Gemini 4 Hydrogen 和 DeepSeek V4.1 Flash 1017：差五倍还是五十倍，要看那 10 万 token 有没有命中缓存

1.5K 0

在 API 里写 model: “deepseek-flash”，你今天调到的是 V4.1 Flash 1017。两个半月前写同一个名字，调到的是另一个模型。这个接口名在这段时间里换过三茬，文档里的模型卡跟着改，调用方的代码一个字没动。

拿它和 Gemini 4 Hydrogen 比之前，得把这个参数陷阱放在第一位：你在网上看到的“DeepSeek Flash 实测”，很可能测的不是今天这一版。

反过来，Hydrogen 的名字很新，11 月 12 日才放出来，所以它的公开数据都是同一个模型的，口径反而干净一些。只是它的数据少，第三方复测也才一两家。

两个模型被放到一起，是因为昨晚 DeepSeek 开放了“全家桶”API，联网搜索、深度思考搜索、文件输入、读链接、语音全挂在了 V4.1 Flash 上。谷歌那边，Hydrogen 同一天被塞进了全球的谷歌搜索。两家快模型，同一周都在往“自带工具”的方向走。

deepseek-flash 底下换过的几茬

1017 是 10 月 17 日上线的，名字里的数字就是日期。在它之前，这个接口名下面挂过更早的 V4.1 Flash 版本。美团 11 月 1 日发 LongCat-2.5 的成绩单时，DeepSeek 那一列只写了 V4.1-Flash，没标是不是 1017，表格读者根本分不清对比的是哪一版。

这对你有两个实际影响。

第一，网上 9 月份的速度测评、价格测算，基本不能直接套到今天。第二，你自己线上跑的提示词，在某天早上可能换了一个模型来回答，回归测试要按月做，不能按季度。

Hydrogen 没这个问题，但它有另一种名字上的误导：谷歌管它叫 Gemini 3.8 Flash 的接班人，可它的价格是 3.8 Flash 的两倍。叫“Flash”，卖的已经是中档的价钱。

今天多出来的那几个开关

DeepSeek 这次给 V4.1 Flash 加的工具，在 Messages、Responses、Chat Completions 三种接口里都能开。服务端自己完成工具调用和上下文拼接，文件支持 PDF、Office 和图片，Search、Fetch、OCR、ASR、TTS 也能单独调。官方还在 GitHub 上放了一个前端 Demo，能导入历史对话。

做一个“能搜网、能读 PDF 的客服助手”，以前要拼三四个服务，现在一个 Key 加几个参数。

Hydrogen 的工具化走的是另一条路。它没有在 API 层面给你一个现成的“全家桶”，而是被谷歌放进了自家产品：搜索里一句话拆成多个子话题并行搜，结果页直接出对比表和小工具；Antigravity 里有个 Orchestrator，让 Carbon 或 Argon 当主智能体拆任务，再派给几个 Hydrogen 子智能体去干。差别很直接。DeepSeek 把能力卖给开发者自己组装，谷歌把 Hydrogen 当成自家产品里的“干活的手”。你要是自己搭应用，DeepSeek 这一套今天就能接；要是本来就在谷歌的生态里写代码，Hydrogen 已经替你接好了。

37 分钟和 2.5 倍

1017 慢，是公开翻过车的。

10 月 18 日有国内媒体照着官方演示案例复现：默认 High 档，让它搭一座 3D 故宫，跑了 37 分钟，交出来的只有一座孤零零的宫殿；同样的题，GPT-6.1 Sol 用了 7 分钟。另一轮让它做赛车游戏，42 分钟后游戏能跑，方向盘却是反的，往左打车往右走。

Hydrogen 的卖点恰好是快。谷歌给的数字是默认高推理档下，完成任务的速度是 3.8 Flash 的 2.5 倍。这个数没有第三方完整复测，但方向和社区的体感一致：它确实不让人等。

所以这两个模型最大的差距不在分数上，在你按下回车之后要等多久。批量、离线、半夜跑的活，1017 的慢几乎无所谓；人坐在屏幕前一轮一轮改代码，37 分钟出一个半成品，基本就是不能用。

快慢之间，差的是用法。

五倍还是五十倍，看缓存命中

标价先摆出来。Hydrogen 每百万 token 输入 1.5 美元、输出 7.5 美元。1017 分时段：峰时 0.30 / 1.20，闲时 0.15 / 0.60，缓存命中峰时 0.006、闲时 0.003。只看列表价，峰时 1017 输入便宜 5 倍、输出便宜 6.25 倍；闲时翻一番，10 倍和 12.5 倍。

真正拉开差距的是缓存。拿编程智能体最常见的一次调用来算：带 10 万 token 上下文，输出 2000 token。

Hydrogen 不算缓存，一次是 0.165 美元。1017 峰时不命中缓存，0.032 美元左右；如果那 10 万 token 全部命中缓存，一次只要 0.003 美元。

前后差了五十多倍。

这里有个我查不到的数：Hydrogen 的缓存读取单价，谷歌目前没有公开写出来。如果它也有一折左右的缓存价，这个差距会缩回到十几倍。在它公布之前，按不打折算更稳妥。

另一个定价上的变数在谷歌自己家。Argon 现在是 2 / 10 美元的优惠价，12 月 1 日起翻到 4 / 20。Hydrogen 在 Artificial Analysis 综合指数上默认档拿了 51 分，比 Argon 的 50 分还高 1 分。12 月以后，很多原本跑在 Argon 上的日常任务会被推到 Hydrogen 上，它的价格在谷歌家族里会显得很划算，但放到和 DeepSeek 的比较里，账还是那笔账。

Hydrogen 的问题不在快

谷歌宣传 Terminal-Bench 4.1 从 18.2% 提到 57%，第三方在 4.0 上测出来大约 54%。分数本身不差。

让我犹豫的是幻觉。有评测发现它编造内容的比例大约是 Argon 的两倍。快模型说错话本来就常见，但 Hydrogen 现在被放在谷歌搜索的最前面，回答直接带表格、带结论，用户点出去核对的理由少了一层。速度快，编得也快。

还有一个国内开发者绕不开的门槛：Gemini API 在大陆不能直连，要走代理或者海外云。这不是模型的错，但它实打实地算进了接入成本。

1017 的问题也不在便宜

网上常见的说法是“1017 就是便宜，能力一般”。这个说法我不太同意，它把 1017 的短板放错了地方。

能力上，它在 DeepSWE v1.1 拿了 77.0 分，压过 Claude Opus 5 的 74.0；OpenRouter 上它连续占着周调用量第一。真在跑活的开发者用脚投了票。

它真正的短板是稳定性和终端能力。Terminal-Bench 4.0 上 DeepSeek 自报只有 42.3%，比 Hydrogen 的第三方分低了十个点左右，而且这还是自报。AA-Omniscience 上答对率 43%，也就是一半多的知识题答不对。加上前面说的接口名换版问题，它适合的是“错了能重跑、慢了能等”的活。

还有一层风险是平台活动。腾讯 WorkBuddy 上 1017 的五折积分活动 11 月 5 日结束时没提前公告，用户按原价被多扣了三天，事后才返还一半。用第三方平台调 1017 的，到期日最好自己记。