Gemini 4 Hydrogen 対 Claude Haiku 5.5：完成したタスクあたりでは7倍に縮まる15倍の価格差

料金表の上では、その差は馬鹿げている。Claude Haiku 5.5は、最大10万トークンのプロンプトで、100万入力トークンあたり0.10ドル、100万出力トークンあたり0.50ドルかかる。Gemini 4 Hydrogenは1.50ドルと7.50ドルだ。入力・出力の両方で15倍高いことになり、しかもこれは2026年11月12日にGoogleのカタログに加わったばかりのモデルである。とはいえ、今週この2つから選ぶ人は、2つの価格を比べているのではない。Artificial Analysis Intelligence Indexで54を記録するモデルと36のモデルを比べているのであり、仕事を始めるコストではなく仕事を仕上げるコストを測った瞬間、15倍という数字は消え去る。

トークンあたりの数とタスクあたりの数が半分食い違っている

{{1}}Artificial Analysis{{/1}}は、両モデルを同じハーネスで実行し、完了したインデックスタスクあたりのコストをトークンあたりの価格と併せて公開している。その結果は、料金表が示す内容とは大きくかけ離れている。

• トークンあたり、入力と出力 — G​emini 4 Hydrogen $1.50 / $7.50 対 Claude Haiku 5.5 $0.10 / $0.50。Haikuは入力で15.0倍安く、出力で15.0倍安く、一律です。

• 完了したインデックスタスク1件あたり — 最高の思考設定での G​emini 4 Hydrogen は $3.16、Claude Haiku 5.5 は $0.41。Haiku は 15倍ではなく 7.7倍安い。

• 差が半減する理由——冗長性。Haiku 5.5 はインデックスを処理するために2億9,800万出力トークンを生成したのに対し、同じ比較クラスの中央値モデルは1億700万トークンだった。Carbon と Hydrogen は7,280万トークンの中央値と比較して測定されているため、この2つの中央値は同じ基準ではない。トークン単価は安いが回答単価は高い。1つの回答に到達するまでにはるかに多くのトークンを要するからだ。

• 同じ7:2:1のキャッシュ/入力/出力の混合比率におけるブレンドレート — G​emini 4 Hydrogen は100万トークンあたり$1.10、Claude Haiku 5.5 は100万トークンあたり$0.077。

最後の2行を合わせて読むと、価格論の構図が変わる。料金表をもとに予算を立てるチームは15倍の節約効果を期待するが、実際に得られるのは8倍弱だ。タスクあたりのコストをもとに予算を立てるチームは実際の数値を得る。そしてその数値は依然として圧倒的にHaikuに有利だが、それは計画を立てる際の基準にできる数値であり、料金表はそうではない。

Haikuのカードに埋もれた、どちらの図表にも捉えられていないしきい値がある。上記はすべて10万トークン未満の価格だ。プロンプトが100,000トークンを超えると、Haiku 5.5は入力$0.50、出力$2.50に移行する。これは5倍の跳ね上がりで、Hydrogenの出力価格の15分の1ではなく、ちょうど3分の1に位置することになる。両モデルとも1,048,576トークンのウィンドウを持つため、このクロスオーバーは理論上ではなく到達可能だ。長いコンテキストのワークロードでは、Haikuは$0.50/$2.50でHydrogenの$1.50/$7.50に対抗し、トークンあたりの差は3倍に縮まる一方、能力差はまったく変わらない。

実際に人が実行するタスクにおいて、18 インデックスポイントが何をもたらすのか

インデックスの18ポイント差は、紙の上では大きな隔たりだ。実務上それが大きな隔たりかどうかは、作業の形態に完全に左右され、ベンダーのベンチマークはどれを読むかによって異なる方向を示している。

• エージェント型ターミナル作業 — Googleは、Gemini 4 HydrogenがTerminal-Bench 4.1で57.0%だと報告しており、これは不正行為調整済みとラベル付けされている。Anthropicは、Claude Haiku 5.5がTerminal-Bench 4.0で39.2%だと報告している。ベンチマークのバージョンが異なるため、この比較は厳密ではなく方向性を示すものだが、方向性は一貫しており、Hydrogenが大幅に優勢であることを示している。

• コンピューター操作 — Hydrogen は OSWorld-2.1 で 77.6%（ベンダー報告）。Haiku 5.5 は同じベンチマークのオフラインサブセットで 72.4%（これもベンダー報告）。Hydrogen のリードはより小さく、サブセットという条件があるため、この2つの数値はまったく同じものを測定しているわけではない。

• ツールなしの高度な推論 — Hydrogen は HLE-Diamond で 58.8%。Haiku 5.5 はツールなしの Humanity's Last Exam で 45.9% だが、ツールありでは 57.4% に上昇する。これはこのペアで最も大きい正直な差であり、「このモデルはスキャフォールドなしで難問を維持できるか」に対応する差である。

• コードレビューと修復 — Chartography での Hydrogen は 66.6%、ツールなしの Chartography での Haiku 5.5 は 46.4%。20ポイント差、同じベンチマーク名、同じツールなし条件。

