Une carte de titre pour un article sur le palier de réflexion le plus élevé de Gemini 4 Hydrogen, montrant 5 311 jetons de sortie et 3,99 cents en high effort contre 31 477 jetons et 23,61 cents en xhigh pour la même invite, avec la note que les deux utilisent le même tarif de sortie de 7,50 $ par million.
Guides & Insights

Gemini 4 Hydrogen : ce que xhigh apporte pour une facture six fois plus élevée

Auteur

jinhao.song

Date de publication

Derniers modèles · 20Voir tous les modèles →
Benchmarks : Artificial Analysis · mis à jour quotidiennement
Retour à tous les articles

Deux exécutions de la même invite courte via G​emini 4 Hydrogen, à un réglage près. Au réglage high, le modèle a consommé 5 311 jetons de sortie et facturé 3,99 cents. À xhigh, il en a consommé 31 477 et facturé 23,61 cents. La même comparaison figure dans une exécution de G​emini 4 Neon le même jour, où l’échelon le plus haut a coûté 39,83 cents contre 14,55 à high. Simon Willison a publié les deux paires le 20 novembre 2026, quatre jours après que G​oogle a lancé G​emini 4 Hydrogen le 12 novembre, et ces chiffres constituent le premier comparatif public côte à côte tout en haut d’une échelle d’effort de G​emini 4 que la plupart des gens n’ont pas encore touchée.

Le plus intéressant n’est pas que le réglage plus poussé coûte plus cher. C’est que le tarif par token n’a jamais bougé. Hydrogen facture 1,50 $ par million de tokens d’entrée et 7,50 $ par million de tokens de sortie à chaque échelon, y compris xhigh et y compris les tokens de réflexion. Multipliez le nombre de tokens par ce tarif et vous retrouvez les factures au centime près. Donc xhigh n’est pas un niveau premium que l’on paie en supplément. C’est la décision de laisser le modèle écrire environ six fois plus, et la facture suit automatiquement.

Les deux projets de loi, et pourquoi le taux a été maintenu

Cela vaut la peine de faire le calcul à la main une fois, car il détermine ce que vous achetez réellement. Le tarif de sortie d’Hydrogen est de 7,50 $ par million de tokens. À 5 311 tokens, cela fait 3,98 cents ; la facture mesurée était de 3,99. À 31 477 tokens, cela fait 23,61 cents, soit exactement la facture mesurée. Le côté entrée est négligeable à cette échelle : un prompt de quelques dizaines de tokens coûte une fraction de centième de cent à 1,50 $ par million.

• Tokens de sortie — 5 311 en high contre 31 477 en xhigh, soit un facteur de 5,9

• Coût en centimes — 3,99 contre 23,61, le même facteur de 5,9

• Tarif de sortie — 7,50 $ par million de jetons pour les deux réglages, inchangé

• Tarif des jetons d'entrée — 1,50 $ par million de jetons pour les deux réglages, inchangé

• Contexte — un tarif unique jusqu’à 1 M de tokens, sans surcoût de contexte long indiqué

Cela a une conséquence pratique pour quiconque établit le budget de ce modèle. Les grilles tarifaires des fournisseurs sont organisées par taux par token, et ce taux est la seule variable qui ne bouge pas ici. Planifier pour xhigh à partir d’un tableau par token sous-estimera la facture d’environ six fois sur une tâche où le modèle choisit de réfléchir plus longtemps. Le seul chiffre qui prédit le coût est le nombre de tokens de sortie par réponse, et la seule façon de l’obtenir est de le mesurer sur vos propres prompts. La documentation de G​oogle elle-même reconnaît la direction sans en donner l’ampleur : elle avertit que xhigh « augmente la latence et l’utilisation de tokens ».

A scoreboard comparing Gemini 4 Hydrogen at high and xhigh thinking effort: output tokens 5,311 vs 31,477, cost per short prompt 3.99 vs 23.61 cents, Artificial Analysis Intelligence Index 50.8 vs 53.9, cost per Index task $1.87 vs $3.16, time per task 9.0 vs 15.8 minutes, and an output rate of $7.50 per million at both settings.

Ce que les 26 000 tokens supplémentaires ont produit

Sur le test du pélican à bicyclette, la réponse est : un dessin visiblement meilleur. Le résumé de Willison est que la sortie high était un pélican tout plat, sans panier ni arrière-plan, et que la sortie xhigh est arrivée sous la forme d’un vélo bleu canard sur une plage avec un poisson bleu dans le panier — comparable à ce que G​emini 4 Neon produit par défaut pour à peu près le même coût. Environ 26 000 jetons de réflexion supplémentaires ont été consacrés à la composition, à la scène et à la couleur plutôt qu’à une réponse correcte.

