单次任务杂，价格一旦按量放大，成本会迅速超过模型本身的性能差异。谷歌把 Hydrogen 的定价压到这个位置，明显是想让开发者敢把它放进循环里反复调用，而不是只在演示里用一次。
Hydrogen 提供了四个思考档位：低、中、高和新增的极高档，其中高档是默认设置。档位越高，推理越深、速度越慢、成本越高，开发者可以根据任务自己选。日常改个小漏洞用低档，跨代码库做重构再切到极高档，这种可调节的设计本身就是为智能体场景准备的：同一个模型要在不同任务之间切换角色，而不是一刀切。
基准分数怎么看：赢了 Argon，但别只看 headline
谷歌公布的数字里最抓眼球的一条是：在 Artificial Analysis 智能指数上，Hydrogen 默认高思考档位得分 51，超过 Argon 的 50，调到极高档可以到 54。终端智能体基准 Terminal-Bench 4.1 上，Hydrogen 得分 57%，而上一代的 Gemini 3.8 Flash 只有 18.2%，提升超过三倍。在 Agent Arena 这个实时榜单上，Hydrogen 排到第五位。
但这些数字要打个折扣看。首先，它们都是谷歌自己挑选的基准、按谷歌自己的方式测出来的，第三方独立验证还没有出来。其次，同一份模型卡里还有另一面：在 Terminal-Bench 4.1 经过反作弊调整后的对照表里，Claude Sonnet 5.5 的得分是 63.9%，高于 Hydrogen 的 57%。也就是说，Hydrogen 在谷歌的叙事里赢了自家兄弟 Argon，但在横向对照里并没有赢过最强的对手。这并不是否定 Hydrogen，而是提醒读者：基准分数从来不是模型的全部，选模型要看自己的任务类型，而不是看发布会上的数字。
谷歌还公布了两组和智能体安全性有关的数字：和 Gemini 3.8 Flash 相比，Hydrogen 在智能体任务里的过度执行减少最多 81%，服务不足减少最多 79%，同时对间接提示注入的抵抗力更强。过度执行是指智能体自作主张多干了不该干的事，服务不足是指该干的没干完，这两个问题恰恰是企业最不敢把智能体放进生产环境的理由。不过模型卡里也有一处提醒：和 3.8 Flash 相比，Hydrogen 无正当理由的拒绝率上升了 5.57 个百分点，调得太谨慎也可能误伤正常请求。这些细节说明，Hydrogen 仍然是一个需要实际使用来检验的模型，发布会上的承诺和生产环境的表现之间还有一段距离。
多模型协作：Hydrogen 真正的野心不在单打独斗
Hydrogen 最值得注意的设计，是它在多模型工作流里的位置。谷歌的思路是分工：Carbon 和 Argon 负责规划和深度判断，Hydrogen 负责快速执行。在 Antigravity 这个开发平台里，谷歌推出了 Orchestrator 功能，可以在同一个会话里自动切换模型，规划用强的，执行用快的。Hydrogen 还可以作为工作节点和验证节点，在隔离的工作区里并行干活。
这个思路对应的是智能体正在发生的真实变化：一个任务不再由一个模型从头做到尾，而是拆成规划、执行、验证、汇总多个环节，每个环节用最合适的模型。谁能把这种分工做顺滑，谁就能在成本和效果之间找到平衡点。谷歌把 Hydrogen 定位成这套分工里的执行引擎，实际上是在卖一整套工作流，而不只是卖一个模型。
对开发者来说，Hydrogen 覆盖的场景包括代码库问答、问题修复、调试、快速迭代和开放式智能体执行。谷歌特别提到，它可以把上百万 token 的输入和最多上百万 token 的输出配对使用，把密集的 PDF、电子表格、图表、音频和录制视频整合成带引用的报告和结构化成果。这类长文档处理任务过去成本很高，现在随着定价下降，可能会变成很多团队的日常操作。
Gemini Decisions API：专门做判断的便宜接口
如果说 Hydrogen 是干活的，那么 11 月 11 日上线的 Gemini Decisions API 就是做判断的。它背后的模型叫 Gemini Decision 1，只干三件事：是非题、多选题和按自定义量表打分。开发者把一个问题和一段资料交给它，它不逐字生成回答，而是直接对候选答案打分，返回概率和置信度。
这种设计的意义在于成本和速度。很多企业用大模型的场景根本不需要它写文章，只需要它判断：这封邮件属于退货还是咨询，这份合同条款有没有风险，这段内容是否违规，这个工具调用是否合理。过去这些判断也要按生成式调用付费，等于用写小说的价格买一个勾。Decisions API 的定价是每百万输入 token 0.1 美元，而且不收输出 token 的费用。谷歌称它在共享基准测试里比入门级的 Gemini 3.5 Flash-Lite 便宜将近五倍，端到端延迟在 150 到 250 毫秒之间，其中模型计算只要 50 到 100 毫秒。
