氫
輸出評估
正確:A+C+D,成本 16,價值 31。還識別出 A+C+E 是唯一其他價值至少為 30 的可行投資組合。
我哋比較 Google 發布嘅基準測試同 API 價格,然後喺相同任務上測試三個模型,提供經驗證嘅結果、提示詞、時間同令牌使用情況。

Hydrogen 嘅官方令牌價格最低;Carbon 針對最深層嘅推理;Argon 平衡前沿推理同效率。 三個模型都通過咗我哋完成嘅四項任務。最難嘅代碼測試暴露咗格式同解釋上嘅差異,而唔係正確性上嘅贏家。
Google 現在有三款 Gemini 4 模型,它們的名稱幾乎無法告訴你該選哪一個。你應該從 Hydrogen 開始,用 Argon 處理高要求工作,還是為 Carbon 的更深層推理付費?
有用的比較是每個任務的能力:每個模型能解決什麼、使用多少推理量,以及一個完整答案的成本。官方基準分數給了我們一個起點;需要困難的同提示任務才能看出這些差異在哪裡重要。
我們通過 GlobalGPT 在相同任務上測試了所有三個模型。如果你想比較自己的工作負載,請從 GlobalGPT 開始,並查看你帳戶當前的模型選項和使用條款。
專為快速的日常編碼和智能體執行。
可以獨立運行,也可以與更深層推理模型一起處理執行任務。
谷歌報告的指數:高思考為 51,超高為 54。
Google 的最高能力的 Gemini 4 推理模型。
適用於困難的除錯、科學研究和擴展驗證。
儘管每 token 費率相同,但可能比 Argon 使用更多的推理 token。
高效前沿推理,適用於要求高的編碼、數學和科學。
Google 將其定位為比 Carbon 更快、token 密集度更低。
其作用是平衡推理深度和任務成本。
來源:Google 的模型和定價文檔。
已發佈基準 · 越高越好
快速查看 Google 報告的分數。
這些是 Google 報告的已發佈結果,檢查於 2026 年 11 月 15 日。它們不是我們自己的測試分數。Carbon 的數字來自其 公告;Hydrogen 和 Argon 的數字來自上面的 Hydrogen 公告。這是跨公告的來源比較,而不是一次全新的三模型排行榜運行,具有獨立驗證的相同設定。
不要將 Terminal-Bench 4.0 和 4.1 的數據放在同一個排名欄中。評估版本的變更可能會改變任務難度,因此百分比無法支持公平的直接比較結論。

標準 Gemini API 價格(美元/每百萬 tokens),2026 年 11 月 15 日核查:
標準 GEMINI API · 美元/每百萬 TOKENS
輸入
輸出 · 含思考
輸入
輸出 · 含思考
輸入
輸出 · 含思考
*Hydrogen當前公佈的價格未指定12月的漲幅;這並不保證未來不會變動。輸出計費包含思考令牌。搜索和其他工具費用另計。這些是Google的API費率,而非GlobalGPT的訂閱價格或積分換算。
在固定令牌數下,Hydrogen的成本低25%比Carbon或Argon的初始費率。與公佈的12月費率相比,這一差距變為62.5%。實際任務成本還取決於推理令牌、重試和工具使用。
例如,100,000 個輸入 token 和 20,000 個計費輸出 token 在 Hydrogen 上花費 $0.30,在 11 月 30 日前 Carbon 或 Argon 上花費 $0.40,從 12 月 1 日起在 Carbon 或 Argon 上花費 $0.80。此計算不包括工具、緩存、批量折扣和重試;它不預測每個模型需要多少 token。
Hydrogen 有一個限速的免費 API 層級。Carbon 和 Argon 沒有。消費者訂閱是單獨的購買,有自己的訪問規則。
來源:Google API 定價。

我們在四個相同的任務上測試了 Hydrogen、Carbon 和 Argon。前三個檢查核心準確性;最後一個任務需要一個完整的精確搜索程序,我們運行該程序並根據獨立計算的答案進行檢查。
每個任務使用相同的輸入和系統指令。
全新請求,項目上下文已停用,且模型不使用工具。
正確性、輸出格式、時間和令牌使用情況分別評估。
測試 1 · 準確性基線
選擇最優投資組合並識別所有符合條件的備選方案。
Solve exactly, showing verifiable arithmetic and a proof of optimality. Six indivisible projects have (cost, value): A(7,13), B(6,12), C(5,10), D(4,8), E(3,7), F(2,4). Budget=16. C requires A. D and E cannot both be selected. B requires at least one of D or F. Select projects maximizing total value; break ties by lower cost then alphabetically sorted project-list. Give chosen list, cost, value and enumerate all feasible candidates with value at least 30. No external tools or web.
