【2026年11月版】Google Antigravity 模型選擇完全指南：Carbon、Argon、Hydrogen 與 Orchestrator 實戰路由

📅 發布日: 2026/11/13, 更新日: 2026/11/13 ⏱️ 預計閱讀時間約14分鐘 (5,768字)

深度解析 Google Antigravity 中的 Gemini 4 Carbon、Argon、Hydrogen、Orchestrator、Gemini 3.8 Flash、Claude Opus/Sonnet 5.5 與 GPT-OSS 120B。結合官方基準測試與任務容錯成本，提供可落地的模型路由策略。

本月結論：在 Antigravity 中不要死守單一「最強模型」
Antigravity 模型更新脈絡
本文的比較方法
依角色解讀模型列表
基準測試能讀出什麼、不能讀出什麼
分場景實戰路由策略
猶豫時的選型決策流程圖
團隊落地時應記錄的度量指標
總結
參考資料與出處

本月結論：在 Antigravity 中不要死守單一「最強模型」

當 Antigravity 的模型選單中同時出現 Carbon、Argon、Hydrogen、Orchestrator 以及 Claude 和 GPT-OSS 時，最常見的疑問就是「到底哪一個最強？」。在實際專案儲存庫中反覆進行開發與驗證後，我的結論是： 依照任務難度、迭代次數與失敗成本動態切換模型 。

任務類型	首選模型	升級/切換條件	判斷依據
小幅修改、摘要、樣板程式碼	Gemini 3.8 Flash	規格理解偏差或需跨多檔案協同	優先考慮速度與高頻迭代
日常功能開發、程式碼審查、調研	Gemini 4 Argon Medium	需要架構決策或長時間自主執行	日常開發主力標準
複雜故障排查、架構設計、高風險變更	Gemini 4 Carbon Medium 或 Claude Opus 5.5	需要獨立交叉驗證	優先考慮品質與嚴謹度
中等規模功能的快速迭代	Claude Sonnet 5.5	需要深度推理或最終拍板	兼顧速度與程式碼品質
拆分多子任務平行推進	Orchestrator（Argon / Carbon）	單次簡單任務或配額受限	專為可拆解多步任務設計
評估開放權重模型特性	GPT-OSS 120B	需要託管旗艦級最高品質	結合使用條款與實測結果選擇

Note

Carbon、Argon、Hydrogen 與 Orchestrator 是 Antigravity 端提供的選項名稱。由於跨廠商的同條件基準測試以及各名稱與底層模型的完整對應表尚未完全公開，本文不將它們強行排入單一總榜。相比猜測未公開的分數，結合已公開評測與自有儲存庫的驗收測試來做選擇更加穩妥。

Antigravity 模型更新脈絡

模型選項之所以在近期集中擴容，是因為 Antigravity 正從「單一編碼助手」演進為「多模型協同的代理開發平台」。

時間	官方發布與更新	對模型選型的意義
2025年11月20日	Google 發布 Antigravity 公開預覽版，除 Gemini 3 Pro 外同時提供 Claude Sonnet 4.5 與 GPT-OSS。	從最初就採用「依場景選模型」而非綁定單一廠商的設計。
2026年10月	發布 Gemini 4 Argon，強化複雜任務與編碼推理，並在 Antigravity 中提供。	升級了日常開發與程式碼審查的標準主力模型。
2026年10月28日	發布 Gemini 4 Carbon，主打長週期代理任務、軟體工程與網路安全。	新增面向高難度架構決策、深度除錯與關鍵變更的旗艦選項。
2026年11月12日	發布 Gemini 4 Hydrogen 與 Antigravity Orchestrator，支援在同一工作階段內動態切換 Carbon 與 Hydrogen。	讓「快速執行者 + 深度規劃者」的多模型協同成為可用選項。

Tip

因此，目前的列表並非簡單的線性性能排名。 把 Argon / Carbon / Hydrogen 視為不同角色的模型，把 Orchestrator 視為依任務進展動態組合多模型的執行方式 ，選型就會清晰許多。官方數據顯示，Orchestrator 在 Terminal-Bench 4.1 上保持接近單用 Carbon 的任務成功率，同時平均節省 24% 配額、縮短 19% 完成時間。不過評測環境未必與你的儲存庫與方案完全一致，建議結合下文的任務實測進行驗證。

本文的比較方法

如果把不同廠商自報的分數直接排成一列，由於提示詞、工具權限、重試次數與評測時間不同，極易產生誤導。本文按以下三步判斷：

查閱官方公開且評測條件可追溯的基準測試
將 Antigravity 介面上的選項定位與真實任務驗收結果區分開
在自己的儲存庫中實測首次測試通過率、返工輪數與總耗時

