Gemini 4 Hydrogen의 최상위 사고 등급에 관한 기사용 타이틀 카드로, 동일한 프롬프트에 대해 high effort에서는 5,311 출력 토큰과 3.99센트를, xhigh에서는 31,477 토큰과 23.61센트를 보여주며, 둘 다 출력 100만 토큰당 동일한 $7.50 요율을 사용한다는 설명이 포함되어 있습니다.
Guides & Insights

Gemini 4 Hydrogen: 6배의 청구서로 xhigh가 얻는 것

작성자

jinhao.song

게시일

최신 모델 · 20모든 모델 보기 →
벤치마크: Artificial Analysis · 매일 업데이트
모든 게시물로 돌아가기

동일한 짧은 프롬프트를 G​emini 4 Hydrogen으로 두 번 실행했으며, 설정은 하나만 달랐다. high에서는 모델이 출력 토큰 5,311개를 사용했고 3.99센트가 청구됐다. xhigh에서는 31,477개를 사용했고 23.61센트가 청구됐다. 같은 날 G​emini 4 Neon 실행에서도 같은 비교가 나타나는데, 여기서 최상위 단계는 39.83센트로 high의 14.55센트와 대비됐다. Simon Willison은 2026년 11월 20일 두 쌍을 모두 공개했는데, 이는 G​oogle이 11월 12일 G​emini 4 Hydrogen을 출시한 지 나흘 뒤였다. 그리고 이 수치들은 대부분의 사람이 아직 접해 보지 못한 G​emini 4 노력 수준 사다리의 맨 꼭대기에서 처음 공개된 나란한 비교다.

흥미로운 점은 더 깊은 설정이 더 비싸다는 게 아니라, 토큰당 요율이 전혀 변하지 않았다는 것입니다. Hydrogen은 모든 단계에서, xhigh와 사고 토큰을 포함해, 입력 토큰 100만 개당 $1.50, 출력 토큰 100만 개당 $7.50을 청구합니다. 토큰 수에 그 요율을 곱하면 청구서가 센트 단위까지 그대로 나옵니다. 따라서 xhigh는 추가 비용을 내는 프리미엄 등급이 아닙니다. 모델이 약 6배 더 많이 쓰도록 허용하는 결정이며, 청구서는 자동으로 따라옵니다.

두 법안, 그리고 금리가 유지된 이유

이 산술은 한 번 손으로 직접 해볼 가치가 있습니다. 왜냐하면 그것이 당신이 실제로 무엇을 사고 있는지를 확정해 주기 때문입니다. Hydrogen의 출력 요금은 백만 토큰당 $7.50입니다. 5,311토큰에서는 3.98센트이며, 측정된 청구액은 3.99였습니다. 31,477토큰에서는 23.61센트이며, 이는 측정된 청구액과 정확히 일치합니다. 입력 측은 이 규모에서는 잡음에 불과합니다. 몇십 개 토큰의 프롬프트는 백만 토큰당 $1.50 기준으로 1센트의 100분의 1에도 못 미치는 비용이 듭니다.

• 출력 토큰 — high에서 5,311, xhigh에서 31,477로 5.9배 차이

• 센트 단위 비용 — 3.99 대 23.61, 동일한 5.9배

• 출력 요금 — 두 설정 모두 100만 토큰당 $7.50, 변경 없음

• 입력 요금 — 두 설정 모두 백만 토큰당 $1.50, 변동 없음

• 컨텍스트 — 최대 100만 토큰까지 단일 요금이며, 장문 컨텍스트 할증은 명시되어 있지 않음

이는 이 모델의 예산을 책정하는 모든 사람에게 실질적인 결과를 낳습니다. 공급업체 가격표는 토큰 요율을 기준으로 구성되며, 이 요율은 여기서 변하지 않는 유일한 변수입니다. 토큰당 표를 기준으로 xhigh를 계획하면 모델이 더 오래 생각하기로 선택하는 작업에서 청구 금액을 약 6배나 낮게 추정하게 됩니다. 비용을 예측하는 유일한 수치는 답변당 출력 토큰이며, 이를 얻는 유일한 방법은 자신의 프롬프트에서 측정하는 것입니다. Google 자체 문서도 규모는 제시하지 않은 채 방향성은 인정합니다. xhigh가 "지연 시간과 토큰 사용량을 증가시킨다"고 경고합니다.