• フロンティアコーディング — Anthropic は、FrontierCode 1.1 で Haiku 5.5 が 46.4% を記録したと報告し、Haiku 5.5 が Devin Fusion 内でサイドキックとして動作する場合には、Cognition から 66.2 の FrontierCode スコアが報告されたと述べています。2 番目の数値は異なる構成によるもので、同じタスクに対する別のスコアではない点に注意してください。また Anthropic は、両方ともファーストパーティではなく顧客報告によるものとしています。

上記の数値はすべて、そのモデルを販売している企業によるベンダー報告です。独立した再現は一つもなく、ベンチマークのバージョンは十分に異なるため、それらを合算して「HydrogenはX%優れている」という単一の主張にするのは不誠実でしょう。それらが裏付けるのは、より狭く、より有用なことです。Hydrogenは、長時間実行されツールを使用するタスクでは大幅に優れており、差が最も小さいのは、作業が単一の限られた問いである場合です。

どちらも起動が遅いが、そのことは誰も見出しには書かない。

これは、価格や指標で選んだものの、最初のトークンが届くのを目の当たりにした人々を驚かせる、比較の一部分です。

• 最初の回答トークンまでの時間 — Gemini 4 Hydrogen は最高思考設定で 40.55 秒、Claude Haiku 5.5 は最高設定で 175.95 秒。Hydrogen は 4 倍早く開始し、どちらの数値もインタラクティブなサーフェスが許容できる範囲をはるかに超えています。

• 一度開始してからの出力速度 — Claude Haiku 5.5 は毎秒256トークン、G​emini 4 Hydrogen は毎秒188トークン。Haiku のほうが書き込みは速く、開始は遅い。

• インデックスタスク1件あたりの平均所要時間 — Claude Haiku 5.5 は14.7分。完了したタスク1件あたりで見ると、2つのモデルは似た水準に落ち着くが、そこへ至る道筋は正反対だ。

• Hydrogen のデフォルトの思考レベルでは、最初のトークンまでの時間が約 16.7 秒に短縮されます。これはチャット画面で重要な数値であり、54 ではなく 51 のインデックススコアを生み出す設定でもあります。

人間が待つものを構築しているなら、どちらのモデルの看板構成も適切ではありません。特にHaiku 5.5は、LowからMaxまで調整可能なエフォート設定モデルであり、175.95秒とindex-36という数値はMax設定のものです。より低いエフォートでは起動が早くなりスコアも下がりますが、A​nthropicは一方を他方に対応付ける表を公開していません。それは自分で実行しなければならないテストです。

価格比率が実際に宿るのはキャッシングの部分だ

安定したプレフィックスを持つワークロード — システムプロンプト、リポジトリマップ、ドキュメントセット — では、キャッシュされた入力が請求額の大部分を占め、2枚のカードは比較の順序を変えるほど動作が異なります。

• キャッシュ読み取り価格 — Claude Haiku 5.5 は100万あたり$0.01、入力料金$0.10からの90%割引。G​emini 4 Hydrogen は100万あたり$0.075、$1.50からの95%割引。

• キャッシュの仕組み — Claude Haiku 5.5 は100万トークンあたり$0.125で明示的なキャッシュ書き込みをサポートするため、何をどれだけの期間キャッシュするかを制御できます。G​emini 4 Hydrogen は暗黙的なキャッシュのみをサポートし、明示的なキャッシュハンドルはありません。そのため、割引は呼び出すAPIではなくサービスの動作です。

• それが意味するのは——60,000トークンの共有プレフィックスを1日1,000回読むワークロードでは、キャッシュ読み取りのコストがHaikuで1日0.60ドル、Hydrogenで4.50ドルになるということだ。15倍ではなく7.5倍の差になるのは、Hydrogenが95%割引するのに対しHaikuは90%割引するためだ。同じプレフィックスをHaikuのしきい値を超える200,000トークンまで増やすと、状況は逆転する。Haikuのロングティアのキャッシュ読み取りは100万トークンあたり0.05ドルなので、読み取りコストはHaikuで10.00ドル、Hydrogenで15.00ドルになる一方、そのリクエスト内の新規入力トークンはすべてHaikuの方が3倍安くなる。キャッシュの差は、入力の差が広がるまさにその場所で縮まる——これは長いコンテキストのワークロードが期待するトレードオフではない。

この非対称性は、Hydrogen が最も得意とするワークロードで特に重要です。大規模で安定したコンテキストを伴う長いエージェントセッションは、まさに暗黙的キャッシュが役立つ場面であり、まさに何を常駐させるかを明示的に制御したい場面でもあります。Haiku は制御と、あらゆるプレフィックス長でより安価なキャッシュを提供します。Hydrogen は能力を提供しますが、反復にサービスが気づくことを信頼するよう求めます。

3つのワークロードに、3つの異なる答え

これ以上抽象化するのはかえって不適切なので、実践における線引きはここになります。

数百万件の短いドキュメントを対象とする分類・抽出パイプラインは、Haiku 5.5 の仕事量であり、他は足元にも及ばない。入力も出力も限られ、ツールも不要、長いホライズンもない。インデックスの差は無関係だ。このタスクではそれが問われないからだ。そして $0.10/$0.50 対 $1.50/$7.50 は、すでに最大のコスト要因である請求額において15分の1の節約になる。これを Hydrogen に移しても何も得られず、桁違いのコストがかかる。

