
Gemini 4 Hydrogen: Was xhigh für die sechsfache Rechnung bringt
- OrcaNEUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 pro 1 Mio. Tokens · 185 tok/s
- openaiNEUOpenAI: GPT-6.2 Astra2026-11-17$8.00 / $40.00 pro 1 Mio. Tokens · 76 tok/s
- openaiNEUOpenAI: GPT-6.2 Sol2026-11-17$2.00 / $10.00 pro 1 Mio. Tokens · 151 tok/s
- tencentNEUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 pro 1 Mio. Tokens · 234 tok/s
- AlibabaNEUQwen: Qwen4 Max2026-11-16$1.50 / $4.50 pro 1 Mio. Tokens · 125 tok/s
- GoogleNEUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 pro 1 Mio. Tokens · 94 tok/s
- AnthropicNEUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 pro 1 Mio. Tokens · 212 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 pro 1 Mio. Tokens · 99 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 pro 1 Mio. Tokens · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 pro 1 Mio. Tokens · 82 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 pro 1 Mio. Tokens · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 pro 1 Mio. Tokens · 105 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 pro 1 Mio. Tokens · 68 tok/s
- openaiOpenAI: GPT-6.1 Terra2026-10-26$1.00 / $5.00 pro 1 Mio. Tokens · 36 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 39 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenz
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 pro 1 Mio. Tokens · 222 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenz
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 pro 1 Mio. Tokens · 104 tok/s
Zwei Läufe desselben kurzen Prompts durch Gemini 4 Hydrogen, nur eine Einstellungsstufe voneinander entfernt. Bei high verbrauchte das Modell 5.311 Ausgabe-Tokens und stellte 3,99 Cent in Rechnung. Bei xhigh verbrauchte es 31.477 und stellte 23,61 Cent in Rechnung. Derselbe Vergleich findet sich in einem Gemini 4 Neon-Lauf am selben Tag, bei dem die oberste Stufe 39,83 Cent kostete – gegenüber 14,55 bei high. Simon Willison veröffentlichte beide Paare am 20. November 2026, vier Tage nachdem Google Gemini 4 Hydrogen am 12. November ausgeliefert hatte, und die Zahlen sind der erste öffentliche direkte Vergleich ganz oben auf einer Gemini 4-Effort-Leiter, die die meisten noch nicht ausprobiert haben.
Der interessante Teil ist nicht, dass die tiefere Einstellung mehr kostet. Sondern dass sich der Preis pro Token nie geändert hat. Hydrogen berechnet 1,50 $ pro Million Eingabetoken und 7,50 $ pro Million Ausgabetoken auf jeder Stufe, einschließlich xhigh und einschließlich Thinking-Tokens. Multipliziert man die Tokenzahlen mit diesem Satz, erhält man die Rechnungen auf den Cent genau zurück. xhigh ist also keine Premium-Stufe, für die man extra zahlt. Es ist die Entscheidung, das Modell etwa sechs Mal so viel schreiben zu lassen, und die Rechnung folgt automatisch.
Die beiden Gesetzentwürfe – und warum der Leitzins unverändert blieb
Die Rechnung lohnt sich einmal von Hand, denn sie klärt, was man tatsächlich kauft. Hydrogens Ausgaberate beträgt 7,50 $ pro Million Tokens. Bei 5.311 Tokens sind das 3,98 Cent; die gemessene Rechnung betrug 3,99. Bei 31.477 Tokens sind es 23,61 Cent, was genau der gemessenen Rechnung entspricht. Die Eingabeseite ist in dieser Größenordnung Rauschen: Ein Prompt von ein paar Dutzend Tokens kostet bei 1,50 $ pro Million einen Bruchteil eines Hundertstels eines Cents.