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.

추가 26,000 토큰이 만들어낸 것

펠리컨이 자전거를 타는 테스트에서 답은 이렇습니다: 눈에 띄게 더 나은 그림입니다. Willison의 요약에 따르면 high 출력은 바구니도 배경도 없는 평면적인 펠리컨이었고, xhigh 출력은 해변 위의 청록색 자전거에 바구니 안에 파란 물고기가 있는 모습으로 나왔으며 — 대략 같은 비용으로 G​emini 4 Neon이 기본적으로 생성하는 것과 견줄 만했습니다. 약 26,000개의 추가 사고 토큰이 정답보다는 구성, 장면, 색채에 들어갔습니다.

그것을 벤치마크가 아니라 하나의 관찰로 취급하세요. 이는 하나의 프롬프트, 설정당 하나의 샘플, 그리고 단일한 정답이 없는 작업이므로 정확도 점수를 붙일 수 없습니다. 이것이 확립하는 것은 최상위 등급이 개방형 생성 작업에서 출력의 성격을 바꿀 수 있으며, 그 변화가 일어날 때 미묘하지 않다는 점입니다. 동일한 6배 지출이 당신의 워크로드에서 무엇인가를 얻어 주는지는 별개의 질문이며, 다음 두 섹션은 답을 눈대중이 아니라 측정하는 경우들에 관한 것입니다.

독립적인 사다리도 같은 말을 한다.

Artificial Analysis는 Hydrogen의 네 가지 설정 각각에 점수를 매기며, 곡선의 모양은 펠리컨 부리와 일치한다. 2026년 11월 22일에 모델 페이지를 보면, Intelligence Index는 low에서 26.9, medium에서 41.2, high에서 50.8, xhigh에서 53.9이다. Index 작업당 비용은 같은 네 단계에서 $0.29, $0.80, $1.87, $3.16이고, 작업당 시간은 1.5, 4.0, 9.0, 15.8분이다.

그것들을 한계비용, 즉 다음 점의 가격으로 바꾸면, 최상위 단계를 기본값으로 삼는 것에 반대하는 논리는 취향이 아니라 산수가 된다:

• 낮음~중간 — +51센트로 +14.3 지수 포인트, 포인트당 약 3.5센트

• 중간~높음 — +$1.08에 +9.6포인트, 포인트당 약 11.3센트

• high에서 xhigh로 — +$1.29로 +3.1점, 점당 약 41.1센트

• 합계, 낮음~매우 높음 — +$2.87에 +27포인트, 평균 포인트당 약 10.6센트

마지막 단계는 바로 앞 단계보다 거의 4배나 비싸며, 작업당 실제 소요 시간도 76% 더 듭니다. low에서 medium으로 가는 첫 단계는 여전히 이 사다리에서 단연 가장 가성비가 좋은 선택인데, high가 기본값이라는 점을 고려하면 기억해 둘 만합니다. 이는 벤더 수치가 아니라 Artificial Analysis의 제3자 측정치이며, 작업당 비용에는 입력, 출력, 멀티턴 에이전트 동작이 함께 포함됩니다. 그래서 단일 프롬프트의 청구서처럼 비례해 증가하지 않습니다.

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.

xhigh가 전혀 도움이 되지 않는 경우

Google의 문서는 출시 자료에서는 좀처럼 보기 힘든 직설적인 방식으로 최상위 단계에 대해 노골적으로 말한다. xhigh는 "high로는 부족한 어려운 다단계 코딩 및 에이전트형 문제"에 사용하라고 권하고, 더 단순한 프롬프트에서는 "과도한 사고를 유발하거나 max_output_tokens를 소진할 수 있다"고 경고한다. 두 번째 실패 모드는 조용히 문제를 일으키는 쪽이다. 토큰 한도는 보이는 출력뿐 아니라 사고도 포함하므로, high에서라면 충분히 답할 수 있었던 프롬프트가 추론에 전체 예산을 태워 버리고 incomplete, truncated 또는 empty로 표시되어 돌아올 수 있다. 이는 모델 실패로 읽힌다. 하지만 구성 실패다.

