Gemini 4 Hydrogen kontra Gemini 4 Argon: tańszy, szybszy, nieco mądrzejszy — i dwa razy bardziej skłonny do wymyślania faktów

W przypadku wyniku złożonego, który cytuje większość ludzi, Gemini 4 Hydrogen pokonuje Gemini 4 Argon o jeden punkt. W niezależnym środowisku testowym, które go generuje, Hydrogen kończy zadanie indeksowe w 13,5 minuty wobec 30,0 Argon, kosztuje 3,16 USD wobec 4,97 USD i generuje odpowiedzi z szybkością 190 tokenów na sekundę wobec 65. To wygląda na jednostronne zwycięstwo, dopóki nie spojrzysz na drugą tabelę, gdzie Argon halucynuje w 4,3% pytań Artificial Analysis z kategorii wszechwiedzy, a Hydrogen w 8,5%, oraz gdzie Argon wygrywa zarówno w Terminal-Bench 4.0, jak i w Terminal-Bench-Science. Gemini 4 Hydrogen i Gemini 4 Argon to ten sam model bazowy z dołączonymi różnymi budżetami myślenia, a wybór między nimi nie polega na „nowe kontra stare” — chodzi o to, „ile myślenia chcesz opłacić i na ile ufasz odpowiedzi bez jej sprawdzania”.

Ta luka to budżet myślenia, a nie architektura.

Google najpierw wydało Argon. Ogłoszono go 30 września 2026 r., a 13 października stał się ogólnie dostępny; pozycjonowano go jako model wyznaczający granicę efektywności: takie samo ujednolicone okno kontekstu o rozmiarze 1 048 576 tokenów jak Gemini 4 Carbon, te same wbudowane narzędzia, ta sama cena za token, ale mniej tokenów myślenia zużywanych na turę. Gemini 4 Hydrogen pojawił się 12 listopada z tym samym oknem, tymi samymi narzędziami i kartą, która wprost mówi, że jest zaadaptowany z Carbon, a nie trenowany osobno.

To, co faktycznie odróżnia te dwa modele, to parametr najwyższego poziomu w żądaniu. Argon akceptuje wartości low, medium i high, a domyślnie przyjmuje medium. Hydrogen akceptuje te trzy wartości, domyślnie przyjmuje high i dodaje czwarty poziom o nazwie xhigh. Wszystkie pozostałe aspekty struktury modelu są wspólne.

Ma to znaczenie, ponieważ porównanie, które wszyscy przytaczają w nagłówkach, nie jest porównaniem równorzędnym. Artificial Analysis publikuje wynik Hydrogen 54 przy xhigh i Argon 50 przy high. Przy domyślnym ustawieniu samego Hydrogen — high, czyli ustawieniu, jakie otrzymuje żądanie, jeśli nic nie wyślesz — ten sam harness daje mu 51. Zatem uczciwa różnica jednego punktu to 51 do 50, a różnicę czterech punktów otrzymujesz, decydując się na najdroższy poziom jednego modelu i porównując go ze środkowym poziomem drugiego.

Przesuń pokrętło w drugą stronę, a kolejność się odwróci. Hydrogen przy średnim ustawieniu uzyskuje 41 punktów. Jeśli Twoje obciążenie działa na zalecanym przez Google domyślnym ustawieniu dla Argonu, Hydrogen nie jest lepszym modelem — jest tańszym, który myśli mniej.

Sześć wierszy, w których zapada decyzja

Wszystkie poniższe wartości pochodzą z własnych testów Artificial Analysis na API Google, chyba że oznaczono inaczej. Ceny za token pochodzą z opublikowanego cennika Google; oba modele mają ten sam układ cennika.

• Indeks Inteligencji — Gemini 4 Hydrogen: 54 na poziomie xhigh, 51 na poziomie high, 41 na poziomie medium; Gemini 4 Argon: 50 na poziomie high, co jest jego pułapem. Porównywalna para to 51 kontra 50.

• Koszt na ukończone zadanie indeksowania — Hydrogen 3,16 USD przy xhigh i 1,87 USD przy high; Argon 4,97 USD. Różnica kosztu na zadanie jest znacznie większa niż różnica wyniku o jeden punkt i rośnie jeszcze bardziej przy ustawieniu domyślnym.

• Szybkość generowania — 190 tokenów na sekundę dla Hydrogen przy xhigh, 179 przy high; 65 dla Argon. Mniej więcej trzykrotna przewaga przepustowości, która utrzymuje się na każdym poziomie myślenia.

• Czas do pierwszego tokenu odpowiedzi — Hydrogen 37,8 sekundy przy xhigh i 16,7 przy high; Argon 40,7. Przy ustawieniu domyślnym Hydrogen zaczyna odpowiadać 24 sekundy wcześniej, co jest różnicą, którą interfejs czatu zauważa.

• Gadatliwość — Hydrogen wygenerował 304 mln tokenów wyjściowych, aby ukończyć indeks, w porównaniu z 113 mln dla Argona i medianą 72,8 mln. Argon jest już opisywany przez ten sam harness jako „dość gadatliwy”; Hydrogen jest „bardzo gadatliwy” i to właśnie pochłania większość jego przewagi cenowej na token przy xhigh.

