Gemini 4 Hydrogen vs Claude Haiku 5.5: Kesenjangan Harga 15x yang Menyusut Menjadi 7x per Tugas yang Diselesaikan

Pada kartu tarif, selisihnya tidak masuk akal. Claude Haiku 5.5 berbiaya $0.10 per juta token input dan $0.50 per juta output untuk prompt hingga 100.000 token; Gemini 4 Hydrogen berbiaya $1.50 dan $7.50. Itu lima belas kali lebih mahal pada kedua pos, untuk model yang baru masuk katalog Google pada 12 November 2026. Namun, siapa pun yang memilih di antara keduanya minggu ini tidak sedang memilih antara dua harga. Mereka memilih antara model yang mencetak 54 pada Artificial Analysis Intelligence Index dan model yang mencetak 36, dan angka lima belas kali itu lenyap begitu Anda mengukur berapa biaya masing-masing untuk menyelesaikan suatu pekerjaan, bukan untuk memulainya.

Angka per token dan angka per tugas selisihnya setengah

Artificial Analysis menjalankan kedua model melalui harness yang sama dan menerbitkan biaya per tugas indeks yang diselesaikan bersama dengan harga per token. Hasilnya jauh dari yang disiratkan kartu tarif.

Per token, input dan output — G​emini 4 Hydrogen $1.50 / $7.50 vs Claude Haiku 5.5 $0.10 / $0.50. Haiku 15,0x lebih murah untuk input dan 15,0x lebih murah untuk output, tetap.

• Per tugas indeks yang diselesaikan — G​emini 4 Hydrogen $3,16 pada pengaturan berpikir tertingginya vs Claude Haiku 5.5 $0,41. Haiku 7,7x lebih murah, bukan 15x.

• Mengapa selisihnya menjadi separuh — verbositas. Haiku 5.5 menghasilkan 298 juta token keluaran untuk menelusuri indeks, dibandingkan 107 juta untuk model median di kelas perbandingannya sendiri — Carbon dan Hydrogen diukur terhadap median 72,8 juta, jadi kedua median itu bukan tolok ukur yang sama. Model ini murah per token dan mahal per jawaban, karena perlu jauh lebih banyak token untuk mencapai satu jawaban.

• Tarif campuran pada komposisi cache/input/output 7:2:1 yang sama — G​emini 4 Hydrogen $1,10 per juta vs Claude Haiku 5.5 $0,077 per juta.

Bacalah dua baris terakhir secara bersamaan, dan bentuk argumen penetapan harganya akan berubah. Tim yang menyusun anggaran berdasarkan rate card akan mengharapkan penghematan lima belas kali lipat, tetapi hanya mendapatkan sedikit di bawah delapan kali lipat. Tim yang menyusun anggaran berdasarkan biaya per tugas akan memperoleh angka yang sebenarnya, dan angka itu tetap sangat menguntungkan Haiku — tetapi angka tersebut adalah angka yang bisa Anda jadikan dasar perencanaan, sedangkan rate card tidak.

Ada ambang batas yang tersembunyi di kartu Haiku yang tidak ditangkap oleh kedua angka tersebut. Semua di atas adalah harga untuk di bawah 100K token. Setelah 100.000 token prompt, Haiku 5.5 beralih ke $0.50 untuk input dan $2.50 untuk output — lompatan lima kali lipat yang menempatkannya tepat pada sepertiga harga output Hydrogen, bukan seperlima belas. Kedua model memiliki jendela 1.048.576 token, sehingga titik peralihannya dapat dicapai, bukan sekadar teoretis: beban kerja konteks panjang menempatkan Haiku pada $0.50/$2.50 versus Hydrogen pada $1.50/$7.50, dan selisih per token menyempit menjadi 3x sementara kesenjangan kemampuannya tetap persis seperti sebelumnya.

Apa yang bisa didapat dari delapan belas poin indeks, dalam tugas yang benar-benar dijalankan orang

Delapan belas poin indeks adalah selisih yang besar di atas kertas. Apakah itu selisih yang besar dalam praktiknya sepenuhnya bergantung pada bentuk pekerjaannya, dan tolok ukur dari vendor mengarah ke arah yang berbeda-beda tergantung mana yang Anda baca.