技术参数上，单次请求最多可以处理 1000 个独立问题，多选题的候选项在 2 到 255 个之间，多模态输入最多 25.6 万个 token，覆盖文本、图片、音频、视频和 PDF。响应时间在 1 个问题到 100 个问题之间基本保持平稳，这对需要批量分类的场景很友好。谷歌表示，内部已经在用它做 Gemini Notebook 的路由、搜索里对抗性工具行为的检测，以及 Stitch 产品里线框图的生成。
需要注意的是，Decisions API 目前通过 Google AI Studio 的 Gemini API 提供，谷歌云上的支持还在路上。它也不是通用模型的替代品：写方案、做对话、搞创意仍然要找 Gemini 4 这样的通用模型。它的价值在于把判断类任务从通用模型里剥离出来，单独定价、单独优化。对企业来说，这意味着智能体工作流的成本结构会被重写：规划用贵的，执行用中档的，判断用最便宜的，分层定价正在成为现实。
AlphaGenome 2：从看组织平均值，到看单个细胞
另一边的 AlphaGenome 2 走的是完全不同的赛道。它要回答的问题是：一段 DNA 变异会在哪种细胞里起作用，又会把基因的活动调高还是调低。人体里几乎每个细胞都带着同一套 DNA，但心肌细胞和免疫细胞读这套蓝图的方式完全不同。同一个变异可能在肠道免疫细胞里引发炎症，在别的细胞里却毫无动静。以前的模型大多只能给出组织层面的平均答案，AlphaGenome 2 的进步在于可以指定一种组织、一种细胞类型甚至一种细胞状态，再预测变异的影响。
训练数据的规模是这次发布的基础：超过 1.07 亿个来自人类和小鼠样本的单个细胞画像，覆盖 68 种组织、637 种人类细胞类型和 311 种小鼠细胞类型。模型一次可以读入最长 100 万个碱基的 DNA 序列，并把目标细胞条件作为输入贯穿整个架构。除了基因表达，它还新增了 DNA 甲基化等预测维度。
效果用 DeepMind 自己的基准来衡量：在 TenK10K 这个覆盖 28 种主要免疫细胞类型的单细胞数据集上，AlphaGenome 2 找出了 30% 的因果变异，而上一代模型经过单细胞数据微调后只能找出 16%，接近翻倍。在判断变异是增强还是减弱基因活动这个方向性问题上，正确率从 23% 提高到 43%。这些数字是 DeepMind 自己公布的，技术论文还是预印本，没有经过同行评议，也没有独立复现，所以只能当作初步信号，不能当作定论。
最能说明问题的是一则真实案例。炎症性肠病的研究里，科学家花了一年半的实验才确认某个变异会在肠道巨噬细胞里特异性地增强 ETS2 基因的活动。DeepMind 用 AlphaGenome 2 在大约 30 分钟内就在计算机上复现了这个关键结论。模型还区分了激活状态和静息状态的 T 细胞，发现某个和重症新冠相关的变异在激活的细胞里影响更强。这些例子展示的是研究提速的可能性，而不是临床应用的到来。
DeepMind 反复强调的一点是：AlphaGenome 2 是研究工具，没有经过验证或批准用于临床和诊断。非商业研究可以通过 AlphaGenome API 免费使用，商业研究目前是邀请制的私人预览，模型本身不能下载到本地运行。普通人不需要、也不应该拿它来解读自己的基因检测结果。它的用户是科研人员和药企研发团队，价值在于更快地锁定值得做实验的变异，而不是替代实验本身。
也要看到它的局限：30% 的检出率意味着大约七成的因果变异仍然找不出来，方向判断的正确率还不到一半。 headline 的测试用的是免疫细胞数据，在身体其他部位的表现还没有得到同样的验证。计算预测最终仍然需要实验验证，模型给出的只是优先级排序，而不是答案。
竞争格局：谷歌、OpenAI、Anthropic 各押了什么
把这三件事放在竞争格局里看，谷歌的打法正在变得清晰。OpenAI 的优势一直是通用模型的品牌和生态，Anthropic 的优势是安全叙事和企业级部署，而谷歌的优势是产品矩阵和成本控制。Hydrogen 加 Decisions API 的组合，本质上是在告诉企业客户：从规划到执行再到判断，谷歌可以提供一整套分层定价的工具链，而且这些工具已经接进了搜索、办公套件、开发平台和 AI Studio。
Anthropic 也没有闲着。11 月 12 日，Anthropic 宣布了自托管 Claude Managed Agents 的私人测试版，允许企业在自己的云或本地环境里运行智能体的控制平面，包括服务器、凭证、沙箱和会话记录。这和谷歌的思路正好形成对照：谷歌在讲多快好省，Anthropic 在讲控制权和合规。两家押注的方向不同，争夺的是同一批企业客户，只是切入点不一样。