ファイルを編集し、テストを実行し、失敗から復旧するコーディングエージェントは、Hydrogenのワークロードです。Terminal-BenchとChartographyのギャップが直接的な証拠であり、タスクあたりのコストの数値——$3.16対$0.41——はその差を過小評価しています。なぜなら、Haikuが完了できないタスクは、安価なのではなく、完了あたりのコストが無限大になるからです。この比較は、両方のモデルが実行できるタスクについてのみ成り立ちます。

長い文書を要約する夜間バッチは曖昧な中間に位置し、100Kのしきい値で決まります。1回の呼び出しあたり100,000トークン未満では、Haikuはトークンあたり15倍安く、完了タスクあたりでは約8倍安くなります。それを超えるとHaikuの価格は5倍になり、正直な答えは自分のコーパスで両方をテストすることです。なぜなら、分岐点は入力のどれだけがプロンプトでどれだけが文書かによって決まるからです。

対話型アシスタントはどちらでもない。両モデルとも最大設定で起動するには遅すぎるし、チャット画面に適した構成は、Hydrogenをデフォルトレベルで使うか、Haikuをより低いエフォート設定で使うかだ——二つのダウングレードの比較であり、ほとんど誰もベンチマークせず、この問いの中で実際にユーザーに届く唯一のバージョンである。

事前に勝者を決めずに両方を実行する

ほとんどのチームにとって妥当な立場は、これを移行ではなくルーティングの判断と捉えることです。そしてルーティングの判断は、移行よりも巻き返すコストが低く済みます。

OrcaRouterは、そのラインナップの最上位にあるこれら2つのモデルをいずれも取り扱っていません：Claude Haiku 4.5はカタログに掲載されており、100万トークンあたり$1.00および$5.00、200,000トークンのウィンドウを備え、Gemini 3.8 Flashは$0.75および$3.75でフル1,048,576トークンのウィンドウを備えています——どちらもプロバイダーの定価でマークアップ0%、1つのキー上で、プロバイダー間の自動フェイルオーバー付きです。Haiku 5.5とHydrogenはどちらも各ベンダー自身のAPIから提供されます。したがって、実用的な構成はルーティングポリシーです：ベンチマークでの優位性が実際に存在する長期的な実行ターンにはHydrogenを直接呼び出し、価格面の優位性が実際に存在する大量かつ範囲の限定された呼び出しにはHaiku 5.5を直接呼び出し、その両方の背後にルーティングされたモデルを置いて、いずれかのベンダーがスロットリングしたり、レート制限を引き上げたり、価格改定を行ったりしたときにリクエストがフォールバックする経路とします。

最後の条項は仮定の話ではない。Googleのカードではすでに、Gemini 4 CarbonとGemini 4 Argonが2026年12月1日に$2.00/$10.00から$4.00/$20.00へ2倍になると予定されている一方、Hydrogenには日付付きの段階的変更がない。AnthropicはすでにこのサイクルでHaikuの価格を一度動かし、5.5が4.5に取って代わった際、10万未満のティアで約90%値下げした。プロバイダーの定価をマークアップなしでそのまま通すルーティング層は、それらの変更が次の契約更新時ではなく、実施された日にあなたに届くことを意味する——価格だけを論拠とする比較にとって、それは重要な機能だ。

何がこの回答を変えるでしょうか

その効果がどれだけ大きいかの順に、3つ。

Terminal-Benchギャップの独立再現。上記のエージェント関連の数値はすべて双方ともベンダー報告によるもので、しかもベンチマークのバージョンが異なる。そして、Hydrogenの価格プレミアムを正当化する唯一最大の根拠は、どちらの企業も監査を受けていない数値に依存している。Artificial Analysisは両モデルの指数を公表しているが、決着をつけるはずのベンチマーク別サブスコアは公表していない。

Haiku 5.5について公開されたエフォート対品質曲線。Lowエフォートが、レイテンシのほんの一部でMax設定のスコアの大半を維持できるなら、インタラクションのユースケースは狭まり、価格上の優位性は現在Hydrogenに割り当てられているワークロードへと上方向に広がる。A​nthropicは設定を提供しているが、その表は提供していない。

Hydrogenのカードへの一手。現状それは何もなく、3つのうち2つが3週間で2倍になるファミリーでは異例だ。もしそれが変われば、この比較を面白くしている唯一の数字であるタスクあたりのコストも一緒に動き、7.7倍はまったく別物になる。

それらのどれかが登場するまでは、妥当な要約は、料金表が示唆するものではなく、独立したハーネスが裏付けるものだ。Haiku 5.5 は、トークンで数えるか完了したタスクで数えるかによって7～15倍安く、Hydrogen は、長時間実行してツールを使うものなら何であれ明確に優れており、分担を決めるべき唯一の数字は、実際に完了できるタスク1件あたりにそれぞれがかかるコストだ。