Google 推出了 Gemini 4 Hydrogen 和用于动态 AI 编码工作流的 Orchestrator

Google 全新的 Orchestrator 系统在完成编码任务时速度提升了 19%，同时比仅使用前沿模型消耗的配额减少了 24%。通过在高效的 Gemini 4 Hydrogen 和高推理能力的 Gemini 4 Carbon 之间动态切换，该系统在显著降低延迟和资源消耗的同时，保持了接近前沿模型的成功率。

这张图片是 Gemini 4 Hydrogen 模型和 Orchestrator 系统发布的首要视觉素材。

Gemini 4 Hydrogen 与静态路由的局限性

Gemini 4 Hydrogen 是一个独立模型，专门针对常规编码任务、调试和智能体工作流进行了优化。它提供四个思考级别——低、中、高以及全新的“xhigh”层级——以平衡推理深度与速度。

虽然许多行业解决方案使用静态“模型路由器”根据初始提示来猜测任务难度，但这些方法在任务演变过程中往往会失败。长周期的智能体任务在不同阶段经常需要不同程度的复杂度，而单一的初始路由决策无法考虑到这一点。

“Orchestrator 在单个轨迹的演变过程中，在 Carbon 和 Gemini 4 Hydrogen 之间采取动态的双向方法。”

— Gemini 4 Hydrogen and Orchestrator | Google Antigravity Blog

Carbon 与 Hydrogen 之间的动态编排

Orchestrator 功能通过在 Gemini 4 Carbon 和 Gemini 4 Hydrogen 之间采用动态双向方法，解决了静态路由的局限性。系统不再是做出一次性决策，而是根据任务轨迹的当前状态来调整模型。

例如，Carbon 可以启动只读阶段来探索依赖关系并建立具有重规划触发条件的具体计划。随后，Hydrogen 接管执行任务，如编写修改、更新软件包和运行测试。如果 Hydrogen 遇到阻碍，Orchestrator 会将状态交还给 Carbon 以修复计划并恢复执行。

这张图片展示了 Carbon 模型，它在 Orchestrator 工作流中负责处理高推理任务和计划修复。

性能提升与开发者控制

在 Terminal-Bench 4.1 上的测试表明，Orchestrator 达到了接近 Carbon 模型成功率的水平，同时效率显著更高。这种平衡允许用户在不为每个常规步骤消耗前沿级配额的情况下，保持高质量的输出。

对于需要精确控制的用户，Antigravity SDK 支持程序化的模型配对。这使开发者能够构建自定义流水线，例如一个问题分类系统，其中 Hydrogen 智能体处理高容量的编码和 UI 迭代，而 Carbon 智能体则保留用于安全检查和大规模重构。

可用性与限制

Gemini 4 Hydrogen 目前正在向付费的 Google AI Pro 和 Ultra 订阅用户推出，而 Orchestrator 功能最初仅面向 Google AI Ultra 订阅用户开放。企业用户可以通过 Gemini for business 获取访问权限。

虽然 Orchestrator 实现了模型之间的自动交接，但这些双向转换的具体内部逻辑和技术触发点仍属于内部细节。系统的有效性依赖于模型准确信号化任务何时遇到“阻碍”并需要更高推理层级的能力。