正確:A+C+D,成本 16,價值 31。還識別出 A+C+E 是唯一其他價值至少為 30 的可行投資組合。
正確:A+C+D,成本 16,價值 31。還識別出 A+C+E 是唯一其他價值至少為 30 的可行投資組合。
正確:A+C+D,成本 16,價值 31。還識別出 A+C+E 是唯一其他價值至少為 30 的可行組合。
任務判定: 所有三個都通過了核心答案檢查。
測試 2 · 準確性基線
將總體轉化率與設備級效應和標準化提升分開。
Analyze a randomized experiment using only these counts. Variant A: mobile 90 purchases/900 visitors; desktop 80/100. Variant B: mobile 20/100; desktop 630/900. Show overall and device-specific conversion rates, absolute lifts B-A, and a standardized B-A lift using 50% mobile/50% desktop. Explain the reversal, distinguish observational aggregate from randomized causal interpretation, and state exactly what randomization details are missing. May we claim B wins overall and in both devices? Do not invent significance or revenue. No external tools or web.
正確:B 總體領先 48 個百分點,但在桌面上落後 10 個百分點。常見的 50/50 設備組合給出 零提升。拒絕了在兩個細分市場中的勝利。
正確:B 總體領先 48 個百分點,但在桌面上落後 10 個百分點。常見的 50/50 設備組合給出 零提升。在兩個細分市場中都拒絕了獲勝。
正確:B 總體領先 48 個百分點,但在桌面上落後 10 個百分點。常見的 50/50 設備組合給出 零提升。在兩個細分市場中都拒絕了獲勝。
任務判定: 三者都通過了核心答案檢查。
測試 3 · 準確性基線
正確應用修訂、作廢和退款,然後返回嚴格的 JSON。
Return valid JSON only, no Markdown. Reconcile event ledger by event_id: retain highest revision, then exclude void=true. Amounts are integer cents; refund amounts subtract from captured revenue even when received before capture; group by order_id; ignore pending. Ledger: [e1,r1,o1,capture,1000,false];[e1,r2,o1,capture,1200,false];[e2,r1,o1,refund,200,false];[e3,r1,o2,refund,300,false];[e4,r1,o2,capture,2000,false];[e5,r1,o3,capture,500,false];[e5,r2,o3,capture,500,true];[e6,r1,o3,pending,900,false];[e7,r1,o4,capture,700,false];[e8,r1,o4,refund,800,false];[e8,r2,o4,refund,600,false];[e9,r1,o2,refund,100,false]. Output keys orders (array sorted by order_id with order_id,net_cents,retained_event_ids sorted lexically), total_net_cents, excluded_event_ids (superseded event versions written as event_id:rN plus void and pending versions). Include o3 with zero net. No external tools or web.
