Gemini 4 Hydrogen 对比 Argon：任务怎样分配？
面向生产路由的 Gemini 4 Hydrogen 与 Gemini 4 Argon 选型指南：工作负载决策、完整流程成本、升级信号及回退限制。
EvoLink Team产品团队文章目录
本文未提供受控的 Hydrogen 与 Argon 工作负载实测结果。能力基线来自供应商文档，策略、示例与公式则是应用设计建议。
在 Google 的模型选择指南中，Hydrogen 是日常编程、多模态文档和并行执行的候选，Argon 则定位于高级长程任务。这是提供方定位，不是对你实际流量分工的测量结果。例如，仓库维护服务可以在一条路由评估有测试保障的常规改动，在另一条路由评估跨模块失败分析，两者使用相同代码版本与验收检查。只有结果支持，才正式采用对应分工。
Gemini 4 Hydrogen 对比 Argon：共有能力与限制
| 选型变量 | Hydrogen 上游基线 | Argon 上游基线 | 在 EvoLink 上核对什么 |
|---|---|---|---|
| 共享上下文 | 输入、思考、输出合计 1,048,576 Token | 同样采用共享窗口 | 协议限制，以及输入后留给回答的空间 |
| 长输出 | 长解码可超出单段同步响应 | 支持长解码 | 原生续写行为；不要推定兼容协议也支持 |
| 思考 | low、medium、high、xhigh；默认 high | low、medium、high；Google 对比中的默认值为 medium | 支持哪些值，并显式选择设置 |
| 非流式单段响应 | Google 文档列出最高 65,536 | Google 对比中列出 REST 单段上限 32,768 | 实际网关约定和 SDK 行为 |
| 工具与结构化输出 | 属于受支持能力 | 属于受支持能力 | schema、思考签名、错误处理和工具执行 |
| 价格 | 独立型号与商业价格安排 | 独立型号与商业价格安排 | 当前账户费率，包含缓存输入与工具 |
xhigh 视为已经启用。同样，Google REST 限制存在差异，也不能证明网关暗中实现了相同差异。不要把模型选择写成推测架构的故事。价格阶梯、元素名称或相似回答，都不能确立“Argon 蒸馏版”这一说法。运行应用时真正重要的是受支持接口，以及在所用配置下通过验收的工作质量。
按任务失败的代价选择路由
先明确输出约定和错误影响。同一模型可能适合作为某项任务的首选评估对象，却不一定适合同一任务中出错后果更严重的情况。分别记录任务类别，避免平均分掩盖关键失败。
| 工作负载 | 初始评估策略 | 验收测试 | 初始策略何时不够 |
|---|---|---|---|
| 固定字段文档抽取 | 用当前路由与 Hydrogen 对照测试 | 必填字段、准确数值、单位与来源证据 | 关键字段失败，或歧义无法解决 |
| 仓库维护 | 在可复现任务上比较两者 | 测试通过、改动不越界、审查负担可接受 | 难例仍失败，且已有证据表明 Argon 能解决 |
| 多步工具 Agent | 先用已达到完成标准的路由，再试另一条 | 授权工具完成操作，最终回答符合工具结果 | 工具可靠，但有效请求仍反复无法完成任务 |
| 长报告或生成规格书 | 先核对上下文与续写，再按模型选型 | 章节完整、引用有效、输出可恢复 | 客户端无法正确续写，或缺少证据 |
| 没有自动参考答案的高影响判断 | 要求有记录的复核流程 | 人工审阅标准与关键错误检查 | 两个模型都无法提供所需证据或权限 |
对抽取任务，问题不是 Argon 的语气是否更谨慎，而是它能否对照参考答案修正具体失败。对编程任务，要看是否修复目标行为且未引入另一项回归。对 Agent，则要区分模型错误和工具服务失败：换模型无法恢复不可用的数据库，也不能授予缺失权限。
“执行者”或“校验者”这样的角色，是应用建议分配的职责，不是型号名称保证的能力等级。校验模型也要评估。两个模型可能同时赞同一个无依据答案；彼此同意，不等于获得独立事实依据。
在直接路由与条件升级之间选择
有三种实用的起始策略。应在同一批进入任务、相同合格工作定义下比较它们。
实用的决策树应按以下顺序运行：
- 检查硬性要求。所选协议是否接受输入、开放所需工具、支持要求的输出工作流？先排除不兼容路由，再比较模型质量。
