Una card del titolo per un articolo sul livello di pensiero più alto di Gemini 4 Hydrogen, che mostra 5.311 token di output e 3,99 centesimi con sforzo elevato rispetto a 31.477 token e 23,61 centesimi con xhigh per lo stesso prompt, con la nota che entrambi usano la stessa tariffa di 7,50 $ per milione di output.
Guides & Insights

Gemini 4 Hydrogen: cosa offre xhigh a fronte di un conto 6 volte più alto

Autore

jinhao.song

Data di pubblicazione

Ultimi modelli · 20Vedi tutti i modelli →
Benchmark: Artificial Analysis · aggiornato ogni giorno
Torna a tutti gli articoli

Due esecuzioni dello stesso breve prompt con G​emini 4 Hydrogen, a una sola impostazione di distanza. Con high il modello ha consumato 5.311 token di output e addebitato 3,99 centesimi. Con xhigh ne ha consumati 31.477 e addebitato 23,61 centesimi. Lo stesso confronto compare in un'esecuzione di G​emini 4 Neon nello stesso giorno, dove il gradino più alto è costato 39,83 centesimi contro 14,55 con high. Simon Willison ha pubblicato entrambe le coppie il 20 novembre 2026, quattro giorni dopo che G​oogle ha rilasciato G​emini 4 Hydrogen il 12 novembre, e i numeri sono il primo confronto pubblico affiancato proprio in cima a una scala di effort di G​emini 4 che la maggior parte delle persone non ha ancora toccato.

La parte interessante non è che l'impostazione più profonda costi di più. È che la tariffa per token non è mai cambiata. Hydrogen applica 1,50 $ per milione di token di input e 7,50 $ per milione di token di output a ogni livello, incluso xhigh e inclusi i token di ragionamento. Moltiplica i conteggi dei token per quella tariffa e ritrovi le fatture esatte al centesimo. Quindi xhigh non è un livello premium per cui paghi un extra. È una decisione di lasciare che il modello scriva circa sei volte tanto, e la fattura segue automaticamente.

I due disegni di legge, e perché il tasso è rimasto invariato

Vale la pena fare il calcolo a mano una volta, perché chiarisce che cosa stai effettivamente acquistando. La tariffa di output di Hydrogen è di $7,50 per milione di token. A 5.311 token sono 3,98 centesimi; il conto misurato era 3,99. A 31.477 token sono 23,61 centesimi, esattamente il conto misurato. Il lato input è rumore a questa scala: un prompt di qualche decina di token costa una frazione di un centesimo di centesimo a $1,50 per milione.

• Token di output — 5.311 con high rispetto a 31.477 con xhigh, un fattore di 5,9

• Costo in centesimi — 3,99 contro 23,61, lo stesso fattore di 5,9

• Tariffa di output — $7.50 per milione di token in entrambe le impostazioni, invariata

• Tariffa di input — $1.50 per milione di token in entrambe le impostazioni, invariata

• Contesto — una tariffa unica fino a 1M di token, senza sovrapprezzo per contesto lungo indicato

Ciò ha una conseguenza pratica per chiunque debba pianificare il budget per questo modello. I listini prezzi dei fornitori sono organizzati per tariffa per token, e la tariffa è l'unica variabile che qui non cambia. Pianificare xhigh basandosi su una tabella per token sottostimerà la bolletta di circa sei volte su un'attività in cui il modello sceglie di pensare più a lungo. L'unico dato che predice il costo è il numero di token di output per risposta, e l'unico modo per ottenerlo è misurarlo sui propri prompt. La documentazione di Google stessa ammette la direzione senza fornire un ordine di grandezza: avverte che xhigh "aumenta la latenza e l'uso di token".

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.

Cosa hanno prodotto i 26.000 token extra

Nel test del pellicano in bicicletta la risposta è: un disegno visibilmente migliore. Il riassunto di Willison è che l'output high era un pellicano piatto senza cestino e senza sfondo, mentre l'output xhigh è arrivato come una bici verde acqua su una spiaggia con un pesce blu nel cestino — competitivo con ciò che G​emini 4 Neon produce per impostazione predefinita all'incirca allo stesso costo. Circa 26.000 token di pensiero extra sono stati impiegati nella composizione, nella scena e nel colore anziché in una risposta corretta.