• Ausgabe-Tokens — 5.311 bei high gegenüber 31.477 bei xhigh, ein Faktor von 5,9
• Kosten in Cent — 3,99 gegenüber 23,61, derselbe Faktor von 5,9
Ausgaberate — 7,50 $ pro Million Tokens bei beiden Einstellungen, unverändert
• Eingaberate — $1.50 pro Million Token bei beiden Einstellungen, unverändert
• Kontext — ein einheitlicher Tarif bis 1 Mio. Tokens, ohne aufgeführten Langkontext-Zuschlag
Das hat eine praktische Konsequenz für alle, die dieses Modell budgetieren. Preislisten der Anbieter sind nach Token-Tarif gegliedert, und der Tarif ist die einzige Variable, die sich hier nicht ändert. Wer xhigh anhand einer Tabelle pro Token plant, wird die Rechnung bei einer Aufgabe, bei der das Modell beschließt, länger nachzudenken, um etwa das Sechsfache unterschätzen. Die einzige Größe, die die Kosten vorhersagt, sind die Ausgabetokens pro Antwort, und der einzige Weg, diese zu ermitteln, besteht darin, sie mit den eigenen Prompts zu messen. Googles eigene Dokumentation räumt die Richtung ein, ohne eine Größenordnung zu nennen: Sie warnt, dass xhigh „die Latenz und den Tokenverbrauch erhöht“.

Was die zusätzlichen 26.000 Tokens hervorbrachten
Beim Pelikan-auf-dem-Fahrrad-Test lautet die Antwort: eine sichtbar bessere Zeichnung. Willisons Zusammenfassung ist, dass die High-Ausgabe ein flacher Pelikan ohne Korb und ohne Hintergrund war und die xhigh-Ausgabe als türkisfarbenes Fahrrad an einem Strand mit einem blauen Fisch im Korb ankam – konkurrenzfähig mit dem, was Gemini 4 Neon standardmäßig für ungefähr dasselbe Geld produziert. Rund 26.000 zusätzliche Denk-Tokens flossen in Komposition, Szene und Farbe statt in eine korrekte Antwort.
Betrachten Sie das als eine einzelne Beobachtung, nicht als einen Benchmark. Es ist ein Prompt, eine Stichprobe pro Einstellung und eine Aufgabe ohne eine einzige richtige Antwort, was bedeutet, dass ihr keine Genauigkeitsbewertung zugeordnet werden kann. Was es jedoch belegt, ist, dass die oberste Stufe den Charakter einer Ausgabe bei offener generativer Arbeit verändern kann und dass die Veränderung, wenn sie eintritt, nicht subtil ist. Ob derselbe sechsfache Aufwand bei Ihrer Arbeitslast etwas bringt, ist eine separate Frage, und die nächsten beiden Abschnitte befassen sich mit den Fällen, in denen die Antwort gemessen statt nur mit bloßem Auge beurteilt wird.
Die unabhängige Leiter sagt dasselbe.
Artificial Analysis bewertet Hydrogen in jeder seiner vier Einstellungen, und die Form der Kurve entspricht dem Pelikanschnabel. Beim Lesen der Modellseite am 22. November 2026 liegt der Intelligence Index bei 26,9 auf low, 41,2 auf medium, 50,8 auf high und 53,9 auf xhigh. Die Kosten pro Index-Aufgabe betragen 0,29 $, 0,80 $, 1,87 $ und 3,16 $ über dieselben vier Stufen, und die Zeit pro Aufgabe beträgt 1,5, 4,0, 9,0 und 15,8 Minuten.
Machen Sie daraus Grenzkosten – den Preis des nächsten Punkts –, und das Argument gegen das standardmäßige Greifen zur obersten Sprosse wird zu Arithmetik statt zu Geschmack:
• niedrig bis mittel — +14,3 Indexpunkte für +51 Cent, etwa 3,5 Cent pro Punkt
• mittel bis hoch — +9,6 Punkte für +1,08 $, etwa 11,3 Cent pro Punkt
• high bis xhigh — +3,1 Punkte für +1,29 $, etwa 41,1 Cent pro Punkt
• Gesamt, niedrig bis xhigh — +27 Punkte für +2,87 $, durchschnittlich etwa 10,6 Cent pro Punkt
Der letzte Schritt ist der teure – um fast das Vierfache gegenüber dem Schritt davor – und er kostet außerdem 76 Prozent mehr Wanduhrzeit pro Aufgabe. Der erste Schritt von niedrig zu mittel bleibt mit großem Abstand der beste Kauf in der Leiter, was man angesichts dessen, dass hoch die Standardeinstellung ist, im Hinterkopf behalten sollte. Dies sind Messungen von Drittanbietern von Artificial Analysis, keine Herstellerangaben, und die Kosten pro Aufgabe bündeln Eingabe, Ausgabe und Multi-Turn-Agentenverhalten – weshalb sie nicht so skalieren, wie es die Rechnung für einen einzelnen Prompt tut.