• Pekerjaan terminal agentik — Google melaporkan Gemini 4 Hydrogen sebesar 57,0% pada Terminal-Bench 4.1, dengan label disesuaikan terhadap kecurangan. Anthropic melaporkan Claude Haiku 5.5 sebesar 39,2% pada Terminal-Bench 4.0. Karena versi benchmark-nya berbeda, perbandingannya hanya menunjukkan arah, bukan angka yang persis, tetapi arahnya konsisten dan menguntungkan Hydrogen dengan selisih yang lebar.

• Penggunaan komputer — Hydrogen sebesar 77,6% pada OSWorld-2.1, dilaporkan oleh vendor; Haiku 5.5 sebesar 72,4% pada subset offline dari tolok ukur yang sama, juga dilaporkan oleh vendor. Keunggulan Hydrogen yang lebih tipis, dan kualifikasi subset berarti kedua angka tersebut tidak sepenuhnya mengukur hal yang sama.

• Penalaran sulit tanpa alat — Hydrogen sebesar 58,8% pada HLE-Diamond; Haiku 5.5 sebesar 45,9% pada Humanity's Last Exam tanpa alat, naik menjadi 57,4% dengan alat. Ini adalah celah jujur terlebar di antara pasangan ini, dan itulah yang memetakan ke "dapatkah model ini menangani masalah sulit tanpa perancah".

Tinjauan dan perbaikan kode — Hydrogen sebesar 66,6% pada Chartography; Haiku 5.5 sebesar 46,4% pada Chartography tanpa alat. Dua puluh poin, nama benchmark sama, kondisi tanpa alat yang sama.

• Pengodean Frontier — A​nthropic melaporkan Haiku 5.5 sebesar 46,4% pada FrontierCode 1.1, dan melaporkan skor FrontierCode 66,2 dari Cognition saat Haiku 5.5 berjalan sebagai sidekick di dalam Devin Fusion. Perhatikan bahwa angka kedua adalah susunan yang berbeda, bukan skor yang berbeda untuk tugas yang sama, dan A​nthropic memberi label keduanya sebagai laporan pelanggan, bukan pihak pertama.

Setiap angka di atas dilaporkan oleh vendor, yaitu perusahaan yang menjual model tersebut. Tidak ada satu pun yang direproduksi secara independen, dan versi tolok ukurnya cukup berbeda sehingga menjumlahkannya menjadi satu klaim "Hydrogen X% lebih baik" akan tidak jujur. Yang didukungnya lebih sempit dan lebih berguna: Hydrogen jauh lebih baik pada tugas-tugas yang berjalan lama dan menggunakan alat; selisihnya paling kecil ketika pekerjaannya adalah satu pertanyaan yang terbatas.

Keduanya lambat untuk memulai, yang tidak ada yang mencantumkannya di judul berita.

Inilah bagian dari perbandingan yang mengejutkan orang-orang yang memilih berdasarkan harga atau indeks lalu menyaksikan token pertama tiba.

• Waktu hingga token jawaban pertama — G​emini 4 Hydrogen 40,55 detik pada pengaturan berpikir tertingginya vs Claude Haiku 5.5 175,95 detik pada pengaturan tertingginya. Hydrogen mulai empat kali lebih cepat, dan kedua angka itu jauh di atas yang dapat ditoleransi oleh permukaan interaktif.

• Kecepatan keluaran setelah mulai — Claude Haiku 5.5 256 token per detik vs G​emini 4 Hydrogen 188 token per detik. Haiku menulis lebih cepat dan mulai lebih lambat.

• Rata-rata waktu per tugas indeks — Claude Haiku 5.5 14,7 menit. Kedua model berakhir di wilayah yang serupa per tugas yang diselesaikan; mereka mencapainya melalui rute yang berlawanan.

• Pada tingkat berpikir default Hydrogen, angka token pertama turun menjadi sekitar 16,7 detik, yang merupakan angka yang penting untuk antarmuka chat, dan juga merupakan pengaturan yang menghasilkan skor indeks 51 alih-alih 54.

Jika Anda membangun apa pun yang ditunggu manusia, konfigurasi utama kedua model tersebut tidak sesuai. Haiku 5.5 khususnya adalah model dengan effort yang dapat disesuaikan — Low hingga Max — dan angka 175,95 detik serta indeks 36 adalah pengaturan Max. Pada effort yang lebih rendah, model mulai lebih cepat dan memperoleh skor lebih rendah, dan Anthropic tidak menerbitkan tabel yang memetakan yang satu ke yang lain. Itu adalah pengujian yang harus Anda jalankan sendiri.

Rasio harga sebenarnya terletak pada caching.