• Ceny i poziomy, za milion tokenów — Hydrogen 1,50 USD / 7,50 USD (stawka stała), odczyty z pamięci podręcznej 0,075 USD, Batch i Flex po 0,75 USD / 3,75 USD, Priority po 2,70 USD / 13,50 USD oraz darmowy poziom z limitem szybkości. Argon 2,00 USD / 10,00 USD do 30 listopada 2026 r., odczyty z pamięci podręcznej 0,10 USD, Batch i Flex po 1,00 USD / 5,00 USD, Priority po 3,60 USD / 18,00 USD, bez darmowego poziomu. Oba oferują poziom Contributor dostępny tylko na zaproszenie; w Hydrogen wynosi on 0,75 USD / 3,75 USD, a w Argon 1,00 USD / 5,00 USD.

Gdzie Argon wciąż jest lepszym modelem

Trzy niezależne wyniki i jeden wskaźnik halucynacji wskazują, że nowszy, tańszy model nie jest jednoznacznym ulepszeniem. To one są powodem, dla którego ta strona nie jest rekomendacją migracji.

• Terminal-Bench 4.0 — Argon 57,1%, Hydrogen 53,5%. Benchmark kodowania agentowego, w którym starszy model wciąż prowadzi, i ten najbliższy temu, co naprawdę robi długa sesja z użyciem narzędzi.

• Terminal-Bench-Science — Argon 52,9%, Hydrogen 49,5%. Ten sam wzorzec w wariancie naukowym.

• AutomationBench-AA — Argon 77,5%, Hydrogen 76,1%. Niewielka strata, ale strata — i to benchmark pracy opartej na wiedzy, który Google najchętniej cytuje we własnej karcie.

• Wskaźnik halucynacji w Omniscience — Argon 4,3%, Hydrogen 8,5% przy xhigh. Hydrogen udziela poprawnych odpowiedzi na podobny odsetek tych pytań i mniej więcej dwa razy częściej wymyśla odpowiedź, gdy jej nie zna. Na tym samym zestawie przy high wskaźnik wynosi 8,7%, więc nie jest to artefakt najwyższego poziomu myślenia.

Lista kontrargumentów też jest realna i dlatego Hydrogen nadal wygrywa w wyniku łącznym: FrontierCode 2.0 z 39,0% wobec 25,7% Argonu, CritPT agentic hard z 66,0% wobec 52,5%, HLE-Diamond z 58,8% wobec 56,7% oraz niewielka przewaga w obszarach kompetencji inżynieryjnych, prawnych i finansowych. Hydrogen jest lepszym modelem w naprawie kodu i w trudnym rozumowaniu w stylu konkursowym, a gorszym w długotrwałej pracy w terminalu oraz w rozpoznawaniu, kiedy przyznać, że czegoś nie wie.

Ten podział ma praktyczny wymiar. Jeśli weryfikator, zestaw testów lub człowiek czyta wynik, zanim ma on znaczenie, wskaźnik halucynacji Hydrogen to koszt, który już ponosisz, aby go wyłapać. Jeśli nic w dalszym procesie nie sprawdza odpowiedzi — odpowiedź do działu wsparcia, ekstrakcja zasilająca bazę danych, podsumowanie czytane przez klienta — 4,3% Argona jest warte więcej niż dodatkowe 40 tokenów na sekundę, które oferuje Hydrogen.

Krok z 1 grudnia powiększa tę lukę, nie odwracając jej

Oba modele są objęte kartami promocyjnymi ze sztywnym terminem wygaśnięcia. Argon zmienia się z $2.00 / $10.00 na $4.00 / $20.00 1 grudnia 2026 r., przy czym odczyty z pamięci podręcznej podwajają się do $0.20, Batch i Flex do $2.00 / $10.00, a Priority do $7.20 / $36.00. Opublikowana karta Hydrogen nie zawiera żadnej datowanej zmiany na żadnym poziomie, w tym w darmowym.

Po wykonaniu obliczeń po tym kroku stosunek kosztu na token zmienia się z 1,33x na 2,67x na korzyść Hydrogen. W przeliczeniu na zadanie Artificial Analysis ponownie oblicza swoją kwotę na podstawie bieżącego cennika i opublikowało już obie wersje: $4,97, gdy cennik Argonu wskazywał $2,00 / $10,00, oraz $9,95 w przebiegu, w którym wskazywał $4,00 / $20,00. Ten sam zestaw testowy podaje dla Hydrogen $3,16 w obu przypadkach. To nie oznacza, że Argon jest niewłaściwym modelem; oznacza, że Argon to model, którego wybór powinieneś potrafić uzasadnić dokładnością, a nie przyzwyczajeniem.

