指南OneMux

Gemini 4 Hydrogen vs. Carbon:現有資料對結構化擷取有哪些依據?

比較 Gemini 4 Hydrogen 與 Carbon 已記載的程式編寫、工具使用及結構化輸出證據,並設計經 Schema 驗證的資料擷取工作流程。

AI

摘要 · TL;DR

Google 將 Hydrogen 描述為適用於程式編寫和代理式工作流程的執行模型,將 Carbon 描述為適合更深層推理的模型。其公告並未確立兩者在受 Schema 約束的擷取任務中誰較優,因此應驗證輸出,並使用自己的文件對模型進行基準測試。

重點

  • 所提供的 Google 公告描述了 Hydrogen 的程式編寫與工具使用行為,但未提供它與 Carbon 在這些能力上的對等直接比較數據。
  • 一間合作夥伴回報 Hydrogen 在其評估套件中的格式符合率為 100%;這不能證明它支援 JSON Schema,也不是與 Carbon 的比較。
  • 應在模型外部驗證擷取出的 JSON,並另外確認各項值是否有來源文件依據。
  • 可將 Hydrogen 列為擷取任務的候選模型;遇到需要困難判讀的情況時,再獨立評估適合更深層推理的 Carbon。
文章目錄 (13)

決策重點:測試 Hydrogen,但要驗證每次擷取結果

當工作流程需要快速執行和機器可讀的結果時,Gemini 4 Hydrogen 是結構化擷取的合理候選模型。但不要根據所提供的公告,認定它在擷取準確度或 JSON Schema 符合度上優於 Gemini 4 Carbon:Google 並未提供這項比較。Carbon 則被描述為適合深度、長時程推理的前沿模型。詳見 Google 的 Gemini 4 Hydrogen 公告。

在正式環境中,應將模型回應視為不可信輸入:解析回應、依 Schema 驗證,並確認其中的值是否有文件依據。本文由 OneMux 發布;OneMux 透過相容於 OpenAI 的 API 提供主流模型存取服務。無論使用哪家供應商或哪個端點,下文的驗證方法都適用。

Hydrogen vs. Carbon:已記載的能力與資訊缺口

下表區分了 Google 的產品描述與實測的直接比較結果。所提供的來源是供應商公告,因此不應將其中的主張和合作夥伴結果誤認為針對自身工作負載的獨立評估。

領域Gemini 4 HydrogenGemini 4 Carbon來源未能確立的事項
程式編寫Google 描述了儲存庫除錯、針對性修改,以及平行的檔案讀取與搜尋呼叫。Google 回報其 Terminal-Bench 4.1 分數為 57%,相較之下 Gemini 3.8 Flash 為 18.2%。Google 將 Carbon 定位為適合架構判斷及處理難以察覺的錯誤。Hydrogen 與 Carbon 在儲存庫程式編寫或除錯方面的直接比較分數。
工具呼叫Google 表示,Hydrogen 能在工具呼叫失敗或搜尋無結果時調整做法,並能批次處理檔案讀取與搜尋。Google 描述 Carbon 可作為協調平行代理的模型。兩個模型在工具呼叫準確度、故障復原或平行呼叫效能上的可比較數據。
結構化輸出Google 描述了結構化交付成果。一間合作夥伴回報,Hydrogen 在其推理與創意評估套件中的格式符合率為 100%。未提供對等的結構化輸出結果。任一模型是否支援特定的 JSON Schema API 選項,以及兩者的 Schema 符合度和擷取準確度比較。
組合工作流程Google 的 Antigravity Orchestrator 會在 Carbon、Hydrogen 等模型之間切換。Google 回報,在 Terminal-Bench 4.0 上,其任務成功率接近 Carbon、配額消耗減少 24%,完成速度提升 19%。Carbon 是上述 Orchestrator 結果的比較基準。Hydrogen 與 Carbon 單獨運作時的直接比較,或相同效益適用於擷取任務的證據。

來源:Google 公告。合作夥伴的格式符合率結果可作為該評估的有用證據,但公告並未確立這項評估測量了任意 JSON Schema 的符合情況或擷取正確性。

程式編寫與工具使用證據對擷取任務的意義

如果擷取流程需要取得文件或查詢參考資料,Hydrogen 所描述的呼叫失敗復原能力便具有參考價值。其儲存庫程式編寫結果,也可能與建置該流程有關。但這兩項主張都不能證明模型能為每份文件選擇正確工具、擷取正確值,或回傳符合 Schema 的 JSON。應分別測量這些特性。

Carbon 被定位為適合更深層推理,因此可作為難以判讀文件的候選模型,但來源並未量化它處理這類文件時是否表現更好。當欄位錯誤的代價很高時,安排人工審核也是另一個選項。

建立經 Schema 驗證的擷取工作流程

以下是從文字中擷取發票號碼和總額的示意性、未經測試範例,不依賴特定模型的原生結構化輸出功能。

1. 提示模型前先定義資料契約

前置條件包括可存取模型端點、應用程式獲准處理的來源文字、Python,以及 jsonschema 套件。整合前,請確認端點文件所載的模型名稱、請求參數與回應格式。尤其只有在端點文件明確說明支援時,才使用原生 JSON Schema 回應選項;所提供的公告並未確立這項支援。