Untuk beban kerja apa pun yang memiliki prefiks stabil — prompt sistem, peta repositori, kumpulan dokumen — input yang di-cache menyumbang sebagian besar tagihan, dan kedua kartu berperilaku cukup berbeda sehingga urutan perbandingannya bisa berubah.

• Harga pembacaan cache — Claude Haiku 5.5 $0.01 per juta, diskon 90% dari tarif input $0.10. Gemini 4 Hydrogen $0.075 per juta, diskon 95% dari tarif $1.50.

• Mekanisme cache — {{1}}Claude Haiku 5.5{{/1}} mendukung penulisan cache eksplisit sebesar $0.125 per juta, sehingga Anda mengontrol apa yang di-cache dan berapa lama. {{2}}G​emini 4 Hydrogen{{/2}} hanya mendukung caching implisit, tanpa handle cache eksplisit, sehingga diskonnya merupakan perilaku layanan, bukan API yang Anda panggil.

• Apa artinya — beban kerja dengan prefiks bersama 60.000 token yang dibaca seribu kali sehari memakan biaya $0,60 sehari untuk pembacaan cache pada Haiku dan $4,50 pada Hydrogen, selisih 7,5x, bukan 15x, karena Hydrogen memberi diskon 95%, sedangkan Haiku 90%. Dorong prefiks yang sama hingga 200.000 token, melewati ambang batas Haiku, dan gambarannya berbalik: pembacaan cache tier panjang Haiku adalah $0,05 per juta, sehingga pembacaan itu biayanya $10,00 pada Haiku versus $15,00 pada Hydrogen, sementara setiap token input baru dalam permintaan tersebut kini tiga kali lebih murah pada Haiku. Kesenjangan cache menyempit tepat di titik kesenjangan input melebar, yang bukanlah pertukaran yang diharapkan oleh beban kerja konteks panjang.

Asimetri itu paling penting untuk beban kerja yang paling cocok untuk Hydrogen. Sesi agentik panjang dengan konteks stabil yang besar adalah tepat di mana caching implisit membantu dan tepat di mana Anda menginginkan kontrol eksplisit atas apa yang tetap tersimpan. Haiku memberi Anda kontrol dan cache yang lebih murah pada setiap panjang prefiks; Hydrogen memberi Anda kemampuannya dan meminta Anda mempercayai layanan untuk mengenali pengulangan.

Tiga beban kerja, tiga jawaban berbeda

Abstraksi lebih lanjut justru akan merugikan, jadi di sinilah batasnya dalam praktik.

Pipeline klasifikasi atau ekstraksi atas jutaan dokumen pendek adalah wilayah kerja Haiku 5.5, dan tidak ada yang mendekati. Input terbatas, output terbatas, tanpa alat, tanpa horizon panjang: kesenjangan indeks tidak relevan karena tugas tidak menguji kemampuan itu, dan $0.10/$0.50 versus $1.50/$7.50 merupakan penghematan lima belas kali lipat pada tagihan yang sudah menjadi biaya dominan. Memindahkan ini ke Hydrogen tidak memberi keuntungan apa pun dan biayanya satu orde besaran lebih besar.

Agen coding yang menyunting file, menjalankan tes, dan pulih dari kegagalan adalah beban kerja Hydrogen. Kesenjangan Terminal-Bench dan Chartography adalah bukti langsungnya, dan angka biaya per tugas — $3.16 versus $0.41 — meremehkan perbedaannya, karena tugas yang tidak bisa diselesaikan Haiku memiliki biaya per penyelesaian yang tak terhingga, bukan biaya yang murah. Perbandingan itu hanya berlaku untuk tugas yang bisa dikerjakan kedua model.

Batch semalam yang merangkum dokumen panjang berada di wilayah tengah yang ambigu dan ditentukan oleh ambang 100K. Di bawah 100.000 token per panggilan, Haiku lima belas kali lebih murah per token dan sekitar delapan kali lebih murah per tugas yang diselesaikan. Di atasnya, harga Haiku naik lima kali lipat dan jawaban jujurnya adalah menguji keduanya pada korpus Anda sendiri, karena titik persilangannya bergantung pada seberapa besar masukan Anda berupa prompt versus dokumen.