- 使用已评估的任务分类结果。选择在该类别上满足质量、延迟和成本要求的直接路由。缺少这些证据时，先做有边界的评估，不要推测赢家。
- 验证响应。执行 schema、运行结果、证据与授权检查。只接受满足任务要求的结果。
- 区分失败类型。证据缺失、工具不可用、权限被拒、数据格式错误和真正的模型推理失败，需要不同处理。
- 只对可恢复的模型失败升级。携带相关原始证据和验证反馈，检查剩余预算与时间，再进行规则允许的第二次尝试。
- 到达策略上限就停止。第二次尝试仍失败时，明确返回未完成／待复核状态。不要在模型间循环，直到得到一个听起来有说服力的回答。
这是应用侧编排建议，不是在描述 EvoLink 内置了自动评估响应、或把每次失败都路由到更强模型的功能。
计算整条路由的费用，包括失败工作
对于条件升级策略，定义：
c_H：每个进入任务在 Hydrogen 阶段产生的平均 API／工具总费用，包括该阶段允许的重试；r：所有进入任务中，实际进入 Argon 阶段的比例；c_A：每个升级任务在 Argon 阶段的平均完整 API／工具费用；a：原始任务中，最终满足共同验收标准的比例。
那么：
每个进入任务的平均 API／工具费用 = c_H + r × c_A每个合格任务的 API／工具费用 = (c_H + r × c_A) / aa 为零时，第二个公式未定义。若计入审查者时间，应明确增加相应预期费用，而不是把纯 API 支出当成完整业务成本。不同策略的任务总体与验收规则必须一致。
使用模型做校验产生的计费费用，应计入发起校验的阶段。如果另一个模型或服务在这些阶段之外判断响应，就先把其预期费用加入分子，再除以通过比例。本地测试执行或其他基础设施费用，不在 API／工具支出的定义内时，应单独报告。
| 策略 | API／工具总费用 | 合格的原始任务数 | 每个合格任务的 API／工具费用 |
|---|---|---|---|
| 只用 Hydrogen | $6 | 800 | $0.0075 |
| 只用 Argon | $12 | 960 | $0.0125 |
| 先用 Hydrogen，再将 200 个任务升级 Argon，每个 $0.012 | $8.40 | 950 | 约 $0.00884 |
第三行的计算是 $6 + 200 × $0.012 = $8.40。如果 Hydrogen 已让 800 个原始任务通过，最终合格总数为 950，就意味着 200 次升级中有 150 次新增了一个合格任务。这些是说明性假设，不是观察到的通过率、模型价格或节省承诺。各策略结果分别设定，并非确定性的逐题配对测试：升级时可以使用校验反馈和不同的请求上下文。应在实际升级子集上测量成功率和 c_A，而不是从直接 Argon 的平均结果推算。本例假设采用本地校验，不产生额外模型 API 费用；存在付费校验器时，按前文说明加入成本。
策略很容易失去吸引力。升级任务过多时，第一阶段只是在原本就会采用的路由前增加一笔成本。校验器漏判错误答案时，报告的通过率会失真；错拒正确答案时，不必要的升级又会消耗时间和费用。应用人工标注或可执行的参考样本校验该校验器。
延迟也会随策略变化。升级任务需要顺序经历第一阶段、校验和第二阶段。不能把两次独立测量的 p95 取平均，就称为这条路由的 p95。应测量实际策略下的端到端完成时间，并单独报告升级任务，避免快速通过的大多数掩盖失败任务的慢尾部。
定义可审计的升级信号
有效信号应对应某项失败的任务要求。“我不太确定”这样的模糊自评可以作为观察特征之一，但不能成为无限支出的授权。
| 信号 | 首先做什么 | 何时考虑另一模型 | 停止条件 |
|---|---|---|---|
| 必需 schema 或类型校验失败 | 检查请求／schema 本身是否正确 | 有效请求仍未满足，且替代模型已在评估中通过这类失败任务 | 只允许一次升级，或达到任务预算 |
| 可执行测试失败 | 保留测试输出和相关原始上下文 | 模型层修正合理，而且可以安全尝试 | 测试仍失败，或改动范围扩大 |
| 引用缺少依据 | 检查来源是否真的包含答案 | 只有证据存在时，另一种解读才有意义 | 证据缺失：要求补充或转复核 |
| 工具超时 | 遵循工具服务的重试策略 | 换模型不能修复服务可用性 | 达到超时／截止时间 |
