Gemini 4 Hydrogen vs Gemini 4 Argon: Lebih Murah, Lebih Cepat, Sedikit Lebih Cerdas — dan Dua Kali Lebih Mungkin Mengarang Fakta

Pada skor komposit yang paling banyak dikutip orang, Gemini 4 Hydrogen mengalahkan Gemini 4 Argon dengan selisih satu poin. Pada harness independen yang menghasilkannya, Hydrogen menyelesaikan tugas indeks dalam 13,5 menit dibandingkan Argon 30,0, biayanya $3,16 dibandingkan $4,97, dan menghasilkan jawaban pada 190 token per detik dibandingkan 65. Itu tampak seperti kekalahan telak sampai Anda membaca tabel kedua, di mana Argon berhalusinasi pada 4,3% pertanyaan omniscience Artificial Analysis dan Hydrogen pada 8,5%, dan di mana Argon memenangi Terminal-Bench 4.0 dan Terminal-Bench-Science. Gemini 4 Hydrogen dan Gemini 4 Argon adalah model dasar yang sama dengan anggaran berpikir berbeda yang dipasang, dan pilihan di antara keduanya bukanlah "baru versus lama" — melainkan "berapa banyak pemikiran yang ingin Anda bayar, dan seberapa besar Anda memercayai jawabannya tanpa memeriksanya."

Kesenjangan itu adalah anggaran berpikir, bukan arsitektur.

Google merilis Argon lebih dulu. Model ini diumumkan pada 30 September 2026, mencapai ketersediaan umum pada 13 Oktober, dan diposisikan sebagai model efficient frontier: jendela konteks terpadu 1.048.576 token yang sama dengan Gemini 4 Carbon, alat bawaan yang sama, harga per token yang sama, tetapi lebih sedikit token berpikir yang terpakai per giliran. Gemini 4 Hydrogen hadir pada 12 November dengan jendela yang sama, alat yang sama, dan kartu yang menyatakan secara gamblang bahwa model ini diadaptasi dari Carbon, bukan dilatih secara terpisah.

Yang sebenarnya membedakan keduanya adalah dial di bagian atas permintaan. Argon menerima low, medium, dan high serta default-nya medium. Hydrogen menerima ketiga nilai itu, default-nya high, dan menambahkan tingkatan keempat bernama xhigh. Segala hal lain mengenai bentuk modelnya sama.

Itu penting karena perbandingan utama yang semua orang jalankan bukan perbandingan yang setara. Artificial Analysis menerbitkan skor Hydrogen 54 pada xhigh dan Argon 50 pada high. Pada default Hydrogen sendiri — high, setelan yang didapat sebuah permintaan jika Anda tidak mengirim apa pun — harness yang sama memberinya skor 51. Jadi selisih satu poin yang jujur adalah 51 berbanding 50, dan selisih empat poin adalah yang Anda dapatkan dengan memilih tingkat paling mahal pada satu model dan membandingkannya dengan tingkat menengah pada model lainnya.

Putar dial ke arah sebaliknya dan urutannya berbalik. Hydrogen pada medium mendapat skor 41. Jika beban kerja Anda berjalan pada default yang direkomendasikan Google untuk Argon, Hydrogen bukan model yang lebih baik — ia adalah model yang lebih murah yang berpikir lebih sedikit.

Enam baris yang memuat keputusan

Semua angka di bawah ini berasal dari uji coba Artificial Analysis sendiri terhadap API Google kecuali ditandai sebaliknya. Harga per token adalah daftar harga resmi yang diterbitkan Google; kedua model menggunakan struktur daftar harga yang sama.

• Indeks Kecerdasan — Gemini 4 Hydrogen 54 pada xhigh, 51 pada high, 41 pada medium; Gemini 4 Argon 50 pada high, batas maksimumnya. Pasangan yang sebanding adalah 51 versus 50.

• Biaya per tugas indeks yang diselesaikan — Hydrogen $3.16 pada xhigh dan $1.87 pada high; Argon $4.97. Kesenjangan per tugas jauh lebih lebar daripada kesenjangan skor satu poin, dan semakin melebar pada pengaturan default.

• Kecepatan output — 190 token per detik untuk Hydrogen pada xhigh, 179 pada high; 65 untuk Argon. Keunggulan throughput sekitar tiga banding satu yang bertahan di setiap tingkat pemikiran.

• Waktu hingga token jawaban pertama — Hydrogen 37,8 detik pada xhigh dan 16,7 pada high; Argon 40,7. Pada pengaturan default, Hydrogen mulai menjawab 24 detik lebih cepat, yang merupakan perbedaan yang terasa pada antarmuka chat.

• Verbositas — Hydrogen menghasilkan 304 juta token output untuk menyelesaikan indeks, dibandingkan 113 juta untuk Argon dan median 72,8 juta. Argon sendiri sudah digambarkan oleh harness yang sama sebagai "agak bertele-tele"; Hydrogen "sangat bertele-tele", dan itulah yang memakan sebagian besar keunggulan harga per tokennya pada xhigh.