Consideralo una singola osservazione, non un benchmark. È un prompt, un campione per impostazione, e un compito senza un'unica risposta corretta, il che significa che non gli si può attribuire alcun punteggio di accuratezza. Ciò che invece stabilisce è che il livello più alto può cambiare il carattere di un output in lavori generativi aperti, e che il cambiamento non è sottile quando avviene. Se la stessa spesa sei volte superiore compri qualcosa sul tuo carico di lavoro è una questione separata, e le prossime due sezioni riguardano i casi in cui la risposta è misurata anziché valutata a occhio.

La scala indipendente dice lo stesso

Artificial Analysis assegna un punteggio a Hydrogen per ciascuna delle sue quattro impostazioni, e la forma della curva corrisponde al becco del pellicano. Leggendo la pagina del modello il 22 novembre 2026, l'Intelligence Index è 26.9 a low, 41.2 a medium, 50.8 a high e 53.9 a xhigh. Il costo per attività dell'Index è di $0.29, $0.80, $1.87 e $3.16 sugli stessi quattro livelli, e il tempo per attività è di 1.5, 4.0, 9.0 e 15.8 minuti.

Trasformali in costo marginale — il prezzo del punto successivo — e l'argomento contro il ricorso predefinito al piolo più alto diventa aritmetica anziché gusto:

• da basso a medio — +14,3 punti Index per +51 centesimi, circa 3,5 centesimi per punto

• medio-alto — +9,6 punti per +1,08 $, circa 11,3 centesimi per punto

• da high a xhigh — +3,1 punti per +$1,29, circa 41,1 centesimi per punto

• Totale, da basso a xhigh — +27 punti per +$2,87, circa 10,6 centesimi per punto in media

L'ultimo passo è quello costoso, di quasi quattro volte rispetto al passo precedente, e costa anche il 76 percento in più di tempo effettivo per attività. Il primo passo da basso a medio resta di gran lunga l'acquisto migliore nella scala, cosa che vale la pena ricordare dato che alto è il valore predefinito. Si tratta di misurazioni di terze parti di Artificial Analysis, non di dati del fornitore, e i costi per attività includono input, output e comportamento multi-turno dell'agente — ecco perché non scalano come fa la fattura di un singolo prompt.

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.

Dove xhigh non serve a nulla

La documentazione di Google è esplicita sul livello più alto con una franchezza rara nel materiale di lancio. Dice di riservare xhigh «ai problemi di coding e agentici complessi e a più passaggi in cui high non basta», e avverte che sui prompt più semplici «può causare overthinking o esaurire max_output_tokens». È quella seconda modalità di errore a colpire in silenzio: il limite di token copre sia il ragionamento sia l'output visibile, quindi un prompt a cui high avrebbe risposto comodamente può consumare l'intero budget nel ragionamento e tornare contrassegnato come incompleto, troncato o vuoto. Sembra un errore del modello. È un errore di configurazione.

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.

Un'analisi indipendente di 56 richieste pubblicata a novembre 2026 ha testato la questione che l'avvertimento di Google implica. Su tre prompt di difficoltà da facile a media e due esecuzioni per livello, ha rilevato che xhigh usava circa 3,1 volte i token di ragionamento di high nel complesso e circa cinque volte tanti sul prompt di programmazione, con ogni risposta ancora corretta a ogni livello. La spesa extra ha comprato token e latenza, non accuratezza. Il campione è piccolo e l'autore lo dice; la direzione è coerente sia con l'avvertimento del fornitore sia con la curva di Artificial Analysis, dove l'ultimo gradino aggiunge tre punti anziché quindici.

La suddivisione riguarda quindi la classe di compito, non la capacità del modello. Estrazione, classificazione, formattazione e risposte fattuali brevi hanno un tetto vicino alla loro prima risposta corretta, e pagare sei volte tanto per ottenerlo è puro spreco. La generazione aperta non ha un tale tetto, perché l'output è l'artefatto e c'è sempre più dettaglio disponibile da aggiungere.

Il crossover che conta davvero

Ecco il numero che dovrebbe cambiare il modo in cui usi il modello. Hydrogen a xhigh è costato 23,61 centesimi per un breve prompt di disegno. G​emini 4 Neon, con la sua impostazione predefinita high, è costato 14,55 centesimi per lo stesso prompt nello stesso giorno, e ha prodotto un output che Willison ha giudicato almeno altrettanto buono. Portare Hydrogen al suo livello massimo costa il 62 percento in più rispetto a lasciarlo al default e passare invece a un livello di modello superiore. Se il motivo per cui ricorri a xhigh è "la risposta non è abbastanza buona", un modello più grande con l'impostazione predefinita è spesso la scelta più economica, ed è quella che la maggior parte dei team non controlla.