| 授权被拒 | 尊重拒绝结果 | 绝不能通过另一模型绕过权限 | 停止未授权操作 |
| 上下文放不下 | 缩减／检索相关证据，或改变工作流 | 另一条路由确实具备兼容容量时才考虑 | 两条路由都无法安全容纳 |
例如，生成的迁移脚本在可复现测试中失败，可以把该测试失败信息带入下一次 Argon 尝试。但工具返回“permission denied”时，不应据此升级。PDF 中无法辨认的签名，不会因为第二模型猜了同一个名字就成为可靠证据。
升级时避免重复写入。如果第一次尝试可能已经执行操作，再试前先核对操作状态。保留幂等标识符，并由执行层继续负责有副作用的操作。模型选择不会消除应用的事务边界。
保留状态，但不假定能跨模型直接搬用
previous_interaction_id、原生续写 Token 或状态对象，可以被另一个无关的网关端点接受。应用自己管理升级时，应依据已批准的原始证据和明确的失败说明构建下一次请求。不要把失败模型没有依据的结论当成参考事实。如果文档未说明可以转移状态，就发起受支持的新请求，并计入重复输入；隐去这部分输入费用，会扭曲路由成本比较。
配置需要命名并做版本管理。回滚目标应包括模型、受支持思考档位、提示词版本、schema 和工具策略，避免恢复旧模型，却留下备用模型无法接受的设置。
先试运行，再把策略设为默认
测试级联策略前，先评估两条直接路由，否则无法判断多一层分流到底改善了什么。冻结一套带标注的任务集，包含常规、困难和已知失败样本，然后测试直接 Hydrogen、直接 Argon 和建议的升级路径。所有尝试都记录在原始任务 ID 下。
检查模型与校验器的分歧。即使平均成本改善，也要复核关键错误。验收关卡还需足够独立，能够发现自信但错误的输出；仅仅复述第一模型解释的校验模型，不是可靠的验收关卡。
随后运行已获批准、禁用副作用的影子策略，核对真实输入分布、状态处理、实际升级频率与完整用量。再以有限灰度运行，并书面规定关键失败、合格任务成本、完成时间和工具操作的限制。保留能立即切回直接模型路由的路径，以及能够停用策略的操作负责人。
不要强迫所有请求进入级联。已知困难类别直接走合适路由，可能更便宜、更快；已能通过的简单类别，可能根本不需要第二模型。缺少可靠验收测试的类别，人工复核或明确标为未完成，可能比另一次自动尝试更稳妥。
常见问题
Hydrogen Token 单价更低，是否所有任务都应先用它？
不是。应测试完整流程成本与结果。几乎总会升级的任务，可能直接走已验证路由更合适。
Hydrogen 是 Argon 的蒸馏版吗？
本文没有确立这一架构的一手证据。应依据文档化型号身份与受支持行为，不要从产品定位推断训练设计。
Argon 一定能给出更好的答案吗？
本文未确立这样的普遍结论。应使用任务专属参考标准比较两者，并纳入困难样本与关键错误。
长输出是放弃 Hydrogen、选择 Argon 的理由吗？
两个上游模型都说明了长解码支持。应检查共享上下文、分段限制和所选协议的续写行为，不要把共有功能当作 Argon 独有优势。
什么时候应升级到 Argon？
仍存在可检测、可恢复的模型失败，评估证明替代模型对这类失败有效，而且任务还有预算与时间时。权限或证据缺失，需要采取不同处理。
第二模型能自动验证第一模型吗？
可以参与建议的复核工作流，但两者同意不能证明正确。校验模型也要评估，并在需要时采用可执行检查、来源证据或人工复核。
可以跨模型复用对话、缓存与续写状态吗？
只有所选协议明确说明可以时。正确保留必要历史，避免盲目移动模型专属 Token，发起新请求时计入重复输入。
工作流什么时候应停止重试？
达到书面规定的尝试次数、时间或费用上限，或失败无法通过另一模型调用修复时。明确返回待复核／未完成状态，不要陷入无止境的模型切换。
来源与证据边界
- Google Hydrogen 模型规格。
- Google Argon 模型规格。
- Google Hydrogen 跨模型迁移指南。
- Google Gemini API 价格。
- EvoLink Gemini 原生 API 参考。
核对日期为 2026 年 11 月 12 日。供应商规格有渠道适用范围。工作负载分配、路由规则和 1,000 任务示例是建议设计，不是公开模型跑分，也不是 EvoLink 自动分流功能的说明。