特別是在編碼代理場景下，不能只看 SWE-bench 單一指標，還要看是否破壞既有測試、是否嚴守修改邊界，以及程式碼審查時的返工次數。

依角色解讀模型列表

Important

下表中的「適用工作」與「應避免場景」是本文整理的工程實務建議，並非官方綜合跑分排名。各廠商的官方跑分將在下一節附帶出處單獨說明。

選項	角色定位	適用工作	應避免場景
Gemini 4 Hydrogen Medium	輕量高速候選	格式轉換、簡短問答、前期摸底、補充簡單單測	跨模組架構重構、模糊的疑難故障排查
Gemini 4 Argon Medium	標準通用主力	日常功能實作、程式碼審查、梳理需求規格	單獨託管失敗代價極高的正式環境決策
Gemini 4 Carbon Medium	高難度深度推理	跨多檔案修改、深度除錯、架構設計評審	海量重複的單行小修改
Orchestrator（Argon）	多任務拆分推進	將獨立的調研、實作、驗證平行化	微小改動或模組職責邊界模糊的任務
Orchestrator（Carbon）	高難任務拆分推進	拆解複雜任務、交叉評審、長鏈路工作流	需要極致壓縮等待時間與配額消耗的場景
Gemini 3.8 Flash Medium Fast	低延遲高頻迭代	初稿生成、分類、短函式編寫、快速回饋循環	複雜重構的最終拍板
Claude Sonnet 5.5 Medium	高速高品質候選	程式碼實作、技術文件、審查、迭代修復	需要極限深度思考的一次性重大決策
Claude Opus 5.5 Medium	深度推理與稽核	根因分析、複雜系統設計、最終安全/程式碼審查	簡單重複勞動的批次處理
GPT-OSS 120B（Medium）	開放權重模型選項	比較評估模型特性、推理設定與結構化輸出格式	期望開箱即用直接等同於閉源最頂配旗艦

基準測試能讀出什麼、不能讀出什麼

Note

本節的數值與性能表述均基於各廠商官方發布，與上表的工程路由建議相互獨立，不應跨評測環境直接相加排名。

官方分數：Gemini 4 Carbon / Argon 公開比較

Google DeepMind 的 Gemini 4 Carbon 模型卡 （2026年10月）公布了包含 Gemini 4 Carbon、Gemini 4 Argon 與 Claude Opus 5.5 的同條件評測表，核心數據如下：

評測領域	基準測試	Gemini 4 Carbon	Gemini 4 Argon	Claude Opus 5.5	最高分模型
通用能力	AA Index v5.0	59	50	58	Carbon
代理型編碼	SWE-sweep	9.6%	4.3%	3.6%	Carbon
代理型編碼	FrontierSWE 2	61.2%	55.0%	62.3%	Opus 5.5
終端機操作	Terminal-Bench 4.0 (AA)	65.2%	57.1%	59.6%	Carbon
電腦操作	Agents’ Last Exam v1.1	77.4%	69.0%	71.6%	Carbon
電腦操作	OSWorld-2.1（Offline subset）	81.5%	74.7%	87.2%	Opus 5.5
知識工作	AutomationBench（Zapier）	53.9%	51.3%	42.5%	Carbon
網路安全	CWE-bench	71.0%	68.0%	67.0%	Carbon

Note

上述分數為 Google 公布評測條件下的結果。僅憑公開資料尚無法斷言模型卡中的 Gemini 4 Carbon 與 Antigravity 介面中的 Gemini 4 Carbon Medium 在系統設定上完全一致，因此請將其作為 模型卡能力參考 。

分數解讀補充

Carbon ：在 SWE-sweep、Terminal-Bench 4.0、AutomationBench 與 CWE-bench 中拿下最高分，適合穩妥推進複雜編碼、終端機操作、自動化與安全稽核。
Argon ：峰值雖低於 Carbon，但在 FrontierSWE 2（55.0%）與 AutomationBench（51.3%）上表現紮實，足以勝任日常研發任務。
Claude Opus 5.5 ：在 FrontierSWE 2（62.3%）和 OSWorld-2.1（87.2%）中位列第一，在棘手的編碼挑戰與涉及介面操作的驗證中是極具競爭力的首選或二審模型。

Hydrogen / Orchestrator 官方公開分數

Hydrogen 與 Orchestrator 的數據來自 Antigravity 官方部落格公告 ：

選項	指標	公開結果	比較基準與條件
Gemini 4 Hydrogen	Artificial Analysis Intelligence Index	51（最高設定下為 54）	對比 Argon 的 50
Gemini 4 Hydrogen	Terminal-Bench 4.1	57%	對比 Gemini 3.8 Flash 的 18.2%
Orchestrator	Terminal-Bench 4.1	任務成功率接近單用 Carbon	未公布絕對百分比
Orchestrator	配額消耗	平均減少 24%	對比單用 Carbon
Orchestrator	完成時間	平均提速 19%	對比單用 Carbon