搜索是 Hydrogen 落地最值得关注的一块。谷歌表示，搜索正在迎来有史以来最大的模型升级，Hydrogen 将向所有用户推广，免费用户会在谷歌认为合适的时候通过自动模型选择用上它。这意味着普通用户不需要懂任何模型名字，就会在搜索结果里感受到变化：更快的回答、更完整的整合、更像助手而不是链接列表。对谷歌来说，搜索是护城河，Hydrogen 是加固护城河的新材料。
对中国读者来说，这次发布还有一层背景值得留意。本站此前报道过，六款中国 AI 大模型被指用禁运芯片训练，围绕算力和芯片管制的讨论一直没有停过。谷歌这次发布没有直接回应这些争议，但它释放的信号是：模型竞争正在从参数规模转向工程化落地，谁能把模型便宜、稳定、可控地铺进真实场景，谁就能拿到下一阶段的优势。芯片、成本、部署和合规，正在变成同一盘棋上的棋子。
对普通用户：变化会先出现在搜索和手机里
普通用户最先感受到的变化，很可能不是某个新模型的名字，而是搜索变快了、回答变完整了。Hydrogen 进入搜索之后，复杂问题的回答有望从几条链接变成一份带引用的整合答案，深度研究类的任务也不再是付费用户的专属。Gemini 应用的免费用户同样会逐步用上 Hydrogen，虽然是自动选择，但体验的上限会被抬高。
不过也要有合理的预期。知识截止时间是 2026 年 3 月，模型对今年下半年的新闻和政策变化并不了解，涉及签证、排期、税收、选举结果这类时效性强的信息，仍然要以官方来源为准，不能只看 AI 的回答。无正当理由拒绝率上升的提醒也值得记住：如果模型对某些问题回答得过于谨慎，换一种问法或者直接查原始来源，往往比反复追问更有效。
AlphaGenome 2 和普通人的距离要远得多。短期内它不会改变任何人的体检报告，也不会出现在消费级基因检测产品里。它的意义是长期的：如果科研人员能更快找到致病变异，新药研发的早期筛选就可能提速几年。对患者群体来说，这是一个值得关注、但不需要立刻行动的消息。
对开发者：分层定价时代真的来了
对开发者而言，这次发布最实际的影响是成本账要重算。过去很多团队的做法是：一个任务不管大小都调同一个通用模型，简单判断和复杂推理付同样的价钱。现在谷歌给出了三档工具：Hydrogen 负责执行，每百万输入 token 1.5 美元；Decisions API 负责判断，每百万输入 token 0.1 美元且不收输出费用；Carbon 和 Argon 负责最难的规划和推理。把任务拆开、按环节选模型，理论上可以把成本压下来一大截。
实际落地时有几个点值得注意。第一，Hydrogen 的四个思考档位要根据任务调校，默认的高档不一定是最划算的选择，简单任务用低档可能效果差不多、成本低很多。第二，Decisions API 的延迟数字是在特定上下文规模下测得的，谷歌自己的说明里提到，150 到 250 毫秒的端到端延迟对应的是最多 1.6 万个 token 的上下文，更大的输入要实测。第三，模型卡里提到 Hydrogen 的完整安全报告还在准备中，对安全合规要求高的团队，上线前要留出自己的评估时间。
还有一个现实问题是供应商锁定。Orchestrator、多模型协作、Antigravity 平台这些能力都和谷歌的生态绑定很深，用得越顺，迁移成本越高。团队在享受便利的同时，也要想清楚关键路径上有没有备选方案。Anthropic 的自托管路线正是在打这个痛点，企业客户会在便利和控制之间反复权衡。
接下来看什么
未来几周有几个观察点。第一是第三方的独立评测：Hydrogen 在真实编程任务里的表现是否和谷歌公布的数字一致，尤其是在 Terminal-Bench 这类基准上和 Claude Sonnet 5.5 的差距会不会缩小。第二是搜索侧的实际体验：普通用户能不能感受到这次号称最大的模型升级，还是说变化微乎其微。第三是 Decisions API 的采用情况：会不会有更多企业把判断类任务从通用模型里剥离出来，带动一波成本优化。第四是 AlphaGenome 2 的预印本能否顺利通过同行评议，以及药企会不会公开采用它的案例。
谷歌在 48 小时内连发三弹，传递的信息比任何单一产品都重要：AI 竞赛的下半场，比的不是谁能造出最聪明的模型，而是谁能把智能拆成不同价位、不同速度、不同用途的零件，稳稳地装进每一个真实场景。Hydrogen 负责干活，Decisions API 负责判断，AlphaGenome 2 负责探索科学的边界。三件事合在一起，谷歌想讲的故事是：智能可以便宜，可以分工，也可以深入到细胞层面。至于这个故事能不能兑现，要看接下来几个月的实际表现，而不是发布会上的数字。
本文基于谷歌官方博客 2026 年 11 月 12 日发布的 Gemini 4 Hydrogen 介绍、DeepMind 官方发布的 AlphaGenome 2 说明，以及多家科技媒体 11 月 11 日至 12 日对 Gemini Decisions API 的报道撰写。基准分数、延迟和价格均为发布方公布的数据，尚未经过独立第三方验证，实际情况请以各产品的官方文档为准。
- 最新
- 最热
只看作者