To sprawia również, że te dwa modele potrzebują odmiennego routingu. OrcaRouter oferuje Gemini 4 Argon oraz Gemini 4 Carbon w cenie katalogowej dostawcy z 0% narzutu, dzięki czemu podwojenie ceny z 1 grudnia pojawia się po naszej stronie tego samego dnia, w którym pojawia się w cenniku Google, a nie dopiero przy następnym uzgadnianiu faktur, a stack, który utrzymuje Argon do kontroli dokładności, płaci nową stawkę w przejrzysty sposób. Gemini 4 Hydrogen nie ma w naszym katalogu — pochodzi z własnego API Google i AI Studio — więc konfiguracja zgodna z tym artykułem to Hydrogen wywoływany bezpośrednio do tur wykonawczych, a Argon za routerem jako weryfikator, z automatycznym przełączaniem awaryjnym między dostawcami, obejmującym przypadek, gdy jedna ścieżka napotyka limit zapytań w trakcie sesji.

Co zmienia się w Twoim kodzie, jeśli przełączysz

Google dokumentuje migrację jako zmianę ciągu modelu z czterema różnicami w zachowaniu, a oczywista jest tylko pierwsza.

• Rozmiar hopa — Hydrogen pozwala na 65 536 tokenów na nieprzesyłany strumieniowo hop w wywołaniach REST i SDK; Argon pozwala na 32 768 tokenów na nieprzesyłany strumieniowo hop REST. Długie generowanie jednorazowe staje się prostsze, a każdy kod, który dzielił dane na fragmenty z powodu limitu 32K, może przestać to robić.

• Domyślne ustawienia myślenia — Argon domyślnie ustawia medium i ogranicza do high; Hydrogen domyślnie ustawia high i dodaje xhigh. Prosta podmiana ciągu modelu po cichu podnosi więc zarówno opóźnienie, jak i zużycie tokenów myślenia. Ustaw thinking_level jawnie przy pierwszym żądaniu, bo rachunek powie ci o tym później.

• Buforowanie — żaden z nich nie obsługuje jawnego buforowania; oba udzielają 95% zniżki na niejawne trafienia w pamięć podręczną dla promptów o długości 4096 tokenów lub większej. Odczyt z pamięci podręcznej w Argonie kosztuje 0,10 USD, a w Hydrogenie 0,075 USD, więc obciążenie z dużym udziałem pamięci podręcznej oszczędza 25% na buforowanej części przed grudniowym etapem i 62,5% po nim.

• Próbkowanie i wywołania narzędzi — oba ignorują temperature, top_p i top_k, zamiast je odrzucać, a oba zwrócą MALFORMED_FUNCTION_CALL, jeśli każesz im generować wywołania narzędzi jako surowy tekst JSON, zamiast zadeklarować narzędzia natywnie. Żaden z tych problemów nie jest specyficzny dla przełącznika, ale oba ujawniają się podczas jego użycia.

Jeszcze jedna różnica nie znajduje się na liście migracji i ma znaczenie dla agentów: karta Argon nie podaje żadnego cutoffu wiedzy, natomiast karta modelu Hydrogen podaje marzec 2026 r., z zastrzeżeniem, że niektóre dziedziny są mniej aktualne. Jeśli pipeline wrażliwy na aktualność jest powodem porównywania tych dwóch, Hydrogen jest jedynym z tej pary, w przypadku którego datę można odczytać, zamiast jej testować.

Zasada do zastosowania

Przełącz się z Argon na Hydrogen, gdy praca jest wykonywana, a następnie sprawdzana: programowanie test-driven, edycja plików, równoległe podagenty, potoki wyszukiwania, a następnie odpowiadania z krokiem cytowania oraz wszystko, gdzie koszt na ukończone zadanie to liczba na pulpicie nawigacyjnym. Uruchamiaj Hydrogen na poziomie high, a nie na domyślnym poziomie swojej wyobraźni — opublikowane 54 wymaga xhigh, a praktyczny domyślny to 51, który kosztuje 1,87 USD na zadanie.

Pozostań przy Argonie, gdy odpowiedź trafia dalej bez sprawdzenia, gdy zadanie jest długą sesją terminalową, a nie krótkim zrywem, albo gdy do premiery zostały mniej niż trzy tygodnie i wolisz nie zmieniać ścieżki produkcyjnej z powodu zmiany wyniku o jeden punkt. Przy 4,3% halucynacji wobec 8,5% Argon zapewnia ci krok weryfikacji, który w przeciwnym razie musiałbyś sam zbudować.

To, co zmieniłoby odpowiedź, to trzeci punkt danych, którego nie ma jeszcze żaden z modeli: powtarzalny pomiar tego, co Google faktycznie reklamowało w przypadku Hydrogen — czystszego kodu i mniejszej liczby sfabrykowanych twierdzeń, których według dokumentacji jest ponad pięć razy mniej niż w Gemini 3.8 Flash. Zestaw omniscience Artificial Analysis wskazuje dla Hydrogen przeciwny kierunek względem Argon. Dopóki ktoś nie uruchomi obu modeli na tym samym rozkładzie zadań, uczciwe stanowisko jest takie, że Hydrogen ma lepszą ekonomikę, a Argon jest lepszą odpowiedzią, a grudniowa zmiana ceny z 1 grudnia sprawia, że odroczenie tego wyboru jest droższe, a nie tańsze.