Note

Orchestrator 的 24% 與 19% 反映的是在 Carbon 與 Hydrogen 之間動態切換帶來的資源與時間節省，不代表單一模型品質提升 24%。

Anthropic 官方發布指出，Claude Opus 5.5 在終端機任務評測中比上一代減少約 40% 的呼叫次數並節省一半 Token；Claude Sonnet 5.5 則比 Sonnet 5 快 30% 以上且成本最高降低 30%，這有力支持了「日常用 Sonnet、攻堅用 Opus」的分工策略。

分場景實戰路由策略

1. 需要極速往返互動時：Flash 或 Hydrogen

修改 UI 文案、正規表示式、單一函式或初步歸類日誌時，回應延遲決定了總體耗時。先用 Gemini 3.8 Flash 或 Hydrogen，一旦出現以下任一情況立即升級到 Argon：

同一個問題重複指正 2 次以上
修改範圍擴散到 3 個以上檔案
必須先通讀專案既有規範與測試夾具

2. 日常功能研發：Argon 或 Sonnet

這是單次工作階段走完「需求 -> 實作 -> 測試 -> 審查」的標準檔位。建議在同等難度的工單上比較 Argon 與 Sonnet 5.5，以「直到 CI 變綠的總對話輪數」和「程式碼 Diff 的清晰度」來決定團隊主力。

3. 失敗代價極高時：Carbon 或 Opus

涉及權限驗證、金流計費、資料遷移、正式環境故障或大規模重構時，直接從 Carbon 或 Opus 起步，並嚴格執行三步分工：

讓 Carbon / Opus 輸出根因假設與分步修改計畫
讓另一個模型從反例、邊界條件與安全視角進行交叉審查
將單元測試、靜態分析與 Diff 檢查作為硬性門禁

4. 拆分長週期任務時：Orchestrator

Orchestrator 會在 單一執行軌跡（single trajectory）內 雙向切換 Carbon 與 Hydrogen，這與人工在多個聊天視窗間複製貼上、每次重新讀取儲存庫完全不同。

Warning

官方並未公開模型切換時內部對話歷史、工具輸出和檔案讀取快取的重用粒度。因此對於強耦合任務、需要反覆查閱超大日誌的任務或頻繁調整方向的任務，保持單一模型工作階段可能反而更快更穩。

角色	輸入	完成條件
調研擔當	需求與既有程式碼	列出影響範圍與程式碼依據
實作擔當	已批准的計畫	提交最小 Diff 與單元測試
驗證擔當	Diff 與測試結果	報告失敗案例與回歸風險
整合擔當	各階段產出物	整理採納理由與最終修補程式

5. 比較開放權重模型表現時：GPT-OSS 120B

將 Antigravity 列表中的 GPT-OSS 120B 作為 平台內託管選項 來評估（無需自己維護 GPU 推理叢集），重點在相同驗收測試下比較其指令遵循、結構化輸出、工具呼叫穩定性以及所需的修正輪數。

猶豫時的選型決策流程圖

flowchart TD A["定義任務"] --> B{"改動小且模式固定？"} B -- 是 --> C["Flash 或 Hydrogen"] B -- 否 --> D{"失敗代價高？"} D -- 是 --> E["Carbon 或 Opus"] D -- 否 --> F{"能拆分為獨立子任務？"} F -- 是 --> G["Orchestrator Argon / Carbon"] F -- 否 --> H["Argon 或 Sonnet"] C --> I{"測試或審查卡住？"} H --> I I -- 是 --> E I -- 否 --> J["完成"] E --> K["用另一模型做反證審查"] G --> K K --> J

團隊落地時應記錄的度量指標

為了避免憑感覺選模型，建議在至少 4 週內對同類工單記錄以下指標：

指標	度量方法	理想狀態
首次測試通過率	首版修補程式直接通過 CI 的比例	可按模型橫向比較
修正輪數	人類追加提示詞的次數	越少越好
Diff 密度	是否包含與目標無關的冗餘修改	改動小且易於解釋
總耗時	從下達指令到驗證通過的完整時間	包含等待時間
升級率	從輕量模型升級到高階模型的比例	按任務難度分層掌握

總結

Antigravity 的模型選型不在於盲目追新或只看單一榜單。將高速輕量檔（Flash / Hydrogen）、日常研發主力檔（Argon / Sonnet）、關鍵變更深度推理檔（Carbon / Opus）、平行拆解模式（Orchestrator）以及開放權重參照檔（GPT-OSS 120B）依角色分工，並持續累積儲存庫實測數據，是目前最具可重現性的選型方案。