谷歌发布 Gemini 4 Hydrogen 模型卡
谷歌 DeepMind 发布 Gemini 4 Hydrogen 模型卡，定位为兼顾速度与效率的前沿模型，重点面向日常编程与智能体工作流。模型卡披露了模型信息、训练数据、分发方式、评测结果与预期用途限制，并说明针对 CBRN 与网络安全滥用的防护措施，完整安全报告尚未发布。
报道正文
本文目录26 个章节
模型卡旨在提供 Gemini 模型的基本信息，包括已知局限、缓解措施和安全性能。模型卡可能会不时更新；例如，随着模型的改进或修订而纳入更新的评估结果。
模型信息
描述
Gemini 4 Hydrogen 将前沿智能带给每个人——为日常编码和智能体工作流提供速度与效率。我们的前沿模型 Gemini 4 Carbon 和 Gemini 4 Argon 专为在最困难问题上进行深度、长程推理而构建，而 Hydrogen 则专为在多样化智能体工作流中快速执行而构建。
模型依赖
Gemini 4 Hydrogen 改编自 Gemini 4 Carbon。
输入
文本字符串（例如，一个问题、一个提示、待摘要的文档）、图像、音频和视频文件，输入输出合计 token 上下文窗口最高可达 1M。
输出
1M 统一上下文窗口，默认同步输出 token 最高可达 64K / 通过后台长解码最高可达 1M。
架构
Gemini 4 Hydrogen 改编自 Gemini 4 Carbon。有关 Gemini 4 Hydrogen 模型架构的更多信息，请参阅 Gemini 4 Carbon 模型卡。
模型数据
训练数据集
Gemini 4 Hydrogen 改编自 Gemini 4 Carbon。有关 Gemini 4 Hydrogen 训练数据集的更多信息，请参阅 Gemini 4 Carbon 模型卡。
训练数据处理
Gemini 4 Hydrogen 基于 Gemini 4 Carbon 改编而来。有关 Gemini 4 Hydrogen 训练数据处理方式的更多信息，请参阅 Gemini 4 Carbon 模型卡。
实现与可持续性
硬件
Gemini 4 Hydrogen 基于 Gemini 4 Carbon 改编而来。有关 Gemini 4 Hydrogen 硬件配置以及我们对可持续运营的持续承诺的更多信息，请参阅 Gemini 4 Carbon 模型卡。
软件
Gemini 4 Hydrogen 基于 Gemini 4 Carbon 改编而来。有关 Gemini 4 Hydrogen 软件配置的更多信息，请参阅 Gemini 4 Carbon 模型卡。
分发
Gemini 4 Hydrogen 通过以下渠道分发；相关文档一并列出：
我们的模型通过应用程序编程接口（API）向下游提供商提供，并受相关使用条款约束。使用该模型无需特定硬件或软件。有关 AI Studio 和 Gemini API，请参阅 Gemini API 附加服务条款；有关 Gemini 企业版，请参阅 Google Cloud Platform 服务条款。更多信息，请参阅 Gemini 模型 API 说明、Gemini API 快速入门和 Google Cloud 文档。
评估
方法
我们在多项基准测试中对 Gemini 4 Hydrogen 进行了评估，涵盖智能体编程、知识工作、计算机使用、多模态理解、科学与数学以及推理等能力。
有关方法、结果及其方法的更多基准测试和详细信息，请访问：deepmind.com/models/evals-methodology/gemini-4-hydrogen。
结果
截至 2026 年 11 月，Gemini 4 Hydrogen 的结果如下：
| 类别 | 基准测试 | 备注 | Gemini 4 Hydrogen | Claude Sonnet 5.5 | GPT-6.1 Terra |
|---|---|---|---|---|---|
| 智能体编程 | SWE-sweep | ||||
| 13.5% | 3.1% | 5.8% | |||
| Terminal-Bench 4.1 | 作弊校正后 | 57.0% | 63.9% | — | |
| 知识工作 | Agents' Last Exam v1.1 | 得分 | 71.6% | 60.4% | 69.8% |