要求模型只回傳含有 invoice_number、total_amount 和 currency 的 JSON 物件。指示模型對未明確出現的值使用 null,而非自行猜測。例如,內容為 Invoice INV-104; total USD 125.50 的文件可能產生:

{"invoice_number":"INV-104","total_amount":125.50,"currency":"USD"}

使用可明確表示缺失值、同時拒絕非預期欄位與型別的 Schema:

import json
from jsonschema import Draft202012Validator

schema = {
    "type": "object",
    "properties": {
        "invoice_number": {"type": ["string", "null"]},
        "total_amount": {"type": ["number", "null"], "minimum": 0},
        "currency": {
            "anyOf": [
                {"type": "string", "pattern": "^[A-Z]{3}$"},
                {"type": "null"}
            ]
        }
    },
    "required": ["invoice_number", "total_amount", "currency"],
    "additionalProperties": False
}

# Replace with the text returned by the model endpoint.
response_text = '{"invoice_number":"INV-104","total_amount":125.50,"currency":"USD"}'

try:
    result = json.loads(response_text)
except json.JSONDecodeError as exc:
    raise ValueError("Response is not valid JSON") from exc

errors = list(Draft202012Validator(schema).iter_errors(result))
if errors:
    raise ValueError("Schema validation failed: " + "; ".join(e.message for e in errors))

print(result)

此 Schema 會檢查結構、型別、金額是否為非負數,以及幣別格式是否為三個大寫字母。它不會驗證幣別是否為公認代碼、金額是否為發票總額而非小計,也不會驗證任何值是否出現在來源中。處理財務資料時,使用這些資料的應用程式還應採用適當的十進位數值表示法和會計規則。

2. 處理失敗情況,不要默默接受錯誤結果

  • **無效的 JSON:**記錄失敗情況,並可選擇以受限的指示重試,要求只回傳指定物件。不要任意移除文字後,就假設剩餘內容可信。
  • **Schema 驗證失敗:**回傳驗證錯誤以供修正,或將項目送交審核。設定重試上限,避免格式不正確的文件導致無限迴圈。
  • **格式有效但缺乏依據的值:**將擷取欄位與來源比對,或要求提供引述段落等證據。總額不明確或數值互相矛盾時,交由人員處理。
  • **缺失值:**讓 null 與零或空字串保持區別。由下游流程決定是否接受不完整紀錄。
  • **不可信文件中的指示:**將文件內的指示視為待擷取的內容,而非變更任務的指令。限制工具權限,並獨立審核敏感操作。

如何使用自己的文件比較模型

建立一組具代表性的文件,並附上經審核的參考值,涵蓋欄位缺失、多個總額、特殊格式及資訊衝突等情況。使用有文件說明的設定,對每個模型套用相同的擷取指示和驗證規則。記錄 Schema 驗證通過率、欄位層級準確度、缺乏依據的值所占比例、延遲及成本;應檢視錯誤,而非只依賴平均值。另保留一組獨立的保留測試集,供最終比較使用。

OneMux 同時列出 Gemini 4 Hydrogen 和 Gemini 4 Carbon。如果使用 OneMux 進行評估,請先查看文件所載的端點和參數支援情況:僅有相容 OpenAI 的存取方式,並不代表支援每一項供應商專屬功能。未經確認前,不要假設各路由都具備原生 Schema 強制執行、相同工具行為或完全一致的設定。

常見問題

Hydrogen 保證輸出符合 JSON Schema 嗎?

所提供的 Google 公告並未確立這項保證,也未指定強制執行 Schema 的 API。即使端點文件提供結構化輸出模式,仍應在應用程式中驗證回應。

Carbon 的擷取準確度比較高嗎?

所提供的來源無法回答這個問題。Google 將 Carbon 定位為適合更深層推理,但未提供 Hydrogen 與 Carbon 的擷取準確度比較。如果模型選擇攸關結果,請使用具代表性且已標註的文件測試兩者。

JSON 格式有效,就代表擷取資料正確嗎?

不是。有效的 JSON 仍可能包含錯誤值,而符合 Schema 的 JSON 也可能把小計放入總額欄位。應另外檢查語意正確性,以及數值是否有來源依據。

結論

Hydrogen 在程式編寫和代理式執行方面具有已記載的優勢,而 Carbon 則被定位為適合更深層推理。所提供的證據尚不足以判定哪個模型更擅長結構化擷取。先建立明確的 Schema 和獨立驗證機制,再根據使用自身文件測得的錯誤、延遲與成本做出選擇。

來源

常見問題

Gemini 4 Hydrogen 保證輸出符合 JSON Schema 嗎?

所提供的 Google 公告並未確立這項保證,也未指定強制執行 Schema 的 API。即使端點文件提供結構化輸出模式,仍應在應用程式中驗證回應。

Gemini 4 Carbon 的擷取準確度比 Hydrogen 高嗎?

所提供的來源未提供兩者擷取準確度的直接比較。應使用自己文件中經審核的範例評估兩個模型。

符合 Schema 的 JSON 能證明擷取結果正確嗎?

不能。Schema 驗證會檢查指定的結構與限制,但不會確認數值是否有來源依據,或是否代表預期的欄位。

相關文章