Asisten interaktif bukanlah keduanya. Kedua model terlalu lambat untuk dimulai pada pengaturan maksimumnya, dan konfigurasi yang tepat untuk antarmuka chat adalah Hydrogen pada level defaultnya atau Haiku pada pengaturan effort yang lebih rendah — perbandingan antara dua opsi yang diturunkan, yang hampir tidak ada yang melakukan benchmark, dan yang merupakan satu-satunya versi pertanyaan ini yang sampai ke pengguna.

Menjalankan keduanya tanpa memilih pemenang terlebih dahulu

Posisi yang masuk akal bagi sebagian besar tim adalah bahwa ini bukan migrasi melainkan keputusan routing, dan keputusan routing lebih murah untuk dibalik daripada migrasi.

OrcaRouter tidak menyediakan kedua model puncak ini: Claude Haiku 4.5 ada dalam katalog dengan harga $1,00 dan $5,00 per juta dengan jendela 200.000 token, dan Gemini 3.8 Flash seharga $0,75 dan $3,75 dengan jendela penuh 1.048.576 token — keduanya pada harga daftar penyedia dengan markup 0%, melalui satu kunci, dengan failover otomatis antarpenyedia. Haiku 5.5 dan Hydrogen keduanya berasal dari API milik vendor masing-masing. Jadi pengaturan yang layak adalah kebijakan perutean: Hydrogen dipanggil langsung untuk giliran eksekusi jangka panjang tempat keunggulan benchmark-nya nyata, Haiku 5.5 dipanggil langsung untuk panggilan terbatas bervolume tinggi tempat harganya nyata, dan model yang dirutekan di belakang keduanya sebagai jalur cadangan bagi permintaan ketika salah satu vendor melakukan throttle, menaikkan batas laju, atau merilis perubahan harga.

Klausul terakhir itu bukan hipotetis. Kartu harga Google sudah menjadwalkan Gemini 4 Carbon dan Gemini 4 Argon untuk naik dua kali lipat pada 1 Desember 2026, dari $2,00/$10,00 menjadi $4,00/$20,00, sementara Hydrogen tidak memiliki tahap kenaikan bertanggal. Anthropic telah mengubah harga Haiku satu kali dalam siklus ini, memotongnya sekitar 90% pada tier di bawah 100K saat 5.5 menggantikan 4.5. Lapisan routing yang meneruskan harga daftar penyedia tanpa markup berarti perubahan tersebut sampai kepada Anda pada hari perubahan itu berlaku, bukan pada pembaruan kontrak berikutnya — yang, untuk perbandingan yang seluruh argumennya adalah harga, adalah fitur yang penting.

Apa yang akan mengubah jawaban ini?

Tiga hal, diurutkan berdasarkan seberapa besar dampaknya.

Reproduksi independen atas kesenjangan Terminal-Bench. Setiap angka agentic di atas dilaporkan oleh vendor di kedua sisi, pada versi benchmark yang berbeda, dan justifikasi tunggal terbesar untuk premi harga Hydrogen bertumpu pada angka yang belum diaudit oleh kedua perusahaan. Artificial Analysis menerbitkan indeks untuk kedua model tetapi tidak menerbitkan subskor per-benchmark yang dapat menyelesaikannya.

Kurva upaya-ke-kualitas yang diterbitkan untuk Haiku 5.5. Jika effort Low mempertahankan sebagian besar skor pengaturan Max dengan hanya sebagian kecil latensi, kasus interaksi menyempit dan keunggulan harga menyebar ke atas ke beban kerja yang saat ini ditetapkan ke Hydrogen. Anthropic merilis pengaturannya, bukan tabelnya.

Ada perubahan pada kartu Hydrogen. Saat ini tidak ada, yang tidak biasa dalam sebuah keluarga di mana dua dari tiga anggotanya berlipat ganda dalam tiga minggu. Jika itu berubah, angka biaya per tugas — satu angka yang membuat perbandingan ini menarik — ikut berubah, dan 7.7x menjadi sesuatu yang sama sekali berbeda.

Sampai salah satu dari itu terwujud, ringkasan yang bisa dipertahankan adalah yang didukung oleh harness independen, bukan yang tersirat oleh kartu tarif: Haiku 5.5 berbiaya antara tujuh hingga lima belas kali lebih murah tergantung apakah Anda menghitung token atau tugas yang selesai, Hydrogen secara meyakinkan lebih unggul untuk segala hal yang berjalan lama dan menggunakan alat, dan satu-satunya angka yang seharusnya menentukan pembagian adalah berapa biaya masing-masing bagi Anda per tugas yang benar-benar dapat Anda selesaikan.