Karta tytułowa do artykułu o najwyższym poziomie myślenia Gemini 4 Hydrogen, pokazująca 5 311 tokenów wyjściowych i 3,99 centa przy high effort w porównaniu z 31 477 tokenami i 23,61 centa przy xhigh dla tego samego promptu, z adnotacją, że oba korzystają z tej samej stawki 7,50 USD za milion tokenów wyjściowych.
Guides & Insights

Gemini 4 Hydrogen: co daje xhigh za 6-krotność rachunku

Autor

jinhao.song

Data publikacji

Najnowsze modele · 20Zobacz wszystkie modele →
Benchmarki: Artificial Analysis · aktualizowane codziennie
Powrót do wszystkich wpisów

Dwa uruchomienia tego samego krótkiego promptu w G​emini 4 Hydrogen, różniące się jednym ustawieniem. Przy ustawieniu high model zużył 5 311 tokenów wyjściowych i naliczono 3,99 centa. Przy xhigh zużył 31 477 i naliczono 23,61 centa. To samo porównanie pojawia się w przebiegu G​emini 4 Neon tego samego dnia, gdzie najwyższy szczebel kosztował 39,83 centa w porównaniu z 14,55 przy high. Simon Willison opublikował obie pary 20 listopada 2026 r., cztery dni po tym, jak G​oogle wydało G​emini 4 Hydrogen 12 listopada, a te liczby to pierwsze publiczne zestawienie obok siebie na samym szczycie drabiny wysiłku G​emini 4, której większość ludzi jeszcze nie dotknęła.

Interesujące nie jest to, że głębsze ustawienie kosztuje więcej. Interesujące jest to, że stawka za token nigdy się nie zmieniła. Hydrogen pobiera 1,50 USD za milion tokenów wejściowych i 7,50 USD za milion tokenów wyjściowych na każdym poziomie, w tym xhigh i w tym tokeny myślenia. Pomnóż liczbę tokenów przez tę stawkę, a rachunki zgodzą się co do centa. Zatem xhigh nie jest poziomem premium, za który się dopłaca. To decyzja, by pozwolić modelowi napisać około sześć razy więcej, a faktura podąża za tym automatycznie.

Dwie ustawy i dlaczego stopa pozostała bez zmian

Warto raz wykonać te obliczenia ręcznie, ponieważ rozstrzygają, co tak naprawdę kupujesz. Stawka wyjściowa Hydrogen wynosi 7,50 USD za milion tokenów. Przy 5 311 tokenach daje to 3,98 centa; zmierzony rachunek wyniósł 3,99. Przy 31 477 tokenach daje to 23,61 centa, co dokładnie odpowiada zmierzonemu rachunkowi. Po stronie wejściowej to w tej skali szum: prompt złożony z kilkudziesięciu tokenów kosztuje ułamek setnej części centa przy 1,50 USD za milion.

• Tokeny wyjściowe — 5,311 przy high w porównaniu z 31,477 przy xhigh, czyli współczynnik 5.9

• Koszt w centach — 3,99 wobec 23,61, ten sam współczynnik 5,9

• Stawka za wyjście — $7.50 za milion tokenów przy obu ustawieniach, bez zmian

• Stawka za dane wejściowe — $1.50 za milion tokenów w obu ustawieniach, bez zmian

• Kontekst — jedna stawka za 1 mln tokenów, bez wyszczególnionej dopłaty za długi kontekst

Ma to praktyczne konsekwencje dla każdego, kto planuje budżet dla tego modelu. Cenniki dostawców są uporządkowane według stawki za token, a ta stawka to jedyna zmienna, która się tu nie zmienia. Planowanie xhigh na podstawie tabeli kosztów za token spowoduje zaniżenie rachunku mniej więcej sześciokrotnie w zadaniu, w którym model decyduje się myśleć dłużej. Jedyną liczbą, która pozwala przewidzieć koszt, jest liczba tokenów wyjściowych na odpowiedź, a jedynym sposobem jej uzyskania jest zmierzenie jej na własnych promptach. Dokumentacja G​oogle'a sama przyznaje ten kierunek, nie podając skali: ostrzega, że xhigh „zwiększa opóźnienie i zużycie tokenów”.

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.

Co wygenerowało dodatkowe 26 000 tokenów

W teście pelikana na rowerze odpowiedź brzmi: wyraźnie lepszy rysunek. Podsumowanie Willisona jest takie, że wynik high to płaski pelikan bez koszyka i bez tła, a wynik xhigh przyszedł jako turkusowy rower na plaży z niebieską rybą w koszyku — konkurencyjny wobec tego, co G​emini 4 Neon domyślnie generuje za mniej więcej te same pieniądze. Około 26 000 dodatkowych tokenów myślenia poszło na kompozycję, scenę i kolor, a nie na poprawną odpowiedź.