正確:訂單總額為 1,000、1,600、0 和 100 美分;總計 2,700 美分。原始輸出解析為 JSON,無需清理。
正確:訂單總額為 1,000、1,600、0 和 100 美分;總計 2,700 美分。原始輸出解析為 JSON,無需清理。
正確:訂單總額分別為 1,000、1,600、0 和 100 美分;總計 2,700 美分。原始輸出無需清理即可解析為 JSON。
任務結論: 三者均通過了核心答案檢查。
測試 4 · 硬編碼任務
生成用於約束搜索的可執行 Python;我們將每個程式與獨立的窮舉參考進行了對比運行。
Find the EXACT top 5 feasible portfolios, ranked by highest total value, then lowest total cost, then lexicographic sorted ID string. Items (ID,cost,value): [('A', 9, 19), ('B', 7, 16), ('C', 11, 25), ('D', 6, 13), ('E', 8, 18), ('F', 5, 12), ('G', 10, 23), ('H', 4, 9), ('I', 12, 29), ('J', 3, 8), ('K', 7, 17), ('L', 6, 15), ('M', 9, 22), ('N', 5, 11), ('O', 8, 20), ('P', 4, 10), ('Q', 11, 27), ('R', 2, 5)]. Budget 55; choose between 6 and 9 items inclusive. Dependencies: C requires A; G requires B and D; I requires E; M requires F and H; Q requires J and K. Mutually exclusive pairs: (A,B),(E,F),(L,N),(O,Q). At least 2 of C,G,I,M,Q. Exactly 2 of D,H,L,P. At least one of B,F,J,N,R. If O is selected then P is selected and K is absent. If R is selected then exactly one of A,E is selected. Return ONLY executable Python 3 code, at most 120 lines. Implement an exact exhaustive search, print JSON with keys feasible_count and top5 (each row [sorted_ID_string,cost,value]). Do NOT manually calculate or hardcode the answer. State complexity in a code comment. Use only itertools and json; no filesystem, network, subprocess or other imports. The code will be executed and checked against an independent exhaustive reference.通過:可執行程式碼返回了 121 個可行投資組合 以及 正確的前五名。包含了正確的組合計數和更全面的複雜性解釋。
通過:返回了可執行代碼 121 個可行投資組合 以及 正確的前五名。組合計數正確;複雜度說明省略了最後的排序項。
移除 Markdown 圍欄後通過:代碼返回 121 個可行投資組合 以及 正確的前五名。註釋聲稱有 115,379 種組合,而不是 142,766 種,並且在其複雜度說明中省略了排序。
任務結論: 功能正確性並列。Hydrogen 在這次運行中給出了可執行格式和解釋的最清晰組合。
時間是一次性端到端運行的觀察結果,包括網絡和排隊時間,請求是並發運行的。令牌報告的是輸入/輸出使用量,可能包括推理或請求包裝令牌;它們不是美元費用。一次單獨的直接回答嘗試觸發了速率限製或本地超時,因此被排除在質量評分之外。上面的編碼任務使用了新的匹配提示。
當 Hydrogen 較低的官方令牌費率適合您的工作負載時,請從它開始。如果您重視高效的前沿推理,請在比較中保留 Argon:它在格式清理後正確解決了我們的精確搜索編碼任務。在需要更深入探索的工作上評估 Carbon;此測試集並未證明其正確性優勢足以默認選擇它。請將顯示的平台費用與 Google API 費率分開核對。
Hydrogen 的標價標準 API 費率最低:每百萬輸入令牌 1.50 美元,每百萬輸出令牌 7.50 美元,於 2026 年 11 月 15 日核對。
它們列出的標準令牌費率相同。如果 Carbon 使用更多推理令牌或驗證步驟,每個任務的成本仍可能更高。
不。檢查基準版本和思考設定,然後在具有可獨立驗證答案的代表性任務上測試模型。
我們運行了每個生成的 Python 求解器,並將其可行計數和前五個投資組合與獨立的窮舉搜索參考進行了比較。
我們的 Argon 存取指南解釋了平台存取、Google 訂閱、AI Studio 和 API 計費之間的區別。
有關存取詳情,請閱讀 如何使用 Gemini 4 Argon。要在同一個賬戶中比較模型,請從 GlobalGPT 開始,並檢查所選模型和顯示的使用條款。