Considérez cela comme une observation isolée, et non comme un benchmark. Il s’agit d’un seul prompt, d’un seul échantillon par réglage, et d’une tâche sans réponse unique, ce qui signifie qu’aucun score de précision ne peut y être associé. Ce qu’il établit, en revanche, c’est que le niveau le plus élevé peut changer le caractère d’une sortie sur un travail génératif ouvert, et que le changement n’est pas subtil lorsqu’il se produit. Savoir si la même dépense multipliée par six apporte quoi que ce soit à votre charge de travail est une question distincte, et les deux sections suivantes portent sur les cas où la réponse est mesurée plutôt qu’évaluée à l’œil.

L'échelle indépendante dit la même chose

Artificial Analysis évalue Hydrogen à chacun de ses quatre réglages, et la forme de la courbe correspond à celle du bec de pélican. En consultant la page du modèle le 22 novembre 2026, l’Intelligence Index est de 26,9 en low, 41,2 en medium, 50,8 en high et 53,9 en xhigh. Le coût par tâche de l’Index est de 0,29 $, 0,80 $, 1,87 $ et 3,16 $ sur les mêmes quatre échelons, et le temps par tâche est de 1,5, 4,0, 9,0 et 15,8 minutes.

Transformez cela en coût marginal — le prix du point suivant — et l’argument contre le fait de choisir par défaut l’échelon le plus élevé devient une question d’arithmétique plutôt que de goût :

• faible à moyen — +14,3 points d’indice pour +51 cents, environ 3,5 cents par point

• moyen à élevé — +9,6 points pour +1,08 $, soit environ 11,3 cents par point

• de high à xhigh — +3,1 points pour +1,29 $, soit environ 41,1 cents par point

• Total, de faible à très élevé — +27 points pour +2,87 $, soit environ 10,6 cents par point en moyenne

Le dernier palier est le plus coûteux, par un facteur de près de quatre par rapport au précédent, et il coûte aussi 76 % de temps d’horloge en plus par tâche. Le premier palier, de faible à moyen, reste de loin le meilleur achat de l’échelle, ce qu’il vaut la peine de retenir étant donné que « élevé » est la valeur par défaut. Ce sont des mesures tierces d’Artificial Analysis, et non des chiffres de fournisseurs, et les coûts par tâche regroupent l’entrée, la sortie et le comportement d’un agent multi-tours — c’est pourquoi ils n’évoluent pas comme la facture d’un prompt unique.

Artificial Analysis model page for Gemini 4 Hydrogen showing an Intelligence Index of 54 at xhigh, first-answer latency of 46.76 seconds, output speed of 163 tokens per second, 15.8 minutes and $3.16 per Intelligence Index task, list pricing of $1.50 input and $7.50 output per million tokens, a 1M context window, and a default effort of high.

Là où xhigh n’apporte absolument rien

La documentation de Google est d’une franchise brutale au sujet de l’échelon supérieur, comme les supports de lancement le sont rarement. Elle indique de réserver xhigh « aux problèmes de codage complexes à plusieurs étapes et aux problèmes agentiques où high ne suffit pas », et avertit que, sur des prompts plus simples, il « peut provoquer une réflexion excessive ou épuiser max_output_tokens ». Ce second mode de défaillance est celui qui frappe silencieusement : la limite de tokens couvre aussi bien le raisonnement que la sortie visible, si bien qu’un prompt qui aurait été traité confortablement avec high peut consommer tout le budget en raisonnement et revenir marqué comme incomplet, tronqué ou vide. Cela ressemble à une défaillance du modèle. C’est une défaillance de configuration.

Google's Gemini thinking documentation table describing the low, medium, high and xhigh levels, marking high as the default on gemini-4-hydrogen, reserving xhigh for hard multi-step coding where high falls short, and warning that xhigh increases latency and token use and can cause overthinking or exhaust max_output_tokens on simple prompts.

Une étude indépendante de 56 requêtes publiée en novembre 2026 a testé la question que sous-entend l’avertissement de Google. Sur trois invites allant de faciles à moyennes et deux exécutions par niveau, elle a constaté que xhigh utilisait environ 3,1 fois les jetons de réflexion de high dans l’ensemble, et environ cinq fois plus sur l’invite de codage, chaque réponse restant correcte à tous les niveaux. La dépense supplémentaire a acheté des jetons et de la latence, pas de la précision. L’échantillon est petit et l’auteur le dit ; la direction est cohérente avec l’avertissement du fournisseur et la courbe d’Artificial Analysis, où le dernier échelon ajoute trois points plutôt que quinze.

La distinction se fait donc par classe de tâche, et non par capacité du modèle. L’extraction, la classification, le formatage et les réponses factuelles courtes ont un plafond proche de leur première réponse correcte, et payer six fois pour cela est un pur gaspillage. La génération ouverte n’a pas un tel plafond, car la sortie est l’artefact et il y a toujours plus de détails à ajouter.

Le crossover qui compte vraiment

Voici le chiffre qui devrait changer votre façon d’utiliser le modèle. Hydrogen en xhigh a coûté 23,61 cents pour un court prompt de dessin. G​emini 4 Neon, à son niveau high par défaut, a coûté 14,55 cents pour le même prompt le même jour, et a produit une sortie que Willison a jugée au moins aussi bonne. Faire passer Hydrogen à son niveau le plus élevé coûte 62 % plus cher que de le laisser au niveau par défaut et de passer à un modèle d’un cran supérieur à la place. Si votre raison de recourir à xhigh est « la réponse n’est pas assez bonne », un modèle plus grand à son réglage par défaut est souvent l’option la moins chère, et c’est celle que la plupart des équipes ne vérifient pas.

