Generierte Titelkarte mit dem Text „Gemini 4 Neon vs Gemini 4 Hydrogen“, dem Untertitel „Wo die 2x nicht mehr greift“, einer ansteigenden Achse für die Kosten pro abgeschlossener Aufgabe mit abwechselnden Neon- und Hydrogen-Markern sowie der Bildunterschrift „Preislisten sagen 2x; die Kosten pro Aufgabe sagen etwas anderes.“
Engineering & Research

Gemini 4 Neon vs. Gemini 4 Hydrogen: Wo das 2x nicht mehr funktioniert

Autor

jinhao.song

Veröffentlicht am

Neueste Modelle · 20Alle Modelle ansehen →
Benchmarks: Artificial Analysis · täglich aktualisiert
Zurück zu allen Beiträgen

Zwei G​emini-4-Modelle aus derselben Familie, sechs Tage versetzt erschienen, und die Preistabellen lesen sich wie eine Fotokopie mit halbierten Zahlen: G​emini 4 Neon mit 3,00 $ Eingang und 15,00 $ Ausgang, G​emini 4 Hydrogen mit 1,50 $ und 7,50 $, gecachter Input 0,15 $ gegenüber 0,075 $. Jede Zeile ist exakt halb so hoch. Das ist die ordentlichste Preisbeziehung in der G​emini-4-Familie und das am wenigsten Aussagekräftige an dem Paar, denn sobald man alle acht ihrer Thinking-Level danach sortiert, was sie pro abgeschlossener Aufgabe tatsächlich kosten, hört das saubere 2x auf, irgendetwas vorherzusagen.

Beide sind aktuell und beide stammen von G​oogle. G​emini 4 Hydrogen ging am 12. November 2026 live als das Modell, das die Flash-Benennung ersetzte; G​emini 4 Neon folgte am 18. November 2026 und wurde von G​oogle zwischen Hydrogen für die alltägliche Ausführung und G​emini 4 Carbon für tiefe, langfristig angelegte Arbeit positioniert. Beide haben ein Kontextfenster von 1 Mio. Tokens, beide akzeptieren Text, Bild, Audio und Video, beide haben vier Denkstufen, und beide sind standardmäßig auf hoch eingestellt.

Zwei Karten, acht Preise, eine Sortierung

Artificial Analysis bewertet jede Stufe beider Modelle anhand desselben neunteiligen Bewertungssatzes und veröffentlicht für jedes Modell gemessene Kosten pro abgeschlossener Aufgabe. Diese acht Punkte nach Kosten statt nach Modellnamen zu sortieren, ist das ganze Argument, hier sind sie also in der Reihenfolge:

• Hydrogen bei niedrig — Index 26,9, 0,29 $ pro Aufgabe.

• Neon auf niedrig — 44.1, $0.75.

• Wasserstoff bei mittlerer Stufe — 41,2, 0,80 $.

• Wasserstoff bei hoch (Standard) — 50,8, 1,87 $.

• Neon bei mittel — 54,9, 1,90 $.

• Hydrogen bei xhigh — 53,9, 3,16 $.

• Neon bei Hoch (Standard) — 59,6, 3,74 $.

• Neon bei xhigh — 61,4, 6,44 $.

Liest man die Liste der Reihe nach, wird das Muster klar. Hydrogen besitzt genau ein Segment davon: das unterste, wo man für $0.29 einen 26.9 bekommt, an den preislich nichts anderes in beiden Familien heranreicht. Oberhalb dieser Linie hört die Sortierung auf, zwischen den beiden Modellen zu alternieren, und beginnt, eines zu bevorzugen — und welches sie bevorzugt, ist nicht das, was die Tarifkarte vermuten ließe.

Artificial Analysis model page for Gemini 4 Hydrogen at Xhigh effort, showing an Intelligence Index of 54, $1.50 input and $7.50 output per million tokens, $3.16 per Intelligence Index task, 304 million output tokens on the index against a 65.4-million median, 164 tokens per second, 61.37 seconds to first answer token, a default effort of high and a 1M-token context window.

Wo die Grenze tatsächlich abknickt

Der mit Abstand nützlichste Vergleich auf dieser Liste sind die Stufen fünf und sechs. Neon auf medium kostet $1.90 pro Aufgabe und erzielt 54,9. Hydrogen auf xhigh — seiner obersten Stufe, dem Maximum, das es leisten kann — kostet $3.16 und erzielt 53,9. Damit ist Neons zweitgünstigste nützliche Einstellung sowohl einen Punkt intelligenter als auch 40 Prozent günstiger als Hydrogens Obergrenze.

Dieselbe Umkehrung zeigt sich eine Zeile früher. Hydrogens Standardeinstellung „hoch“ kostet 1,87 $ und erzielt 50,8. Neons mittlere Einstellung kostet drei Cent mehr und erzielt 54,9 — vier Indexpunkte für einen Rundungsfehler auf der Rechnung. Und unten erzielt Neons niedrige Einstellung bei 0,75 $ 44,1 gegenüber Hydrogens mittlerer Einstellung bei 0,80 $ mit 41,2, was derselbe Trade-off in die andere Richtung ist: eine etwas günstigere, etwas bessere Stufe, die beim anderen Modell eine Stufe niedriger liegt.