Traktuj to jako pojedynczą obserwację, a nie benchmark. To jeden prompt, jedna próbka na ustawienie i zadanie bez jednej poprawnej odpowiedzi, co oznacza, że nie można mu przypisać oceny dokładności. To, co jednak ustala, to że najwyższy poziom może zmienić charakter danych wyjściowych w otwartych zadaniach generatywnych oraz że gdy ta zmiana następuje, nie jest subtelna. Czy ten sam sześciokrotny wydatek przynosi cokolwiek w Twoim obciążeniu pracą, to osobne pytanie, a kolejne dwie sekcje dotyczą przypadków, w których odpowiedź jest mierzona, a nie oceniana na oko.

Niezależna drabinka mówi to samo.

Artificial Analysis ocenia Hydrogen w każdym z jego czterech ustawień, a kształt krzywej odpowiada dziobowi pelikana. Odczytując stronę modelu 22 listopada 2026 r., Intelligence Index wynosi 26,9 przy low, 41,2 przy medium, 50,8 przy high i 53,9 przy xhigh. Koszt na zadanie Index wynosi 0,29 USD, 0,80 USD, 1,87 USD i 3,16 USD na tych samych czterech poziomach, a czas na zadanie wynosi 1,5, 4,0, 9,0 i 15,8 minuty.

Przełóż je na koszt krańcowy — cenę kolejnego punktu — a argument przeciwko domyślnemu wybieraniu najwyższego szczebla staje się arytmetyką, a nie kwestią gustu:

• od niskiego do średniego — +14,3 punktu indeksu za +51 centów, około 3,5 centa za punkt

• od średniego do wysokiego — +9,6 punktu za +1,08 USD, około 11,3 centa za punkt

• od high do xhigh — +3,1 punktu za +1,29 USD, około 41,1 centa za punkt

• Łącznie, od niskiego do xhigh — +27 punktów za +2,87 USD, średnio około 10,6 centa za punkt

Ostatni krok jest tym drogim — prawie czterokrotnie droższym od poprzedzającego go kroku — i kosztuje też o 76 procent więcej czasu zegarowego na zadanie. Pierwszy krok z niskiego na średni pozostaje zdecydowanie najlepszym zakupem w drabince, o czym warto pamiętać, biorąc pod uwagę, że poziom wysoki jest domyślny. To pomiary zewnętrzne od Artificial Analysis, a nie dane dostawcy, a koszty na zadanie obejmują dane wejściowe, wyjściowe i wieloturowe zachowanie agenta — dlatego nie skalują się tak jak rachunek za pojedynczy 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.

Gdzie xhigh zupełnie nic nie daje

Dokumentacja Google mówi o najwyższym poziomie bez ogródek, w sposób, w jaki materiały premierowe rzadko to robią. Zaleca rezerwować xhigh „do trudnych, wieloetapowych zadań programistycznych i problemów agentowych, w których high nie wystarcza”, i ostrzega, że przy prostszych promptach „może powodować nadmierne rozmyślanie lub wyczerpać max_output_tokens”. To drugi tryb awarii jest tym, który uderza po cichu: limit tokenów obejmuje zarówno rozumowanie, jak i widoczne dane wyjściowe, więc odpowiedź na prompt, która przy high przyszłaby bez problemu, może spalić cały budżet na rozumowanie i wrócić oznaczona jako niekompletna, obcięta lub pusta. To wygląda jak awaria modelu. To awaria konfiguracji.

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.

Niezależny przegląd 56 zapytań opublikowany w listopadzie 2026 r. sprawdził kwestię, którą sugeruje ostrzeżenie Google'a. W przypadku trzech promptów o łatwym do średniego poziomie trudności i dwóch przebiegów na poziom stwierdził, że xhigh zużywał ogółem około 3,1 razy więcej tokenów myślenia niż high, a w przypadku promptu kodującego około pięć razy więcej, przy czym każda odpowiedź na każdym poziomie była nadal poprawna. Dodatkowe nakłady przyniosły tokeny i opóźnienie, a nie dokładność. Próba jest mała i autor to przyznaje; kierunek jest zgodny zarówno z ostrzeżeniem dostawcy, jak i krzywą Artificial Analysis, gdzie ostatni szczebel dodaje trzy punkty, a nie piętnaście.

Podział przebiega więc według klasy zadania, a nie możliwości modelu. Ekstrakcja, klasyfikacja, formatowanie i krótkie odpowiedzi faktograficzne mają sufit blisko ich pierwszej poprawnej odpowiedzi, a płacenie za to sześciokrotnie to czysta strata. Otwarta generacja takiego sufitu nie ma, ponieważ wynik jest artefaktem i zawsze można dodać więcej szczegółów.

Crossover, który naprawdę ma znaczenie

Oto liczba, która powinna zmienić sposób, w jaki używasz modelu. Hydrogen w ustawieniu xhigh kosztował 23,61 centa za jedno krótkie polecenie rysunkowe. G​emini 4 Neon w domyślnym ustawieniu high kosztował 14,55 centa za to samo polecenie tego samego dnia i wygenerował wynik, który Willison ocenił jako co najmniej równie dobry. Przestawienie Hydrogena na jego najwyższy poziom jest o 62 procent droższe niż pozostawienie go w ustawieniu domyślnym i przejście zamiast tego na model o klasę wyżej. Jeśli sięgasz po xhigh, bo „odpowiedź nie jest wystarczająco dobra”, większy model w ustawieniu domyślnym jest często tańszym rozwiązaniem — i to właśnie tego większość zespołów nie sprawdza.

