谷歌正式将 Gemini 4 Hydrogen 设为 Gemini 应用的默认模型,旨在解决人工智能常见的“记忆缺失”痛点,帮助用户保持对话专注。官方宣称,相较于 Gemini 3.8 Flash,新版模型在响应速度与结果准确性上均有显著提升。

长期以来,用户在使用 AI 时往往需要反复在提示词中重申偏好与规则,如字数限制或特定包含项,但模型仍可能忽略要求甚至产生幻觉。为验证 Gemini 4 Hydrogen 的实际改进,笔者通过一个复杂的太阳能板安装规划项目,将其与前身 Gemini 3.8 Flash 进行了对比测试。

长程记忆与精准定价

测试场景基于笔者此前搁置的太阳能板安装计划:在英国阳光充足的背景下,为补贴一台 0.9 kWh 空调的电费,需在 600 英镑预算内寻找最佳方案。此前使用 Gemini 3.8 Flash 时,因模型在不同对话间估算值波动剧烈,且无法记住当地安全规定及脚手架、人工等具体报价,导致计划受阻。

重启项目后,Gemini 4 Hydrogen 展现了出色的长期连续性。在仅提供户外电源插座位置、花园朝向(朝南偏东)、预算及空调功率等关键信息后,模型不仅迅速回顾了历史对话摘要,还详细列出了三个符合预算的即插即用太阳能板套件,并提供了英国零售商处的精确单价。相比之下,3.8 Flash 仅能提供模糊的价格区间。

此外,Hydrogen 还能识别潜在摩擦点并提供增值建议。例如,当建议方案略低于预算时,它主动提议将剩余资金用于购买地板安装支架配重块或更长电缆,以应对花园日照位置超出默认插头长度的情况。这种对上下文的深度理解,远超仅专注于数学计算的 3.8 Flash。

交互式模型与合规检查

在数据呈现方面,Gemini 4 Hydrogen 实现了从“文字墙”到“交互模型”的跨越。根据笔者提供的邮政编码和实际用电量,模型生成了包含年度节省金额范围及月度发电量的图表。针对投资回报疑问,它还构建了一个交互式模型,直观展示在 15 年使用寿命内的资金节省情况,允许用户在聊天中快速调整参数,无需再进行繁琐的单独计算。

在合规性检查环节,Hydrogen 同样表现优异。当被要求提供特定太阳能套件的完整检查清单时,它生成了一个交互式列表,帮助笔者确认户外电源插座的合规性,并结合此前对话中提到的“棚屋屋顶安装”细节,确保符合当地规划许可指南。这一过程无需用户反复提醒背景信息,极大提升了工作流效率。

测试表明,Gemini 4 Hydrogen 通过提供更准确的本地上下文、高度精准的统计数据以及更易消化的信息形式,显著减少了用户的后续修正成本。它不再仅仅是一个需要不断“博弈”的助手,而更像是一个具备长期记忆与主动解决问题能力的合作伙伴,彻底改变了 AI 辅助复杂任务的工作体验。