十一月十三日,Gemini 4 Hydrogen 上线,输入价定在每百万 token 一点五美元。同一份评测里,它的默认高档在智能指数上拿到五十一分,比自家旗舰 Argon 还高一分。这个组合值得拆开看。

价格降下来靠的是什么?

不是单纯的补贴。模型定价由三块决定:单次推理的算力消耗、单位算力的成本、以及愿意让出的毛利。

算力消耗取决于架构效率。同样的能力,如果模型能在更少的激活参数、更短的思考链里完成,单次成本就低。这里的关键是能力密度,不是参数规模。

单位算力成本取决于部署。自建集群、批量推理、缓存复用,都能把边际成本压下来。这部分是工程能力。

毛利让渡是策略。用低价换份额,用份额换生态,用生态换长期议价权。这一块和成本无关,和决心有关。

便宜会不会牺牲能力?

从这次的数字看,没有明显牺牲。智能指数五十一分高于自家旗舰,说明低价档不是缩水版。更有意思的是 Terminal Bench 4.1,从上一代 Flash 档的百分之十八点二升到百分之五十七,这不是小幅优化,是数量级的变化。

终端任务考的是多步操作、命令执行、错误恢复,这类能力过去是小模型的短板。短板被补到这个程度,说明训练数据和任务构造方式变了,不只是堆参数。

这个价格对市场意味着什么?

第一,定价锚被拉低。同级别模型的报价如果还停在每百万 token 三五美元,客户会开始问凭什么。第二,中小团队的可用预算被放大。原来一个月只能跑几千次调用,现在能跑几万次,试错空间变大。第三,靠低价走量的中间层会被挤压。转售、代理、拼额度的生意,差价变薄。

第四,也是最容易被忽略的:便宜的推理会改变应用形态。当单次调用便宜到可以忽略,产品设计就从省着用转向随便用,比如每次都重新检索、每次都多轮自检、每次都生成多个候选再选。这些做法在贵的时候不成立,在便宜的时候变成默认。

该不该马上迁移?

先看三件事。第一,你的任务是否吃终端操作和多步执行,如果是,这次的提升是实打实的。第二,你的调用量是否大到价格敏感,如果每月只花几十美元,省下的钱不如迁移成本。第三,你的提示和工具链是否与旧模型深度绑定,换模型要重跑评测,这部分成本要算进去。

模型降价是好事,但迁移有成本。真正的机会不在省下的那点钱,而在于便宜之后你敢做以前不敢做的设计。

去论坛讨论

前往 ziyuanagi.com 论坛 参与讨论