Wo xhigh überhaupt nichts bringt
Googles Dokumentation ist in Bezug auf die oberste Stufe unverblümter, als es Launch-Material selten ist. Sie empfiehlt, xhigh „für schwierige, mehrstufige Coding- und agentische Probleme zu reservieren, bei denen high nicht ausreicht“, und warnt davor, dass es bei einfacheren Prompts „zu Overthinking führen oder max_output_tokens ausschöpfen kann“. Der zweite Fehlermodus ist der, der still zuschlägt: Das Token-Limit umfasst sowohl das Denken als auch die sichtbare Ausgabe, sodass ein Prompt, der mit high bequem beantwortet worden wäre, das gesamte Budget fürs Reasoning verbrennen und als unvollständig, abgeschnitten oder leer markiert zurückkommen kann. Das wirkt wie ein Modellfehler. Es ist ein Konfigurationsfehler.

Eine im November 2026 veröffentlichte unabhängige Untersuchung mit 56 Anfragen prüfte die Frage, die Googles Warnung impliziert. Über drei einfache bis mittelschwere Prompts und zwei Durchläufe pro Stufe hinweg ergab sie, dass xhigh insgesamt etwa 3,1-mal so viele Thinking-Tokens verbrauchte wie high und beim Coding-Prompt etwa fünfmal so viele, wobei jede Antwort auf jeder Stufe weiterhin korrekt war. Der zusätzliche Aufwand brachte Tokens und Latenz, nicht Genauigkeit. Die Stichprobe ist klein, und der Autor sagt das auch; die Richtung deckt sich sowohl mit der Warnung des Anbieters als auch mit der Kurve von Artificial Analysis, bei der die letzte Stufe drei Punkte statt fünfzehn hinzufügt.
Die Unterscheidung liegt also bei der Aufgabenklasse, nicht bei der Modellfähigkeit. Extraktion, Klassifizierung, Formatierung und kurze faktenbasierte Antworten haben eine Obergrenze nahe ihrer ersten korrekten Antwort, und dafür das Sechsfache zu zahlen ist reine Verschwendung. Offene Generierung hat keine solche Obergrenze, weil die Ausgabe das Artefakt ist und es immer mehr Details gibt, die hinzugefügt werden können.
Der Crossover, der wirklich zählt
Hier ist die Zahl, die ändern sollte, wie du das Modell verwendest. Hydrogen bei xhigh kostete 23,61 Cent für einen kurzen Zeichen-Prompt. Gemini 4 Neon kostete mit seinem Standard-High 14,55 Cent für denselben Prompt am selben Tag und erzeugte eine Ausgabe, die Willison als mindestens ebenso gut bewertete. Hydrogen auf seine oberste Stufe zu stellen, ist 62 Prozent teurer, als es beim Standard zu belassen und stattdessen eine Modellstufe höher zu gehen. Wenn dein Grund, zu xhigh zu greifen, „die Antwort ist nicht gut genug“ ist, ist ein größeres Modell mit seiner Standardeinstellung oft die günstigere Wahl – und es ist die, die die meisten Teams nicht prüfen.
Diese Reihenfolge übersteht eine Änderung der Arbeitslast nicht – und das ist der Teil, der verloren geht, wenn ein Kurzprompt-Test als allgemeines Ranking zitiert wird. In Artificial Analysis’ langem agentischen Basket kostet Neon mit high 3,74 $ pro Aufgabe gegenüber Hydrogen mit xhigh mit 3,16 $, sodass das günstigere Modell bei einer Stichprobe von vierzig Tokens das teurere bei einer langen Multi-Turn-Aufgabe ist. Keine der beiden Zahlen ist falsch. Ein kurzer Prompt und ein 15-minütiger Agentenlauf beanspruchen unterschiedliche Teile der Leiter, und ein Sprossenwechsel, der bei dem einen Geld spart, kann es bei dem anderen verlieren.
Eine terminliche Feinheit, die einbezogen werden muss: Auf der Preisseite von Google sind für Carbon und Argon Tarife aufgeführt, die sich am 1. Dezember 2026 verdoppeln – von 2 $ für Input und 10 $ für Output auf 4 $ und 20 $. Bei Hydrogen zeigt sich keine solche Änderung. Jeder oben stehende Vergleich, der die älteren Modelle einbezieht, hat daher noch neun Tage, bevor sich die Lücke zugunsten von Hydrogen vergrößert.
