
2026年11月12日18时(UTC),谷歌DeepMind在官方博客发布第四代旗舰基础模型Gemini 4,内部代号Hydrogen,并于同日通过Gemini API与Vertex AI开放调用。官方公布的评测口径为GPQA Diamond 92.4、SWE-bench Verified 78.2,上下文窗口从Gemini 3的100万tokens扩至200万tokens,每百万token推理成本下降约45%。这是谷歌在基础模型代际竞赛中第一次把「效率」而非「参数规模」放在
2026年11月12日18时(UTC,北京时间为11月13日2时),谷歌DeepMind在其官方博客发布第四代旗舰基础模型Gemini 4,内部代号Hydrogen,同步挂出一份约40页的技术报告,但未公开总参数量、训练token数与数据配比。
发布信息集中在三条线上。架构上,Gemini 4 放弃 Gemini 3 的「稠密层+MoE层」混合结构,改为全稀疏专家路由,每个token平均激活约1/12的参数(Gemini 3 为1/8),官方称代号 Hydrogen 由此而来——用最轻的调度换取最大的有效容量。上下文上,窗口由100万tokens扩至200万tokens,官方称在200万长度上的「大海捞针」召回率为98.6%,并新增原生视频时间戳定位,可直接回答「第37分12秒画面里出现了什么」。成本与延迟上,每百万token推理成本较 Gemini 3 Pro 下降约45%,首token延迟P50由0.70秒降至0.42秒。
定价同步下调:Gemini 4 Pro 输入1.25美元/百万token、输出5.00美元/百万token,此前分别为2.00美元与8.00美元。评测方面,官方口径 GPQA Diamond 92.4
Gemini 3 发布于2025年11月,到 Gemini 4 面世正好一年。这一年的行业主线从「谁的模型更聪明」切换到「谁能让模型跑得更便宜」。原因并不复杂:2026年企业客户把大模型从试点推进到生产系统后,支出结构从一次性授权变成按token计费的持续性账单,推理成本第一次直接出现在财务部门的报表里。
技术前提也已就位。稀疏专家路由、混合注意力(滑窗+全局)、KV缓存压缩这三项在2025至2026年陆续成熟,使「总参数变大、单token算力变小」成为可行路线;谷歌自研TPU在2026年的供货改善,也为长上下文推理的单位成本留出了下降空间。
竞争节奏同样在推着它往前走。Anthropic 在2026年上半年把主力模型的上下文推到100万tokens并用于代码库级任务,OpenAI 则在 Agent 场景上强调工具调用的稳定性,两家都把「上下文长度×单价」做成了对外宣传的参数。谷歌若继续以 Gemini 3 的价格体系应战,云侧
刘工判断:Gemini 4 Hydrogen 的胜负手不在榜单,而在账单。未来6个月内,如果谷歌把 Flash 变体的单价压到每百万token 0.3美元以下,一批做多模态Agent的团队会把推理后端迁到 Gemini API;未来12个月,200万tokens上下文会从卖点变成标配,评测口径也会从「能不能放进去」转向「放进去之后多跳推理还剩多少」。
先看博客里最容易被跳过的一组数字。官方称每百万token推理成本较 Gemini 3 Pro 下降45%,而API定价从输入2.00美元、输出8.00美元降到1.25美元与5.00美元,降幅均为37.5%。成本降幅与价格降幅之间留下的这7.5到8个百分点,才是这次发布真正的商业动作——谷歌没有把效率红利全部让给客户,而是把其中约六分之一留在自己账上,用来对冲云侧AI业务的毛利压力。单条调用看不出差别,放到每天数十亿次调用的量级上,就是一笔可以直接计入财报的钱。
从技术层面看,代号 Hydrogen 指向的是路由而不是参数。每个token平均激活约1/12的参数,比 Gemini 3 的1/8又降了三分之一,意味着同一张加速卡能吞吐更多请求。但稀疏路由的老问题并没有消失:专家负载在长上下文里更容易倾斜,序列越长、路由决策越多,尾部延迟的方差就越大。官方给的是首token延迟P50从0.70秒降到0.42秒,P50好看不等于P99好看,而企业系统真正被卡住的往往是后者。200万tokens上98.6%的召回率只证明了「能取回一个点」,多跳、跨文档指代、时序因果这些更难的能力,技术报告里没有给出同口径数字。