Quell'ordinamento non regge a un cambiamento del carico di lavoro, ed è proprio la parte che va persa quando un test con prompt breve viene citato come classifica generale. Nel paniere agentico lungo di Artificial Analysis, Neon a high costa $3,74 per attività contro Hydrogen a xhigh a $3,16, quindi il modello più economico su un disegno da quaranta token è quello più caro su un'attività lunga multi-turno. Nessuno dei due numeri è sbagliato. Un prompt breve e un'esecuzione agentica di 15 minuti mettono alla prova parti diverse della scala, e uno scambio di gradino che fa risparmiare su una può far perdere sull'altra.

Un dettaglio datato da includere: la pagina dei prezzi di G​oogle indica che le tariffe di Carbon e Argon raddoppieranno il 1° dicembre 2026, passando da 2 $ per input e 10 $ per output a 4 $ e 20 $. Hydrogen non mostra alcun cambiamento del genere. Ogni confronto sopra che coinvolge i modelli più vecchi ha quindi nove giorni prima che il divario si allarghi a favore di Hydrogen.

Impostarlo e testarlo in un pomeriggio

Il livello è un unico campo. Nell'API nativa generateContent è thinkingConfig.thinkingLevel; nell'API Interactions è generation_config.thinking_level; su una route compatibile con OpenAI arriva come reasoning_effort. Il valore è la stringa in minuscolo — low, medium, high o xhigh — e high è il valore predefinito per Hydrogen. Il thinking non può essere disattivato completamente su questo modello, e il vecchio parametro thinkingBudget è deprecato in favore del livello.

Misurare il costo richiede una lettura in più. I token di ragionamento compaiono in usageMetadata.thoughtsTokenCount sull'API nativa, in usage.total_thought_tokens su Interactions e in reasoning_tokens sulla rotta compatibile — così puoi separare ciò che il modello ha pensato da ciò che ha detto e attribuire un prezzo a ciascuno. Un pomeriggio fattibile: prendi venti prompt reali dai tuoi log, esegui ciascuno con high e xhigh con un limite di output generoso affinché nulla venga troncato, e registra i token e se la risposta ha superato la prova. Confronta il costo totale con il tasso di superamento. Se xhigh non aumenta il tasso di superamento abbastanza da giustificare una fattura circa sei volte più grande sui prompt in cui si attiva, hai la tua risposta per quel carico di lavoro, e sarà una risposta migliore di qualsiasi griglia pubblicata.

Eseguire due impostazioni affiancate è più semplice quando entrambe stanno dietro un'unica chiave, ed è proprio questo che copre OrcaRouter. Serviamo Gemini 4 Argon e G​emini 4 C​arbon al prezzo di listino del provider con 0% di ricarico, quindi le tariffe in questo articolo sono quelle che paghi da noi per quei due. G​emini 4 Hydrogen non è oggi nel nostro catalogo, quindi ogni cifra relativa a Hydrogen qui è il prezzo di listino di G​oogle anziché il nostro — vale la pena dirlo chiaramente, perché la modalità di errore in questo post è esattamente quella in cui un listino tariffe nasconde un moltiplicatore di sei volte. Quando un modello viene instradato tramite noi, il livello di effort è un campo per route, quindi una route canary a xhigh accanto a una route di produzione a high è una modifica di configurazione anziché un percorso di codice.

Che fare con questo lunedì

La regola che sopravvive a tutti i numeri è più ristretta di «usa l'impostazione più alta per i problemi difficili». È questa: scendi la scala finché la qualità non crolla, poi risali di un gradino e verifica se un modello diverso con la sua impostazione predefinita costa meno del gradino extra prima di impegnarti. La scala di Hydrogen stessa colloca quel gradino a circa quaranta centesimi per punto sull'Index e a sei volte i token su un disegno, mentre il passaggio da basso a medio costa tre centesimi e mezzo per punto. La maggior parte del valore in questo modello è nella metà inferiore della scala, e l'impostazione predefinita si colloca al di sopra.

La questione aperta è cosa faccia il livello più alto sul lavoro agentico anziché su un pellicano — se i punti dell'Indice 3.1 che Artificial Analysis misura a xhigh si manifestino come meno chiamate agli strumenti fallite o come più turni spesi a pensarci. Nessuno ha ancora pubblicato quella ripartizione, ed è quella che ti direbbe se lasciare Hydrogen su high in produzione.