Gemini 4 Hydrogenの最上位思考ティアに関する記事のタイトルカード。同じプロンプトで、高エフォート時は5,311出力トークンと3.99セント、xhigh時は31,477トークンと23.61セントであることを示し、両方とも同じ100万出力トークンあたり7.50ドルの出力単価を使用するという注記付き。
Guides & Insights

Gemini 4 Hydrogen:6倍の請求額でxhighがもたらすもの

著者

jinhao.song

公開日

最新モデル · 20すべてのモデルを見る →
ベンチマーク:Artificial Analysis · 毎日更新
すべての記事に戻る

同じ短いプロンプトをG​emini 4 Hydrogenで2回実行し、設定を1つだけ変えた。highではモデルは出力トークンを5,311消費し、3.99セント課金された。xhighでは31,477消費し、23.61セント課金された。同じ比較は同日のG​emini 4 Neonの実行にも現れ、そこでは最上位段階がhighの14.55セントに対して39.83セントだった。Simon Willisonは2026年11月20日に両方のペアを公開した。G​oogleがG​emini 4 Hydrogenを11月12日にリリースしてから4日後のことである。そしてこれらの数字は、ほとんどの人がまだ触れていないG​emini 4のエフォート階層のまさに最上段における、初の公開横並び比較である。

興味深いのは、より深い設定のほうが費用がかかることではない。トークンあたりの料金がまったく変わらないことだ。Hydrogen は、xhigh を含むどの段階でも、思考トークンも含めて、入力トークン100万あたり1.50ドル、出力トークン100万あたり7.50ドルを課金する。トークン数にその料金を掛ければ、請求額はセント単位まで一致する。つまり xhigh は、追加料金を払うプレミアム階層ではない。モデルに約6倍の量を書かせるという判断であり、請求書は自動的にそれに従うのだ。

2つの法案と、金利が据え置かれた理由

この計算は一度手でやってみる価値がある。実際に何を買っているのかがはっきりするからだ。Hydrogenの出力レートは100万トークンあたり7.50ドル。5,311トークンなら3.98セントで、実測の請求額は3.99セントだった。31,477トークンなら23.61セントで、これは実測の請求額と正確に一致する。入力側はこの規模では誤差のようなものだ。数十トークンのプロンプトなら、100万トークンあたり1.50ドルで、1セントの100分の1にも満たない額にしかならない。

• 出力トークン — highでは5,311、xhighでは31,477、5.9倍

• セント単位のコスト — 3.99 対 23.61、同じ 5.9 倍

• 出力レート — 両方の設定で100万トークンあたり$7.50、変更なし

• 入力レート — どちらの設定でも100万トークンあたり$1.50、変更なし

• コンテキスト — 1Mトークンまで一律料金、長コンテキスト割増の記載なし

これは、このモデルの予算を立てるすべての人にとって実用的な意味を持つ。ベンダーの価格表はトークン単価ごとに整理されており、その単価こそがここでは動かない唯一の変数だ。トークン単価の表に基づいて xhigh を計画すると、モデルがより長く考えることを選ぶタスクでは請求額を約6倍低く見積もることになる。コストを予測できる唯一の数値は回答あたりの出力トークン数であり、それを得る唯一の方法は自分のプロンプトで測定することだ。G​oogle 自身のドキュメントも、規模は示さずに方向性だけを認めている。xhigh は「レイテンシとトークン使用量を増やす」と警告している。

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.

余分な26,000トークンが生み出したもの

ペリカンが自転車に乗っているテストでの答えは、明らかに優れた描画です。ウィリソンの要約では、high出力はかごも背景もない平面的なペリカンで、xhigh出力は浜辺に置かれた青緑の自転車になり、かごには青い魚が入っていた——ほぼ同じ金額でG​emini 4 Neonがデフォルトで生成するものと互角だという。約2万6000個の追加思考トークンが、正しい答えではなく、構図・場面・色に費やされた。