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.

2026년 11월에 발표된 독립적인 56개 요청 스윕은 Google의 경고가 시사하는 질문을 검증했다. 쉬움에서 중간 난이도의 프롬프트 세 개와 각 수준당 두 번의 실행에 걸쳐, 이 스윕은 전반적으로 xhigh가 high보다 사고 토큰을 약 3.1배 사용했고 코딩 프롬프트에서는 약 5배나 더 사용했으며, 모든 수준에서 모든 답변이 여전히 정확했다는 점을 발견했다. 추가 비용으로 얻은 것은 정확도가 아니라 토큰과 지연 시간이었다. 표본은 작으며 저자도 그렇게 말한다. 그 방향성은 벤더의 경고와 Artificial Analysis의 곡선 모두와 일치하는데, 마지막 단계에서는 15포인트가 아니라 3포인트가 추가된다.

따라서 구분 기준은 모델 역량이 아니라 작업 클래스입니다. 추출, 분류, 포맷팅, 짧은 사실형 답변은 첫 번째 정답에 가까운 상한이 있으며, 그에 대해 여섯 배를 지불하는 것은 순전한 낭비입니다. 개방형 생성에는 그런 상한이 없습니다. 출력물 자체가 결과물이고, 추가할 세부 정보가 항상 더 있기 때문입니다.

정말로 중요한 크로스오버

모델을 사용하는 방식을 바꿔야 할 수치가 여기 있습니다. Hydrogen을 xhigh로 설정하면 짧은 그림 프롬프트 하나에 23.61센트가 들었습니다. 같은 날 같은 프롬프트에 G​emini 4 Neon은 기본 high 설정으로 14.55센트가 들었고, Willison이 최소한 그만큼 좋다고 판단한 출력을 생성했습니다. Hydrogen을 최상위 단계로 올리는 것은 기본 설정으로 두고 대신 모델 등급을 한 단계 올리는 것보다 62퍼센트 더 비쌉니다. xhigh를 선택하는 이유가 "답변이 충분히 좋지 않아서"라면, 기본 설정의 더 큰 모델이 흔히 더 저렴한 선택이며, 대부분의 팀이 확인하지 않는 바로 그 선택입니다.

그 순서는 작업량이 바뀌면 유지되지 않는데, 바로 이 점이 짧은 프롬프트 테스트를 일반적인 순위로 인용할 때 빠지는 부분이다. Artificial Analysis의 긴 에이전트형 바스켓에서 high의 Neon은 작업당 $3.74, xhigh의 Hydrogen은 $3.16이므로, 40토큰 도면에서 더 저렴한 모델이 긴 멀티턴 작업에서는 더 비싼 모델이 된다. 어느 숫자도 틀리지 않았다. 짧은 프롬프트와 15분 에이전트 실행은 사다리의 서로 다른 부분을 사용하며, 한쪽에서 비용을 절약하는 단계 교체가 다른 쪽에서는 비용을 잃을 수 있다.

추가로 고려해야 할 날짜 관련 변수 하나: G​oogle의 가격 페이지에는 Carbon 및 Argon 요금이 2026년 12월 1일에 두 배로 인상되어 입력 $2, 출력 $10에서 $4, $20으로 오른다고 나와 있습니다. Hydrogen에는 그런 변경이 표시되지 않습니다. 따라서 위의 비교 중 구형 모델이 포함된 모든 비교는 Hydrogen에 유리하게 격차가 벌어지기까지 이제 9일밖에 남지 않았습니다.