Cet ordre ne résiste pas à un changement de charge de travail, et c’est précisément ce qui se perd lorsqu’un test sur prompt court est cité comme classement général. Sur le panier agentique long d’Artificial Analysis, Neon en high coûte 3,74 $ par tâche, contre Hydrogen en xhigh à 3,16 $, si bien que le modèle le moins cher sur un dessin de quarante tokens est le plus cher sur une longue tâche multi-tours. Aucun des deux chiffres n’est faux. Un prompt court et une exécution d’agent de 15 minutes sollicitent différentes parties de l’échelle, et un échange de barreau qui fait économiser sur l’un peut faire perdre sur l’autre.

Un détail daté à intégrer : la page de tarification de G​oogle indique que les tarifs de Carbon et Argon doublent le 1er décembre 2026, passant de 2 $ en entrée et 10 $ en sortie à 4 $ et 20 $. Hydrogen n’affiche aucun changement de ce type. Toutes les comparaisons ci-dessus qui impliquent les modèles plus anciens n’ont donc plus que neuf jours avant que l’écart ne se creuse en faveur de Hydrogen.

Le configurer et le tester en un après-midi

Le niveau est un seul champ. Sur l’API native generateContent, il s’agit de thinkingConfig.thinkingLevel ; sur l’API Interactions, de generation_config.thinking_level ; sur une route compatible OpenAI, il arrive sous la forme reasoning_effort. La valeur est la chaîne en minuscules — low, medium, high ou xhigh — et high est la valeur par défaut pour Hydrogen. La réflexion ne peut pas être désactivée entièrement sur ce modèle, et l’ancien paramètre thinkingBudget est obsolète au profit du niveau.

Mesurer le coût nécessite une lecture supplémentaire. Les jetons de réflexion apparaissent dans usageMetadata.thoughtsTokenCount sur l’API native, usage.total_thought_tokens sur Interactions et reasoning_tokens sur la route compatible — vous pouvez donc distinguer ce que le modèle a réfléchi de ce qu’il a dit, et facturer chacun. Un après-midi suffit : prenez vingt prompts réels issus de vos propres journaux, exécutez chacun à high et xhigh avec une limite de sortie généreuse pour que rien ne soit tronqué, puis enregistrez les jetons et si la réponse a réussi. Comparez le coût total au taux de réussite. Si xhigh n’augmente pas suffisamment le taux de réussite pour justifier une facture environ six fois plus élevée sur les prompts où il s’active, vous avez votre réponse pour cette charge de travail, et elle sera meilleure que n’importe quelle grille publiée.

Faire tourner deux configurations côte à côte est plus simple lorsque les deux se trouvent derrière une seule clé, ce qui est la partie que couvre OrcaRouter. Nous proposons Gemini 4 Argon et G​emini 4 C​arbon au prix catalogue du fournisseur avec 0 % de marge, donc les tarifs de cet article sont ceux que vous payez de notre côté pour ces deux modèles. G​emini 4 Hydrogen n'est pas dans notre catalogue aujourd'hui, donc chaque chiffre pour Hydrogen ici est le prix catalogue de G​oogle plutôt que le nôtre — il vaut la peine de le dire clairement, car le mode de défaillance décrit dans cet article est exactement celui où une grille tarifaire cache un multiplicateur de six. Lorsqu'un modèle est routé via nous, le niveau d'effort est un champ par route, ainsi une route canari en xhigh à côté d'une route de production en high est un changement de configuration plutôt qu'un chemin de code.

Que faire avec ceci lundi ?

La règle qui résiste à tous les chiffres est plus restrictive que « utilisez le réglage le plus élevé pour les problèmes difficiles ». La voici : descendez l’échelle jusqu’à ce que la qualité se dégrade, puis remontez d’un échelon, et vérifiez si un autre modèle à ses réglages par défaut coûte moins cher que l’échelon supplémentaire avant de vous engager. L’échelle propre à Hydrogen situe cet échelon à environ quarante cents par point sur l’Index et à six fois le nombre de tokens sur un dessin, tandis que l’échelon de faible à moyen coûte trois cents et demi par point. L’essentiel de la valeur de ce modèle se trouve dans la moitié inférieure de l’échelle, et le réglage par défaut se situe au-dessus.

La question ouverte est de savoir ce que fait l’échelon supérieur sur le travail agentique plutôt que sur un pélican — si les points de l’Index 3.1 qu’Artificial Analysis mesure à xhigh se traduisent par moins d’appels d’outils échoués ou par davantage de tours passés à y réfléchir. Personne n’a encore publié cette ventilation, et c’est pourtant celle qui vous dirait si vous devez laisser Hydrogen à high en production.