それをベンチマークではなく、単一の観察として扱ってください。それは1つのプロンプト、設定ごとに1サンプルであり、単一の正解がないタスクなので、精度スコアを付けることはできません。それが確立するのは、最上位の段階がオープンエンドの生成作業において出力の性格を変え得ること、そして変化が起きる時にはそれが微妙なものではないということです。同じ6倍の支出があなたのワークロードで何かをもたらすかどうかは別の問いであり、次の2つのセクションは、答えが目分量ではなく測定されるケースについてです。

独立したはしごも同じことを言っている。

Artificial AnalysisはHydrogenを4つの設定それぞれで採点しており、その曲線の形はペリカンのくちばしと一致する。2026年11月22日にモデルのページを読むと、Intelligence Indexはlowで26.9、mediumで41.2、highで50.8、xhighで53.9となっている。同じ4段階で、Indexタスクあたりのコストは$0.29、$0.80、$1.87、$3.16、タスクあたりの時間は1.5、4.0、9.0、15.8分である。

それらを限界費用——次の1点の価格——に換算すれば、最上位の段を既定にすることをめぐる反論は、好みではなく算数になる:

• 低~中程度 — +51セントで+14.3インデックスポイント、1ポイントあたり約3.5セント

• 中~高 — +$1.08で+9.6ポイント、1ポイントあたり約11.3セント

• high → xhigh — +$1.29 で +3.1 ポイント、1ポイントあたり約41.1セント

• 合計、low〜xhigh — +$2.87で+27ポイント、平均すると1ポイントあたり約10.6セント

最後の段階は、その前の段階に比べて約4倍のコストがかかり、タスクあたりの実時間も76%多くかかります。lowからmediumへの最初の段階は、この階段の中で圧倒的に最も費用対効果が高いままであり、highがデフォルトであることを考えると覚えておく価値があります。これらはArtificial Analysisによる第三者測定であり、ベンダー公表値ではありません。また、タスクあたりのコストには入力、出力、マルチターンのエージェント動作が含まれるため、単一プロンプトの請求額のようにはスケールしません。

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.

xhigh がまったく役に立たない場合

Googleのドキュメントは、ローンチ資料ではめったに見られないほど、最上位の段階について率直に述べている。xhighは「highでは不足する、困難で多段階のコーディングやエージェント型の問題のために」取っておくよう指示し、より単純なプロンプトでは「考えすぎを引き起こしたり、max_output_tokensを使い果たしたりする可能性がある」と警告している。2つ目の失敗モードは、静かに牙をむくものだ。トークン上限は思考も可視出力も対象とするため、highなら余裕をもって回答できたはずのプロンプトが、推論だけで予算全体を消費し、不完全、切り詰め、または空として返ってくることがある。それはモデルの失敗に見える。だが設定の失敗なのだ。

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.

2026年11月に公開された独立した56リクエストのスイープは、G​oogleの警告が示唆する問いを検証した。3つの易しい〜中程度のプロンプトと各レベル2回の実行を通じて、xhighは全体でhighの約3.1倍の思考トークンを使用し、コーディングプロンプトでは約5倍使用したが、どのレベルでもすべての回答は依然として正しかった。余分なコストがもたらしたのはトークンとレイテンシであり、精度ではなかった。サンプルは小さく、著者もそう述べている。方向性はベンダーの警告とArtificial Analysisの曲線の両方と一致しており、そこでは最終段が15ポイントではなく3ポイントを加える。

したがって、分かれ目はモデルの能力ではなく、タスクの種類です。抽出、分類、整形、短い事実回答には、最初の正解に近い上限があり、それに6倍のコストを払うのは純粋な無駄です。オープンエンドの生成にはそのような上限がありません。出力そのものが成果物であり、追加できる詳細は常にあるからです。

本当に意味のあるクロスオーバー

モデルの使い方を変えるはずの数字がこれです。Hydrogenをxhighで使うと、短い描画プロンプト1回に23.61セントかかりました。同じ日の同じプロンプトで、G​emini 4 Neonをデフォルトのhighで使うと14.55セントで、Willisonが少なくとも同等以上と判断した出力を生成しました。Hydrogenを最上位段階に上げるのは、デフォルトのままにして代わりにモデルを1段階上げるより62パーセント高くつきます。xhighに手を伸ばす理由が「答えが十分でない」なら、より大きなモデルをデフォルト設定で使う方が安く済むことが多く、それはほとんどのチームが確認していない選択肢です。