• Harga dan tier, per juta token — Hydrogen $1.50 / $7.50 tetap, pembacaan cache $0.075, Batch dan Flex $0.75 / $3.75, Priority $2.70 / $13.50, dan tier gratis yang dibatasi laju. Argon $2.00 / $10.00 hingga 30 November 2026, pembacaan cache $0.10, Batch dan Flex $1.00 / $5.00, Priority $3.60 / $18.00, tanpa tier gratis. Keduanya menawarkan tier Contributor khusus undangan; Hydrogen $0.75 / $3.75, Argon $1.00 / $5.00.

Di mana Argon masih menjadi model yang lebih baik

Tiga hasil independen dan satu tingkat halusinasi menunjukkan bahwa model yang lebih baru dan lebih murah bukanlah peningkatan mutlak. Itulah alasan halaman ini bukan rekomendasi untuk bermigrasi.

• Terminal-Bench 4.0 — Argon 57,1%, Hydrogen 53,5%. Tolok ukur pengodean agentik tempat model yang lebih lama masih memimpin, dan yang paling mendekati apa yang sebenarnya dilakukan oleh sesi penggunaan alat yang panjang.

• Terminal-Bench-Science — Argon 52,9%, Hydrogen 49,5%. Pola yang sama pada varian sains.

• AutomationBench-AA — Argon 77,5%, Hydrogen 76,1%. Kekalahan tipis, tetapi tetap kekalahan, dan itu adalah tolok ukur pekerjaan berbasis pengetahuan yang paling banyak dikutip oleh kartu milik Google sendiri.

• Tingkat halusinasi Omniscience — Argon 4,3%, Hydrogen 8,5% pada xhigh. Hydrogen menjawab proporsi pertanyaan yang sama dengan benar dan mengarang jawaban sekitar dua kali lebih sering ketika tidak mengetahui. Pada set yang sama pada high, tingkatnya 8,7%, jadi ini bukan artefak dari tingkat pemikiran tertinggi.

Daftar kontra juga nyata, dan itulah sebabnya Hydrogen masih menang secara komposit: FrontierCode 2.0 pada 39,0% berbanding 25,7% milik Argon, CritPT agentic hard pada 66,0% berbanding 52,5%, HLE-Diamond pada 58,8% berbanding 56,7%, dan sedikit keunggulan pada irisan kemampuan teknik, hukum, dan keuangan. Hydrogen adalah model yang lebih baik dalam perbaikan kode dan penalaran bergaya kompetisi yang sulit, serta lebih buruk dalam pekerjaan terminal berkelanjutan dan dalam mengetahui kapan harus mengatakan bahwa ia tidak tahu.

Pemisahan itu punya bentuk yang praktis. Jika verifier, rangkaian pengujian, atau manusia membaca output sebelum hal itu menjadi penting, tingkat halusinasi Hydrogen adalah biaya yang sudah Anda keluarkan untuk menangkapnya. Jika tidak ada yang memeriksa jawaban di hilir — balasan dukungan, ekstraksi yang memasok basis data, ringkasan yang dibaca pelanggan — 4,3% milik Argon lebih berharga daripada tambahan 40 token per detik milik Hydrogen.

Langkah 1 Desember memperlebar kesenjangan itu tanpa membalikkannya

Kedua model berada pada kartu promosi dengan masa berlaku yang pasti. Argon berubah dari $2.00 / $10.00 menjadi $4.00 / $20.00 pada 1 Desember 2026, dengan pembacaan cache menjadi dua kali lipat ke $0.20, Batch dan Flex menjadi $2.00 / $10.00, dan Priority menjadi $7.20 / $36.00. Kartu terbitan Hydrogen tidak memuat perubahan bertanggal pada tingkat mana pun, termasuk yang gratis.

Jalankan aritmetika setelah langkah tersebut dan rasio per token berubah dari 1,33x menjadi 2,67x yang menguntungkan Hydrogen. Per tugas, Artificial Analysis menghitung ulang angkanya dari kartu tarif langsung, dan sudah menerbitkan kedua versi: $4,97 saat kartu Argon menunjukkan $2,00 / $10,00, dan $9,95 pada eksekusi yang menunjukkan $4,00 / $20,00. Harness yang sama menempatkan Hydrogen pada $3,16 di kedua kondisi. Itu tidak menjadikan Argon model yang salah; itu menjadikan Argon model yang seharusnya dapat Anda pertanggungjawabkan berdasarkan akurasi, bukan kebiasaan.