Es einzurichten und an einem Nachmittag zu testen
Die Stufe ist ein einziges Feld. In der nativen generateContent-API ist es thinkingConfig.thinkingLevel; in der Interactions-API ist es generation_config.thinking_level; auf einer OpenAI-kompatiblen Route kommt es als reasoning_effort an. Der Wert ist die Zeichenkette in Kleinbuchstaben – low, medium, high oder xhigh – und high ist der Standard für Hydrogen. Bei diesem Modell lässt sich das Denken nicht vollständig abschalten, und der ältere Parameter thinkingBudget ist zugunsten der Stufe veraltet.
Die Kosten zu messen erfordert einen zusätzlichen Lesevorgang. Thinking-Tokens erscheinen in usageMetadata.thoughtsTokenCount auf der nativen API, usage.total_thought_tokens bei Interactions und reasoning_tokens auf der kompatiblen Route – so können Sie trennen, was das Modell gedacht hat, von dem, was es gesagt hat, und beides bepreisen. Ein machbarer Nachmittag: Nehmen Sie zwanzig echte Prompts aus Ihren eigenen Logs, führen Sie jeden mit high und xhigh und einem großzügigen Ausgabelimit aus, damit nichts abgeschnitten wird, und protokollieren Sie Tokens und ob die Antwort bestanden hat. Vergleichen Sie die Gesamtkosten mit der Bestehensquote. Wenn xhigh die Bestehensquote nicht genug steigert, um eine etwa sechsmal höhere Rechnung bei den Prompts zu rechtfertigen, bei denen es greift, haben Sie Ihre Antwort für diese Arbeitslast, und sie wird besser sein als jede veröffentlichte Tabelle.
Zwei Einstellungen nebeneinander zu betreiben ist einfacher, wenn beide hinter einem Schlüssel liegen, und genau das deckt OrcaRouter ab. Wir bieten Gemini 4 Argon und Gemini 4 Carbon zum Listenpreis des Anbieters mit 0 % Aufschlag an, sodass die in diesem Artikel genannten Tarife die Tarife sind, die Sie bei uns für diese beiden zahlen. Gemini 4 Hydrogen ist heute nicht in unserem Katalog, daher ist jeder Hydrogen-Wert hier Googles Listenpreis und nicht unserer — das sollte man klar sagen, denn das Fehlerbild in diesem Beitrag ist genau das, bei dem ein Tarifblatt einen sechsfachen Multiplikator verbirgt. Wenn ein Modell über uns geroutet wird, ist das Effort-Level ein Feld pro Route, sodass eine Canary-Route mit xhigh neben einer Produktionsroute mit high eine Konfigurationsänderung statt eines Codepfads ist.
Was soll man damit am Montag machen?
Die Regel, die alle Zahlen übersteht, ist enger gefasst als „für schwierige Probleme die höchste Einstellung verwenden“. Sie lautet: Steige die Leiter hinab, bis die Qualität bricht, gehe dann eine Stufe wieder hinauf und prüfe, ob ein anderes Modell mit seiner Standardeinstellung günstiger ist als die zusätzliche Stufe, bevor du dich festlegst. Hydrogens eigene Leiter setzt diesen Schritt bei ungefähr vierzig Cent pro Punkt auf dem Index und sechsmal so vielen Tokens bei einer Zeichnung an, während der Schritt von niedrig auf mittel dreieinhalb Cent pro Punkt kostet. Der größte Teil des Werts in diesem Modell liegt in der unteren Hälfte der Leiter, und die Standardeinstellung liegt darüber.
Die offene Frage ist, was die oberste Stufe bei agentischen Aufgaben statt bei einem Pelikan bewirkt – ob sich die 3.1-Index-Punkte, die Artificial Analysis bei xhigh misst, als weniger fehlgeschlagene Tool-Aufrufe oder als mehr Turns niederschlagen, die mit Nachdenken über sie verbracht werden. Niemand hat diese Aufschlüsselung bisher veröffentlicht, und sie ist diejenige, die dir sagen würde, ob du Hydrogen in der Produktion auf high lassen solltest.