Das Muster ist, dass Hydrogens Leiter gestaucht ist. Ihre vier Sprossen spannen 27 Indexpunkte, an den Extremen aber nur elf Dollar Aufgabenkosten, und die letzten beiden Sprossen bringen nichts Erstrebenswertes – von high zu xhigh kostet es 69 Prozent mehr pro Aufgabe für drei Punkte. Neons Leiter ist gestreckt: 17,3 Indexpunkte über eine Kostenbandbreite, die fast achtzehnmal breiter ist, und ihre Obergrenze liegt neun Punkte über der von Hydrogen, weil Hydrogen keine Sprosse hat, die sie erreicht.

Die Standardfalle und G​oogles eigene Antwort

Beide Modelle werden mit hoher Denkstufe ausgeliefert, und die beiden Standardeinstellungen liegen auf entgegengesetzten Seiten dieser Umkehrung. Ruft man beide ganz ohne Thinking-Parameter auf, erhält man 59,6 für 3,74 $ gegenüber 50,8 für 1,87 $ – eine Lücke von 8,8 Punkten bei genau dem 2-Fachen, das die Preisliste verspricht. Das ist der Vergleich, den G​oogles eigene Ankündigung impliziert, und er ist fair, soweit er reicht.

Es ist nicht das, was G​oogle zu tun empfiehlt. Der Antigravity-Beitrag vom 18. November beschreibt einen Orchestrator-Modus, der die beiden in einer einzigen Sitzung kombiniert: Neon plant, entwirft die Architektur und übernimmt die schwierigen Denkaufgaben, Hydrogen führt die Routinearbeit aus – Codeänderungen, Paketaktualisierungen, Testläufe – und gibt die Kontrolle an Neon zurück, wenn es auf etwas stößt, das es nicht lösen kann. G​oogles Aussage dazu ist, dass dies Ihr Kontingent pro Lauf weiter streckt, was eine Anbieter-Formulierung einer echten Beobachtung ist: Keine einzelne Stufe eines der beiden Modelle ist für jeden Schritt einer mehrstufigen Aufgabe die effiziente Wahl.

Diese Empfehlung ist das Ehrlichste in beiden Launch-Posts, denn sie räumt den Punkt ein, den die Zahlen deutlich machen. Wenn Neons medium Hydrogens xhigh schlichtweg schlägt, dann ist das Argument für Hydrogen nicht „günstiger für dieselbe Arbeit“, sondern „günstig genug, um auf den Schritten zu laufen, die kein Urteilsvermögen brauchen“, und Orchestrator ist der Mechanismus, mit dem entschieden wird, welche Schritte das sind. Wie gut die Übergabe tatsächlich funktioniert, ist eine Behauptung, die niemand außerhalb Googles gemessen hat; der Beitrag beschreibt die Schleife und veröffentlicht ihre Kosten nicht.

Die drei echten Erfolge von Hydrogen

Nichts des oben Genannten macht Hydrogen überflüssig, und drei seiner Vorteile sind messbar statt rein positionell:

• Latenz. Bei übereinstimmenden Stufen ist Hydrogens Zeit bis zum ersten Antwort-Token ungefähr halb so lang wie die von Neon – 21,7 Sekunden gegenüber 40,6 auf hoher Stufe, 12,4 gegenüber 20,1 auf mittlerer Stufe, 6,1 gegenüber 13,9 auf niedriger Stufe. Für eine Agentenschleife, die Dutzende von Turns ausgibt, summiert sich dieser Unterschied zu Minuten an Wall-Clock-Zeit pro Aufgabe, die kein Indexwert erfasst.

• Durchsatz. Hydrogen dekodiert bei hoher Einstellung etwa 160 Token pro Sekunde, Neon kommt auf 101. In Kombination mit dem Latenzvorteil ist es in beiderlei Hinsicht das schnellere Modell, was dazu passt, wie Google die beiden beschreibt: Neon für Tiefe, Hydrogen für schnelle alltägliche Ausführung.

• Erdichtung. Bei der Halluzinationsrate von AA-Omniscience liegt Hydrogen in seiner Standardeinstellung bei 8,7 Prozent und bei xhigh bei 8,5 Prozent; Neon liegt bei 13,9 und 14,4. Hydrogen ist von den beiden um den Faktor etwa 1,6 konservativer und das eine Gegenbeispiel zu der Annahme, dass das günstigere, kleinere Modell eher etwas erfindet. Neon erzielt auf dem zugrunde liegenden Allwissenheitsindex weiterhin einen höheren Wert – 53,8 gegenüber 43,7 bei gleichen Standardeinstellungen –, weiß also mehr und behauptet mehr; Hydrogen weiß weniger und sagt weniger.

Dieses letzte Paar sollte man sich merken. Allwissenheit und Halluzination sind nicht zwei Ansichten derselben Größe, und ein Modell kann sich bei dem einen verbessern, während es sich beim anderen verschlechtert. Hier ist die Richtung gespalten, und genau das ist der Fall, in dem eine einzelne „Genauigkeits“-Zahl in die Irre führt.