Hal ini juga membuat kedua model menginginkan perutean yang berbeda. OrcaRouter menyediakan Gemini 4 Argon dan Gemini 4 Carbon dengan harga daftar penyedia tanpa markup 0%, sehingga penggandaan 1 Desember muncul di sisi kami pada hari yang sama ketika muncul di kartu Google, bukan pada rekonsiliasi tagihan berikutnya, dan stack yang mempertahankan Argon untuk pemeriksaan akurasinya membayar tarif baru secara transparan. Gemini 4 Hydrogen tidak ada dalam katalog kami — ia berasal dari API dan AI Studio milik Google sendiri — sehingga konfigurasi yang sesuai dengan artikel ini adalah Hydrogen yang dipanggil langsung untuk giliran eksekusi dan Argon di belakang router sebagai pemverifikasi, dengan failover otomatis di seluruh penyedia yang mencakup kasus ketika salah satu jalur membatasi laju di tengah sesi.

Apa yang berubah dalam kode Anda jika Anda beralih

Google mendokumentasikan migrasi tersebut sebagai perubahan string model dengan empat perbedaan perilaku, dan hanya yang pertama yang jelas.

• Ukuran hop — Hydrogen mengizinkan 65.536 token per hop non-streaming pada panggilan REST dan SDK; Argon mengizinkan 32.768 per hop REST non-streaming. Generasi single-shot yang panjang menjadi lebih sederhana, dan kode apa pun yang melakukan chunking karena batas 32K dapat berhenti melakukan chunking.

• Default thinking — Argon default ke medium dan dibatasi maksimal high; Hydrogen default ke high dan menambahkan xhigh. Jadi, penukaran string model secara langsung diam-diam menaikkan latensi sekaligus pengeluaran token thinking. Setel thinking_level secara eksplisit pada permintaan pertama atau tagihan Anda akan memberi tahu Anda nanti.

• Caching — keduanya tidak mendukung caching eksplisit; keduanya memberikan diskon 95% untuk hit cache implisit pada prompt sebesar 4,096 token atau lebih. Pembacaan cache Argon adalah $0.10 dan Hydrogen $0.075, sehingga beban kerja yang banyak menggunakan cache menghemat 25% pada bagian yang di-cache sebelum tahap Desember dan 62.5% setelahnya.

Sampling dan pemanggilan alat — keduanya mengabaikan temperature, top_p, dan top_k alih-alih menolaknya, dan keduanya akan mengembalikan MALFORMED_FUNCTION_CALL jika Anda meminta pemanggilan alat JSON teks mentah alih-alih mendeklarasikan alat secara native. Keduanya bukan masalah yang khusus terjadi pada switch, tetapi keduanya muncul saat switch terjadi.

Satu perbedaan lain tidak ada dalam daftar migrasi dan penting bagi agen: kartu Argon tidak menerbitkan batas pengetahuan, sedangkan kartu model Hydrogen menyatakan Maret 2026 dengan catatan bahwa beberapa domain kurang mutakhir. Jika pipeline yang sensitif terhadap kebaruan menjadi alasan Anda membandingkan keduanya, Hydrogen adalah satu-satunya dari pasangan ini yang tanggalnya dapat Anda baca alih-alih mengujinya.

Aturan yang harus diterapkan

Beralih dari Argon ke Hydrogen saat pekerjaan dieksekusi lalu diperiksa: pengodean test-driven, pengeditan file, subagen paralel, pipeline retrieval-then-answer dengan langkah sitasi, dan apa pun yang biaya per tugas selesai menjadi angka di dasbor. Jalankan Hydrogen pada high, bukan default imajinasi Anda — 54 yang dipublikasikan memerlukan xhigh, dan default praktisnya adalah 51 dengan biaya $1.87 per tugas.

Tetap gunakan Argon saat jawaban dikirim tanpa diperiksa, saat tugasnya berupa sesi terminal panjang alih-alih aktivitas singkat, atau saat Anda berada dalam tiga minggu menjelang peluncuran dan lebih memilih tidak mengubah jalur produksi demi perubahan skor satu poin. Dengan tingkat halusinasi 4,3% dibandingkan 8,5%, Argon memberi Anda langkah verifikasi yang jika tidak, harus Anda bangun sendiri.

Yang akan mengubah jawabannya adalah titik data ketiga yang belum dimiliki kedua model: pengukuran yang dapat direproduksi atas hal yang sebenarnya diiklankan Google untuk Hydrogen — kode yang lebih bersih dan klaim palsu yang lebih sedikit, yang menurut dokumentasi lebih dari lima kali lebih sedikit daripada Gemini 3.8 Flash. Himpunan omniscience Artificial Analysis mengukur arah sebaliknya untuk Hydrogen terhadap Argon. Sampai seseorang menjalankan keduanya pada distribusi tugas yang sama, posisi jujurnya adalah bahwa Hydrogen adalah pilihan ekonomi yang lebih baik dan Argon adalah jawaban yang lebih baik, dan kenaikan harga 1 Desember membuat perdagangan itu lebih mahal untuk ditunda, bukan lebih murah.