| AutomationBench-AA | |||||
| 76.1% | 71.8% | 60.2% | |||
| Vending-Bench 2 | 银行余额（美元） | $14,549 | $11,165 | $9,107 | |
| 计算机使用 | OSWorld-2.1 | 离线子集 | 77.6% | 83.9% | 74.2% |
| 多模态理解 | MKA | Climb WSR 准确率 | 53.4% | 52.0% | 43.8% |
| 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% |
方法论：deepmind.google/models/evals-methodology/gemini-4-hydrogen
预期用途与局限性
优势与预期用途
Gemini 4 Hydrogen 将前沿智能带给每一个人——为日常编码和智能体工作流提供速度与效率。
它尤其适用于需要以下能力的应用：
- 独立运行或作为子智能体与前沿模型协同编排时，快速、严谨地执行任务
- 迭代式代码仓库编码与调试
- 开放式智能体执行
- 多模态知识工作
- Web 开发
- 在四个思考层级上灵活适配的速度与智能
- 开箱即用的写作、研究和日常工作
- 串联信息、完成更多任务
- 日常原型构建与迭代
已知局限性
Gemini 4 Hydrogen 可能存在一些普遍性局限，例如幻觉。除此之外，我们正持续提升其抗越狱能力，并已在 Frontier Safety 各领域进一步加强了缓解措施。模型偶尔也可能出现运行缓慢或超时问题，有时为最大化性能会使用更多 token，尤其是在较高思考层级下。Gemini 4 Hydrogen 的知识截止日期为 2026 年 3 月，不过在部分领域，模型的知识可能不够新。
可接受的使用方式
Gemini 4 Hydrogen 改编自 Gemini 4 Carbon。有关 Gemini 4 Hydrogen 可接受使用方式的更多信息，请参阅 Gemini 4 Carbon 模型卡。
安全与保障
Gemini 4 Hydrogen 的完整安全与保障报告将在未来几天内发布。
评估方法
有关 Gemini 4 Hydrogen 评估方法的更多信息，请参阅 Gemini 4 Carbon 模型卡。
安全政策
有关 Gemini 4 Hydrogen 安全政策的更多信息，请参阅 Gemini 4 Carbon 模型卡。
训练与开发评估结果
以下是开发阶段进行的一些内部安全评估的结果。这些评估结果是自动化评估的结果，而非人工评估或红队测试。分数以相对于所指示模型的性能绝对百分比增减形式给出，具体如下所述。
总体而言，Gemini 4 Hydrogen 在多模态内容安全方面优于 Gemini 3.8 Flash，而文本到文本和多语言安全在置信区间内仍保持同样高的安全响应率。拒绝语气与 Gemini 3.8 Flash 相似，而无正当理由的拒绝更高，尤其是在多模态提示下。我们以加粗绿色标记改进，以红色标记退步。
详情请参阅 Gemini 4 Hydrogen 安全与安保报告（即将发布）。
| 评估项 | 描述 | Gemini 4 Hydrogen 对比 Gemini 3.8 Flash（百分点增减） |
|---|---|---|
| 文本到文本安全性（越高越好） | 自动化内容安全评估，衡量在文本提示下对安全策略的遵守程度 | +0.80pp |
| 多语言安全性（越高越好） | 跨多种语言的自动化安全策略评估 | +1.10pp |
| 图像到文本安全性（越高越好） | 自动化内容安全评估，衡量在同时以图像和文本作为输入时对安全策略的遵守程度 | +7.00pp |
| 语气（越高越好） | 自动化评估，衡量模型拒绝回答时语气是否客观、中立且不说教 | -0.65pp |
| 无正当理由拒绝（越低越好） | 自动化评估，衡量模型对可安全满足的良性或边界提示的过度拒绝情况 | +5.57pp |
我们持续改进内部评估，包括优化自动化评估以减少误报和漏报，并更新查询集以确保平衡并维持高标准的结果。上述报告的性能结果是用改进后的评估计算得出的，因此无法与之前 Gemini 模型卡中的性能结果直接比较。