Generated four-panel graphic titled Hydrogen's three wins, one loss, with panels for time to first token at high (Hydrogen 21.75 s, Neon 40.6 s), output speed at high (160 tok/s against 101 tok/s), hallucination rate (8.7 percent against 13.9 percent, lower is better) and omniscience index (43.7 against 53.8, Neon leads here). The footer reads All figures per Artificial Analysis v5.0.1 at the default high setting.

Eine Sprosse wählen, kein Modell

Die Entscheidungsregel, die alle acht Punkte übersteht:

• Wenn die Arbeit wirklich trivial ist – Klassifizierung, Extraktion, eine Routing-Entscheidung, eine kurze Umformulierung –, dann ist Hydrogen auf niedriger oder mittlerer Stufe das Günstigste in der Familie, und die 2-fache Einsparung ist real.

• Wenn die Arbeit Planung oder Codeänderungen auf Repository-Ebene erfordert, reicht Hydrogens Leiter nicht aus. Ihre beste Sprosse ist 53,9; Neons Standard ist 59,6 und sein Medium ist 54,9 bei 40 Prozent weniger Kosten als Hydrogens Obergrenze. Nehmen Sie Neon und beginnen Sie bei Medium.

• Wenn du auf Neon bist, sind die teuren Stufen diejenigen, die du zuerst prüfen solltest. high auf xhigh kostet 72 Prozent mehr pro Aufgabe für 1,8 Indexpunkte und sechzehn zusätzliche Sekunden bis zum ersten Token. Die meisten Pipelines gehören auf medium, wo 54,9 für die Hälfte der Kosten des Defaults erreicht werden.

• Wenn nicht die Intelligenz, sondern der Durchsatz der limitierende Faktor ist – ein interaktives Tool, eine lange Agent-Schleife, einfach alles, wo ein Mensch wartet –, dann kann Hydrogens Latenzvorteil wichtiger sein als acht Indexpunkte, und kein Leaderboard wird Ihnen das sagen.

Keines der beiden Modelle steht im Katalog von OrcaRouter, daher ist das kein Argument dafür, eines von beiden auf unseren Schlüssel zu verlegen. Was dort zum Listenpreis des Anbieters ohne Aufschlag verfügbar ist, sind Gemini 4 Carbon zu $2.00 und $10.00 und Gemini 4 Argon zu $2.00 und $10.00, zusammen mit dem Rest von einem Katalog mit 229 Modellen an einem Endpunkt. Wenn Sie testen möchten, ob Neons Medium wirklich die Obergrenze von Hydrogen bei Ihrem eigenen Traffic übertrifft, ist die praktische Form eine Routing-Regel, die die günstigen Schritte an eine Stufe schickt, die Sie bereits aufrufen können, und die schwierigen eskaliert – mit Failover darunter, sodass ein Modell, das eine Woche alt ist, nie der einzige Weg in die Produktion wird.

Artificial Analysis model page for Gemini 4 Neon at Xhigh effort, showing an Intelligence Index of 61, $3.00 input and $15.00 output per million tokens, $6.44 per Intelligence Index task, 283 million output tokens on the index against a 65.4-million median, 110 tokens per second, 56.54 seconds to first answer token, a default effort of high and a 1M-token context window.

Was würde diese Antwort ändern?

Drei Dinge, alle überprüfbar. Wenn Google eine fünfte Hydrogen-Sprosse veröffentlichte, würde die Umkehrung zusammenbrechen und die 2x würde sich wieder wie eine 2x verhalten – die Lücke existiert nur, weil Hydrogens Leiter bei 53,9 endet. Wenn sich herausstellte, dass Orchestrators Übergabe in der Koordination mehr kostet, als sie bei der Ausführung einspart, würde das Argument für die Paarung scheitern und die Wahl würde wieder darauf zurückfallen, ein Modell auszuwählen. Und wenn ein zweites unabhängiges Harness die Halluzinationsaufteilung statt der Indexaufteilung reproduzierte, würde der Fall für Hydrogen bei faktensensiblen Arbeiten stärker werden, als der Index nahelegt, denn ein 1,6-facher Unterschied bei der Fabrikation ist in manchen Pipelines mehr wert als acht Indexpunkte und in anderen nichts wert.

Bis dahin lautet die ehrliche Zusammenfassung, dass diese beiden Modelle keine zwei Punkte auf einer Linie sind. Sie sind zwei Leitern unterschiedlicher Länge, die zu einem Verhältnis verkauft werden, das auf der Tarifkarte exakt aufgeht und sofort nicht mehr stimmt, sobald man eine fertige Aufgabe bepreist. Neons günstigere Sprossen schlagen die teuren von Hydrogen; Hydrogens günstigste Sprosse schlägt beim Preis alles; und die Empfehlung des Anbieters selbst lautet, mit der Auswahl aufzuhören und beide laufen zu lassen, was die einzige Antwort ist, die Ihnen die Rangliste nicht geben kann.