在商业维度上,这次调价改写的不是谷歌自己的价目表,而是整个API市场的锚。同为Pro档,Gemini 4 输出单价5.00美元/百万token,已把上一代旗舰的8.00美元甩开一截;对做长文档、代码库级重构、视频归档检索的团队来说,单次任务成本从「要不要做」变成了「可以批量做」。刘工预测,未来两个季度内至少会有一家主流厂商跟随下调输出侧单价,因为输出token才是成本结构里最难压缩的部分,谁先降谁先拿到Agent场景的调用量。
对行业而言,200万上下文最直接的影响是RAG的边界后退。过去两年大量团队把半年工期花在切块、向量化与重排上,现在一部分场景可以退化成「整包塞入+一次重排」。但刘工在工业质检这类场景里的观察是:连续多相机视频流的真实输入不是一段长文本,而是几十小时、多工位、带时间戳的画面;200万tokens大约装得下十几小时的压缩视频特征,够做班次级回溯,不够做周级追溯。产线节拍通常是每分钟30到60件,端到端判定要求百毫秒级,0.42秒的首token延迟仍然进不了在线闭环。Gemini 4 在工业场景的第一落点,大概率是离线复判与缺陷根因分析,而不是在线检测。
- 上下文窗口由 Gemini 3 的100万tokens提升至200万tokens,翻倍;官方在200万长度上的「大海捞针」召回率为98.6%。
- 每百万token推理成本较 Gemini 3 Pro 下降约45%;同期API输入价由2.00美元降至1.25美元、输出价由8.00美元降至5.00美元,降幅均为37.5%,成本降幅与价格降幅之间留出约8个百分点的毛利空间。
- GPQA Diamond 92.4,前代87.1,高出5.3分;SWE-bench Verified 78.2,前代71.5,高出6.7分;官方注明尚未完成外部独立复现。
- 每个token平均激活参数由前代的1/8降至约1/12,单token算力约为前代的75%;首token延迟P50由0.70秒降至0.42秒,降幅40%。
- 公开榜单上 Claude 4.5 的 SWE-bench Verified 约在74附近,Gemini 4 官方口径高出约4
对行业而言,短期3个月内最直接的动作是价格传导。Gemini 4 Pro 输出侧5.00美元/百万token,会把中腰部模型厂商逼向两个选择:跟进降价、牺牲毛利,或退守垂直场景做定制化交付。中期1年,长上下文会从差异化卖点变成入场券,评测社区的口径大概率从 needle recall 转向多跳推理与长程一致性,「能塞进去」不再构成叙事;模型厂商的竞争重心会进一步落到单位token成本与P99延迟这两项工程指标上。
对普通用户而言,短期3个月内能感知的变化是长文档、长视频问答的可用性提升,以及部分免费额度的调整;中期1年,Agent类产品的单次任务成本下降会逐步传导到订阅价格,视频创作与检索工具是最先受益的一类。需要提醒的是,用户最终得到多少实惠,取决于厂商是否愿意把成本下降继续让价——按这次成本降45%、价格降37.5%的定价策略看,让价幅度小于成本降幅。
竞争对手方面,OpenAI 与 Anthropic 在发布当日均未给出正式回应;Anthropic 的研究人员在社交平台上的讨论集中在稀疏路由的专家负载均衡,认为这是比参数规模更难的工程问题。开发者社区的反应更直接:Hacker News 与 X 上的高热度帖子几乎都围绕定价与200万上下文展开,有开发者算过一笔账——把一份200万tokens的长文档整包送入并按输出价计费,单次成本仍在两位数美元量级,这决定了它先在企业场景落地而不是个人场景。第三方评测机构 Artificial Analysis 表示正在复现官方分数,暂不更新榜单排名,并提示各家评测脚手架不同、横向比较需谨慎。企业侧的态度偏积极但克制,两家与谷歌云合作的服务集成商提到,采购决策的关键不是榜单分数,而是P99延迟与配额稳定性。
值得继续思考的问题:
- 全稀疏专家路由在长上下文下的负载倾斜问题:P50延迟改善40%,P99会付出什么代价
- 成本降45%、价格降37.5%之间那8个百分点:谷歌如何在云侧AI毛利与市场份额之间做平衡
- 200万tokens上下文对RAG工程栈的替代边界:哪些检索管线会被砍掉,哪些反而更需要
延伸阅读:2026 主流 AI 大模型对比——不追热点也能长期有用的选型指南,收藏备用。
本条动态来自 DeepMind Blog(发布于 2026-11-12 18:00:50)。本站为海外 AI 动态的中文转述与观点评论,原文版权归原作者所有。
每日聚合海外 AI 一手动态与深度观点。收藏本站,不错过每一个重要信号;返回首页查看更多。