我们预计自动化安全评估结果会出现波动，因此我们会审查被标记的内容，以检查是否存在恶劣或危险的材料。我们的人工审查确认，损失绝大多数要么是 a) 误报，要么是 b) 并不恶劣。
前沿安全评估
我们依据前沿安全框架（2026 年 4 月）对 Gemini 4 Argon 和 Carbon 进行了评估，并在各自的安全与保障报告中报告了结果（Argon、Carbon）。Gemini 4 Hydrogen 是 Gemini 4 系列模型的一部分。我们进行了重大能力变化（MCC）评估，以了解 Gemini 4 Hydrogen 相对于最近一个接受关键能力评估的模型版本（即 Gemini 4 Argon）是否具有有意义的新能力或性能的重大提升。根据我们的 MCC 评估，Gemini 4 Hydrogen 与 Gemini 4 Argon 相比并未显示出一般能力的重大提升，因此按照我们的 FSF，不需要进行全套关键能力评估。
由于我们无法排除 Gemini 4 Argon 和 Carbon 达到生物信息风险的 CBRN CCL 以及网络安全 CCL 的可能性，我们对 Gemini 4 Hydrogen 在 CBRN 和网络领域进行了有针对性的关键能力评估，以了解该模型的固有风险，结果发现 Gemini 4 Hydrogen 未达到 CBRN 或网络 CCL，但达到了这两个领域的 CCL 警报阈值。我们的评估摘要见下表，完整结果见 Gemini 4 Hydrogen 安全与保障报告（即将发布）。
| 风险领域与阈值 | 是否达到 T/CCL？ |
|---|---|
| CBRN - 能力提升 TCL（化学、放射与核）：在参考场景中为低至中等资源的行为者提供能力提升，从而导致 CBRN 攻击的实质性风险，可能造成重大但非严重的伤害。 | 未达到 TCL（沿用 Argon 的结论）。我们继续部署缓解措施。 |
| CBRN - 能力提升 CCL（生物）：在参考场景中为低至中等资源的行为者提供能力提升，导致在严重规模上产生额外的预期伤害。 | 经过额外针对性测试，未达到 CCL。已达到 CCL 警报阈值。我们继续部署缓解措施。 |
| 网络安全 - 能力提升 CCL：提供足够的能力提升，以实施高影响力网络攻击，从而在严重规模上产生额外的预期伤害。 | 经过额外针对性测试，未达到 CCL。已达到 CCL 警报阈值。我们继续部署缓解措施。 |
| 有害操纵 - 能力提升 CCL：具备足够的操纵能力，使其能够在与模型交互过程中，在已识别的高风险情境中系统性地、实质性地改变信念和行为，从而合理导致在严重规模上产生额外的预期伤害。 | 未达到 CCL（沿用 Argon 的结论）。我们继续部署缓解措施。 |
| 失控 - 隐蔽性与情境感知 TCL：模型的工具性推理能力使其具备足够的情境感知（发现并使用其部署环境中相关细节的能力）和隐蔽性（规避基本监督机制的能力），以至于在缺乏额外缓解措施的情况下，我们无法排除该模型会严重削弱人类控制的可能性。 | 由于 Gemini 4 Hydrogen 相较于 Gemini 4 Argon 未显示出 MCC，因此无需针对 TCL 进行能力测试。尽管如此，我们仍采取保守假设，按照已达到 TCL 的情况来应用控制、监控和模型安全缓解措施。 |
| 失控 - 机器学习研发加速 CCL：已被用于加速 AI 开发，导致 AI 进展相较于历史速度大幅加快。 | 未达到 CCL（沿用 Argon 的结论）。适用基线 AI 控制和模型安全缓解措施。 |
| 失控 - 机器学习研发自动化 CCL：能够以大致相当的全包成本，完全自动化 Google 内部任何专注于提升 AI 能力的研究团队的工作。 | 未达到 CCL（沿用 Argon 的结论）。适用基线 AI 控制和模型安全缓解措施。 |
风险与缓解措施
在 Gemini 4 Hydrogen 的整个训练和部署生命周期中，安全与保障措施贯穿始终，包括预训练数据过滤、训练后对齐（监督微调与强化学习）、产品级和系统级安全过滤以及使用监控。此外，我们加强了针对化学、生物、放射性及核（CBRN）领域和网络安全滥用的前沿安全防护措施。当前持续关注的重点领域包括抵御对抗性越狱和间接提示注入的能力。有关风险与缓解措施的更多信息，请参阅 Gemini 4 Hydrogen 安全与保障报告（即将发布）。