설정하고, 반나절 만에 테스트하기

레벨은 하나의 필드입니다. 네이티브 generateContent API에서는 thinkingConfig.thinkingLevel이고, Interactions API에서는 generation_config.thinking_level이며, OpenAI 호환 경로에서는 reasoning_effort로 전달됩니다. 값은 소문자 문자열인 low, medium, high 또는 xhigh이며, Hydrogen의 기본값은 high입니다. 이 모델에서는 Thinking을 완전히 끌 수 없으며, 이전 thinkingBudget 매개변수는 레벨을 사용하는 방식으로 대체되어 더 이상 사용되지 않습니다.

비용을 측정하는 데는 추가로 한 번만 읽으면 됩니다. 사고 토큰은 네이티브 API에서는 usageMetadata.thoughtsTokenCount에, Interactions에서는 usage.total_thought_tokens에, 호환 경로에서는 reasoning_tokens에 나타납니다. 따라서 모델이 생각한 것과 말한 것을 분리해 각각 가격을 매길 수 있습니다. 오후 한나절이면 해볼 수 있는 방법은 다음과 같습니다. 자체 로그에서 실제 프롬프트 20개를 뽑아 각각을 high와 xhigh에서 출력 한도를 넉넉히 두고 잘리는 것 없이 실행한 뒤, 토큰 수와 답변이 통과했는지 기록하세요. 총비용과 통과율을 비교하세요. xhigh가 작동하는 프롬프트에서 약 6배 더 큰 비용을 정당화할 만큼 통과율을 끌어올리지 못한다면, 그 워크로드에 대한 답을 얻은 것이며, 그것은 어떤 공개된 표보다 더 나은 답일 것입니다.

두 설정을 나란히 실행하는 것은 둘 다 하나의 키 뒤에 있을 때 더 쉽습니다. 바로 그 부분을 OrcaRouter가 담당합니다. 저희는 Gemini 4 Argon과 G​emini 4 C​arbon을 공급자 정가에 0% 마크업으로 제공하므로, 이 글의 요금은 그 두 모델에 대해 저희 쪽에서 지불하시는 요금입니다. G​emini 4 Hydrogen은 현재 저희 카탈로그에 없으므로, 여기서 모든 Hydrogen 수치는 저희 요금이 아니라 G​oogle의 정가입니다 — 분명히 말해 둘 가치가 있습니다. 이 글의 실패 모드는 바로 요율표가 6배 승수를 숨기는 경우이기 때문입니다. 모델이 저희를 통해 라우팅되는 경우, effort 수준은 라우트별 필드이므로 xhigh의 카나리 라우트와 high의 프로덕션 라우트를 함께 두는 것은 코드 경로가 아니라 구성 변경입니다.

월요일에 이걸 어떻게 해야 하나요?

모든 수치에도 살아남는 규칙은 "어려운 문제에는 가장 높은 설정을 사용하라"보다 범위가 더 좁다. 그 규칙은 이렇다. 품질이 무너질 때까지 사다리를 내려간 다음, 한 단계 다시 올라가고, 결정하기 전에 기본값 상태의 다른 모델이 추가 한 단계보다 저렴한지 확인하라. Hydrogen 자체의 사다리에서 그 단계는 Index에서 포인트당 약 40센트, 도면에서는 토큰 6배에 해당한다. 반면 낮음에서 중간으로 가는 단계는 포인트당 3.5센트가 든다. 이 모델의 가치 대부분은 사다리의 아래쪽 절반에 있으며, 기본값은 그 위에 있다.

풀리지 않은 질문은 최상위 등급이 펠리컨이 아니라 에이전트 작업에서 무엇을 하는가입니다. 즉 Artificial Analysis가 xhigh에서 측정하는 3.1 Index 점수가 실패한 도구 호출이 줄어드는 것으로 나타나는지, 아니면 그 호출들에 대해 생각하는 데 더 많은 턴을 쓰는 것으로 나타나는지입니다. 아직 그 세부 분석을 공개한 사람은 없으며, 바로 그 분석이 프로덕션에서 Hydrogen을 high로 둘지 알려줄 것입니다.