その順序はワークロードが変わると維持されず、短いプロンプトのテストが一般的なランキングとして引用されるときに失われるのはまさにその部分だ。Artificial Analysisの長いエージェント型バスケットでは、high設定のNeonはタスクあたり3.74ドル、xhigh設定のHydrogenは3.16ドルなので、40トークンのお題では安いモデルが、長いマルチターンタスクでは高い方になる。どちらの数値も間違いではない。短いプロンプトと15分間のエージェント実行はラダーの異なる部分を試すものであり、一方でコストを節約する段の入れ替えが、他方では損になることがある。

考慮すべき時限的な注意点が一つあります。G​oogleの料金ページでは、CarbonとArgonの料金が2026年12月1日に倍増し、入力$2・出力$10から$4・$20になると記載されています。Hydrogenにはそのような変更はありません。したがって、上記の旧モデルを含むすべての比較は、Hydrogenに有利な差が広がるまで残り9日です。

それを設定して、午後にはテストする

レベルは 1 つのフィールドです。ネイティブの generateContent API では thinkingConfig.thinkingLevel、Interactions API では generation_config.thinking_level、OpenAI 互換ルートでは reasoning_effort として渡されます。値は小文字の文字列 — low、medium、high、xhigh — で、Hydrogen のデフォルトは high です。このモデルでは思考を完全にオフにすることはできず、古い thinkingBudget パラメータはレベルに置き換えられて非推奨となっています。

コストを測るには、追加で1回読むだけで済みます。思考トークンは、ネイティブAPIでは usageMetadata.thoughtsTokenCount、Interactionsでは usage.total_thought_tokens、互換ルートでは reasoning_tokens に現れるため、モデルが考えたことと発言したことを分け、それぞれに価格を付けられます。実行可能な半日プランとしては、自分のログから実際のプロンプトを20件取り、それぞれを high と xhigh で、何も切り捨てられないよう十分な出力上限を付けて実行し、トークン数と回答が合格したかどうかを記録します。総コストを合格率と比較します。xhigh が、それが作動するプロンプトで約6倍大きくなる請求を正当化するほど合格率を上げないなら、そのワークロードについての答えは出たことになり、それは公開されているどのグリッドよりも良い答えになります。

2つの設定を並行して実行するのは、両方が1つのキーの背後にあると簡単になります。OrcaRouterがカバーするのはまさにその部分です。当社はGemini 4 ArgonおよびG​emini 4 C​arbonをプロバイダー定価に0%のマークアップを適用して提供しているため、本記事の料金は、この2モデルについて当社側でお支払いいただく料金です。G​emini 4 H​ydrogenは現在当社のカタログにありません。そのため、ここに記載するHydrogenの数値はすべて当社の料金ではなくG​oogleの定価です。はっきり言っておく価値があります。というのも、この記事で扱う失敗モードはまさに、料金表が6倍の乗数を隠すというものだからです。モデルが当社経由でルーティングされる場合、エフォートレベルはルートごとのフィールドです。したがって、xhighのカナリアルートをhighの本番ルートと並行して使うのは、コードパスではなく設定変更です。

これを月曜日にどうするか

すべての数値を踏まえて生き残るルールは、「難しい問題には最高設定を使う」よりも狭い。それは、品質が崩れるまでラダーを下り、そこから一段だけ戻し、コミットする前に別のモデルをデフォルトのまま使う方が余分な一段より安くないかを確認する、というものだ。Hydrogen自身のラダーでは、その一段はIndexで1ポイントあたり約40セント、図面ではトークン数が6倍になる一方、低から中への一段は1ポイント3.5セントで済む。このモデルの価値の大半はラダーの下半分にあり、デフォルトはその上に位置している。

未解決の問いは、ペリカン上ではなくエージェント作業において最上位の段階が何をするか——Artificial Analysisがxhighで測定する3.1 Indexのポイントが、失敗したツール呼び出しの減少として現れるのか、それともそれらについて考えるターン数の増加として現れるのか——だ。その内訳はまだ誰も公開しておらず、本番環境でHydrogenをhighのままにしておくべきかを教えてくれるのはまさにそれだ。