六周连发三款模型，谷歌把预测市场赔率打涨31%

六周，三款模型。谷歌在模型迭代这件事上，把节奏拉到了别人跟不上的档位。

时间线摆出来很直观：Argon 于9月30日发布，Carbon 于11月10日向开发者和 AI Ultra 订阅用户全面开放，Hydrogen 在11月12日登场。谷歌称 Hydrogen 是其最快、最便宜的前沿级模型。三款模型，三种定位，六周之内全部落地。

真正值得看的不是跑分表，是钱往哪边压。在 Polymarket 上，谷歌拿下11月底"最佳 AI 模型"80% 的赔率，2026年底的赔率是72%，本月上涨31%，是该盘口上单月最大的一次信心位移。预测市场没有对某一张跑分表作出反应，它反应的是速度。

价格是另一条战线。Carbon 的 introductory 价格与 Claude Sonnet 5.5 持平，却给出 Opus 级性能；Hydrogen 定价 1.50/7.50 美元，还要更低。作为对照，Anthropic 的 Claude Fable 5.2 是 8/40 美元，OpenAI 的 GPT-6 Astra 是 10/50 美元。谷歌拼的不只是智能水平，是整条单任务成本曲线。

Carbon 的定位是"思考模型"。谷歌自家跑分显示，它在17项评测中的15项领先 Argon、GPT-6 Astra、Claude Opus 5.5 和 Claude Fable 5.1。两个例外：GPT-6 Astra 在 FrontierSWE 2（软件工程）上领先，Claude Opus 5.5 在 OSWorld-2.1（计算机控制）上领先。

安全方向的数字很扎眼。Carbon 在 CWE-bench 拿到 71.0%，ExploitGym 54.8%，SEC-bench Pro 88.2%——全部为自报数据，且测试时未加护栏。这些数字能否被独立复现另说，但谷歌显然在把 Carbon 的身份往"安全优先的智能体工作"上塑造。

成本账会越算越明显。在 Zapier 的 AutomationBench 上，Carbon 得分 53.88%，单任务成本 2.12 美元；Fable 5.2 得分 51.45%，单任务成本 4.64 美元。准确率更高，花费不到一半。

Hydrogen 则是"执行模型"。谷歌把它称作智能体工作流的日常主力，不为最难的问题设计，而是承接智能体一天里成千上万次常规工具调用、代码生成和文件处理。关键数字：

• 默认（high）思考模式下，比 Gemini 3.8 Flash 快 2.5 倍
• Intelligence Index 为 51，略高于 Argon 的 50，xhigh 档升至 54
• Terminal-Bench 4.1 得分 57%，3.8 Flash 为 18.2%
• Vals Tax Agent Bench 52.3%，排名第一
• Vals Legal Research Bench 55.8%，并列第一
• 原生支持 100 万 token 输入，输出最高 100 万 token
• 四档思考级别：low、medium、high（默认）以及新增的 xhigh

安全侧同样给了数字：智能体越界行为最多减少 81%，工具使用评测中错位动作减少 12 倍，内部智能体诚实度评测达 96.7%。针对"智能体失控"的叙事，谷歌选择用硬数据回应。

架构上最有意思的信号不是任何单款模型，而是 Orchestrator。在 Google Antigravity 中，Carbon 可以协调多步任务，同时把常规工作下派给 Hydrogen 作为工作智能体。谷歌称这一模式在接近 Carbon 任务成功率的同时，配额消耗减少约 24%，完成速度快约 19%。合作方报告称，相比单独使用 3.8 Flash，运行速度快 2 到 2.8 倍，token 用量低 12% 到 23%。

这是把多模型工作流当成一等产品来发，不是提示词工程的取巧，也不是开源实验。如果你此前自己搭过贵模型与便宜模型之间的路由层，谷歌现在把它变成了平台功能。

预测市场的分叉更值得琢磨。模型竞赛（Chatbot Arena 榜单）：11月底谷歌 80%、Anthropic 18%、OpenAI 2%；2026年底谷歌 72%、Anthropic 21%、OpenAI 3%。智能体竞赛：11月底 Anthropic 96%，谷歌个位数；2027年1月底 Anthropic 75%、OpenAI 6%、阿里巴巴 5%。

两组数字并排看，市场在说一件跑分表说不出的事：谷歌赢模型竞赛，Anthropic 赢智能体竞赛。这是两场不同的比赛。OpenAI 在两边的存在感都接近于零。

社区的反应则暴露了张力。Hacker News 上，用户 BoorishBears 称 Argon 是"近期发布的最好的写作模型"，但担心 Carbon 延续了"用跑分优化版本替换有潜力模型"的趋势。自己跑本地编码智能体基准的 seizethecheese 则说 Argon"在我们初始排名里就是最差的模型"，Opus 5.5 居首。谷歌的模型在从业者中的分化程度，高于其他任何前沿实验室。

讨论串里还有另一个发现：多名用户认为 Argon 在 low 和 medium 思考模式下产出的质量高于 high 模式。若这一点在 Carbon 和 Hydrogen 上成立，说明谷歌的思考模型存在一个低于最高档的最优区间——这是跑分表上看不出来的成本优化。

也有反向解读：六周发三款前沿模型，听起来是统治力，也可能是混乱。刚接入 Argon 的开发者现在要选：留着它，迁到 Carbon（11月30日后成本翻倍），还是为了速度路由到 Hydrogen。谷歌自己的模型选择器把它们标为"代码与分析""最复杂工作""日常帮助"，那中等复杂度的编码任务该走哪条？决策面一下子翻了三倍。而 Anthropic 只发了一款 Fable 5.2，就拿下了智能体市场 96%。

还有一场没被充分讨论的价格战。Carbon 在 introductory 期间与 Sonnet 5.5 同价，而后者定位低一档；Hydrogen 更便宜。若你的负载是高通量智能体任务，与 Fable 5.2 或 Astra 的成本差是 5 到 7 倍。需要注意：Carbon 的 introductory 价格11月30日到期，之后与 Opus 5.5 持平，为 4/20 美元——仍有竞争力，但不再是显而易见的便宜。

落到行动上：在11月30日前测完 Carbon，把评估锁在价格翻倍之前；试试 Carbon 与 Hydrogen 的 Orchestrator 组合，24% 的 token 节省值得和你自己的路由逻辑比一比；盯智能体市场而不只是模型市场；别把跑分领先等同于开发者采用——用真实负载测，而不是榜单分数。