Ta kolejność nie utrzymuje się przy zmianie obciążenia, i to właśnie ginie, gdy test z krótkim promptem jest przytaczany jako ogólny ranking. W długim zestawie agentowym Artificial Analysis Neon w trybie high kosztuje 3,74 USD za zadanie, podczas gdy Hydrogen w trybie xhigh — 3,16 USD, więc tańszy model przy czterdziestotokenowym prompcie jest droższy w długim zadaniu wieloturowym. Żadna z tych liczb nie jest błędna. Krótki prompt i 15-minutowe uruchomienie agenta testują różne części drabiny, a zamiana szczebla, która oszczędza pieniądze w jednym przypadku, może je tracić w drugim.

Jeden szczegół z datą do uwzględnienia: strona cennika Google podaje, że stawki Carbon i Argon podwajają się 1 grudnia 2026 r. — z 2 USD za dane wejściowe i 10 USD za dane wyjściowe do 4 USD i 20 USD. Hydrogen nie wykazuje takiej zmiany. Każde powyższe porównanie obejmujące starsze modele ma zatem dziewięć dni, zanim różnica powiększy się na korzyść Hydrogen.

Skonfigurowanie tego i przetestowanie w jedno popołudnie

Poziom to jedno pole. W natywnym interfejsie API generateContent jest to thinkingConfig.thinkingLevel; w interfejsie API Interactions jest to generation_config.thinking_level; w trasie zgodnej z OpenAI trafia jako reasoning_effort. Wartością jest ciąg znaków pisany małymi literami — low, medium, high lub xhigh — a wartością domyślną dla Hydrogen jest high. Myślenia nie można całkowicie wyłączyć w tym modelu, a starszy parametr thinkingBudget jest przestarzały na rzecz poziomu.

Pomiar kosztu wymaga jednego dodatkowego odczytu. Tokeny myślenia pojawiają się w usageMetadata.thoughtsTokenCount w natywnym API, usage.total_thought_tokens w Interactions i reasoning_tokens na kompatybilnej trasie — dzięki temu możesz oddzielić to, co model pomyślał, od tego, co powiedział, i wycenić każde z nich. Możliwe do wykonania popołudnie: weź dwadzieścia rzeczywistych promptów z własnych logów, uruchom każdy na poziomach high i xhigh z hojnym limitem tokenów wyjściowych, aby nic się nie ucięło, i zapisz liczbę tokenów oraz to, czy odpowiedź została zaliczona. Porównaj całkowity koszt ze wskaźnikiem zaliczeń. Jeśli xhigh nie podnosi wskaźnika zaliczeń na tyle, by uzasadnić rachunek około sześć razy większy w przypadku promptów, w których jest aktywny, masz odpowiedź dla tego obciążenia — i będzie ona lepsza niż jakakolwiek opublikowana tabela.

Uruchamianie dwóch ustawień równolegle jest łatwiejsze, gdy oba znajdują się za jednym kluczem, i to właśnie obejmuje OrcaRouter. Udostępniamy Gemini 4 Argon oraz G​emini 4 C​arbon po cenie katalogowej dostawcy z 0% narzutu, więc stawki w tym artykule to stawki, które płacisz u nas za te dwa modele. G​emini 4 Hydrogen nie ma dziś w naszym katalogu, więc każda liczba dotycząca Hydrogen w tym tekście to cena katalogowa G​oogle'a, a nie nasza — warto powiedzieć to wprost, ponieważ tryb awarii opisany w tym poście to dokładnie ten, w którym cennik ukrywa sześciokrotny mnożnik. Gdy model jest kierowany przez nas, poziom wysiłku jest polem na poziomie trasy, więc trasa canary z xhigh obok trasy produkcyjnej z high to zmiana konfiguracji, a nie ścieżka kodu.

Co zrobić z tym w poniedziałek

Reguła, która przetrwa wszystkie liczby, jest węższa niż „używaj najwyższego ustawienia do trudnych problemów”. Brzmi ona: schodź po drabinie, aż jakość się załamie, potem cofnij się o jeden szczebel w górę i sprawdź, czy inny model w swoim ustawieniu domyślnym jest tańszy niż dodatkowy szczebel, zanim podejmiesz decyzję. Własna drabina Hydrogena wycenia ten krok na około czterdzieści centów za punkt w Index i sześciokrotnie więcej tokenów na rysunku, podczas gdy krok od niskiego do średniego kosztuje trzy i pół centa za punkt. Większość wartości w tym modelu tkwi w dolnej połowie drabiny, a ustawienie domyślne znajduje się powyżej niej.

Otwarte pytanie brzmi, co najwyższy szczebel robi w pracy agentowej, a nie na pelikanie — czy punkty 3.1 Index, które Artificial Analysis mierzy przy xhigh, objawiają się jako mniej nieudanych wywołań narzędzi, czy jako więcej tur poświęconych na myślenie o nich. Nikt jeszcze nie opublikował tego rozbicia, a to właśnie ono powiedziałoby ci, czy zostawić Hydrogen na high w produkcji.