Um cartão de título para um artigo sobre o nível mais alto de raciocínio do Gemini 4 Hydrogen, mostrando 5.311 tokens de saída e 3,99 centavos com esforço alto, contra 31.477 tokens e 23,61 centavos com xhigh para o mesmo prompt, com a observação de que ambos usam a mesma tarifa de US$ 7,50 por milhão de tokens de saída.
Guides & Insights

Gemini 4 Hydrogen: O que xhigh oferece por 6 vezes a fatura

Autor

jinhao.song

Data de publicação

Modelos mais recentes · 20Ver todos os modelos →
Benchmarks: Artificial Analysis · atualizado diariamente
Voltar para todas as publicações

Duas execuções do mesmo prompt curto no G​emini 4 Hydrogen, separadas por uma única configuração. No nível high, o modelo gastou 5.311 tokens de saída e cobrou 3,99 centavos. No xhigh, gastou 31.477 e cobrou 23,61 centavos. A mesma comparação aparece em uma execução do G​emini 4 Neon no mesmo dia, em que o degrau superior custou 39,83 centavos contra 14,55 no high. Simon Willison publicou ambos os pares em 20 de novembro de 2026, quatro dias depois de o G​oogle lançar o G​emini 4 Hydrogen em 12 de novembro, e os números são a primeira comparação pública lado a lado bem no topo de uma escada de esforço do G​emini 4 que a maioria das pessoas ainda não experimentou.

A parte interessante não é que a configuração mais profunda custe mais. É que a tarifa por token nunca mudou. A Hydrogen cobra US$ 1,50 por milhão de tokens de entrada e US$ 7,50 por milhão de tokens de saída em todos os níveis, incluindo xhigh e incluindo tokens de raciocínio. Multiplique as contagens de tokens por essa tarifa e as faturas batem até o centavo. Então xhigh não é um nível premium pelo qual você paga a mais. É uma decisão de deixar o modelo escrever cerca de seis vezes mais, e a fatura acompanha automaticamente.

Os dois projetos de lei, e por que a taxa foi mantida

A aritmética vale a pena ser feita à mão uma vez, porque esclarece o que você está realmente comprando. A taxa de saída do Hydrogen é US$ 7,50 por milhão de tokens. Com 5.311 tokens, isso dá 3,98 centavos; a conta medida foi 3,99. Com 31.477 tokens, dá 23,61 centavos, que é exatamente a conta medida. O lado da entrada é ruído nessa escala: um prompt de algumas dezenas de tokens custa uma fração de um centésimo de centavo a US$ 1,50 por milhão.

• Tokens de saída — 5.311 em high contra 31.477 em xhigh, um fator de 5,9

• Custo em centavos — 3,99 contra 23,61, o mesmo fator de 5,9

• Taxa de saída — US$ 7,50 por milhão de tokens em ambas as configurações, inalterada

• Taxa de entrada — $1.50 por milhão de tokens em ambas as configurações, inalterada

• Contexto — uma tarifa única para 1M de tokens, sem sobretaxa de contexto longo indicada

Isso tem uma consequência prática para quem for planejar o orçamento desse modelo. As tabelas de preços dos fornecedores são organizadas por taxa por token, e a taxa é a única variável que não muda aqui. Planejar o xhigh com base em uma tabela por token subestimará a fatura em cerca de seis vezes em uma tarefa em que o modelo opta por pensar por mais tempo. O único número que prevê o custo é o de tokens de saída por resposta, e a única forma de obtê-lo é medi-lo nos seus próprios prompts. A documentação do próprio Google reconhece a direção sem fornecer uma magnitude: ela adverte que o xhigh "aumenta a latência e o uso de tokens".

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.

O que os 26.000 tokens extras produziram

No teste do pelicano numa bicicleta, a resposta é: um desenho visivelmente melhor. O resumo de Willison é que a saída high era um pelicano chapado, sem cesta e sem fundo, e a saída xhigh chegou como uma bicicleta azul-petróleo numa praia com um peixe azul na cesta — competitiva com o que o G​emini 4 Neon produz por padrão por aproximadamente o mesmo custo. Cerca de 26.000 tokens de raciocínio extras foram gastos em composição, cena e cor, em vez de numa resposta correta.

Trate isso como uma única observação, não como um benchmark. É um prompt, uma amostra por configuração e uma tarefa sem uma única resposta correta, o que significa que nenhuma pontuação de precisão pode ser atribuída a ela. O que isso estabelece é que o nível mais alto pode mudar o caráter de uma saída em trabalhos generativos abertos, e que a mudança não é sutil quando acontece. Se o mesmo gasto seis vezes maior compra algo na sua carga de trabalho é uma questão separada, e as próximas duas seções tratam dos casos em que a resposta é medida em vez de avaliada a olho.

A escada independente diz o mesmo.

A Artificial Analysis pontua o Hydrogen em cada uma de suas quatro configurações, e o formato da curva corresponde ao bico de pelicano. Lendo a página do modelo em 22 de novembro de 2026, o Intelligence Index fica em 26,9 no low, 41,2 no medium, 50,8 no high e 53,9 no xhigh. O custo por tarefa do Index fica em US$ 0,29, US$ 0,80, US$ 1,87 e US$ 3,16 nas mesmas quatro etapas, e o tempo por tarefa fica em 1,5, 4,0, 9,0 e 15,8 minutos.

Transforme isso em custo marginal — o preço do próximo ponto — e o argumento contra recorrer por padrão ao degrau mais alto passa a ser aritmética, e não questão de gosto:

• baixo a médio — +14,3 pontos do Index por +51 centavos, cerca de 3,5 centavos por ponto

• médio a alto — +9,6 pontos por +$1,08, cerca de 11,3 centavos por ponto

• de high para xhigh — +3,1 pontos por +US$ 1,29, cerca de 41,1 centavos por ponto

• Total, de low a xhigh — +27 pontos por +$2,87, cerca de 10,6 centavos por ponto em média

O último passo é o caro, quase quatro vezes mais que o passo anterior, e também custa 76% mais tempo real por tarefa. O primeiro passo de baixo para médio continua sendo a melhor compra na escala, com ampla margem, o que vale lembrar dado que alto é o padrão. Estas são medições de terceiros da Artificial Analysis, não números de fornecedores, e os custos por tarefa agregam entrada, saída e comportamento de agente em múltiplos turnos — e é por isso que não escalam como a conta de um único 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.

Onde o xhigh não acrescenta absolutamente nada

A documentação do Google é franca sobre o nível superior de uma forma que o material de lançamento raramente é. Ela diz para reservar o xhigh "para problemas difíceis de programação em várias etapas e problemas agênticos em que o high fica aquém", e alerta que, em prompts mais simples, ele "pode causar raciocínio excessivo ou esgotar max_output_tokens". Esse segundo modo de falha é o que atinge silenciosamente: o limite de tokens abrange o raciocínio, assim como a saída visível, então um prompt que teria sido respondido com folga no high pode consumir todo o orçamento raciocinando e voltar marcado como incompleto, truncado ou vazio. Parece uma falha do modelo. É uma falha de configuração.

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.

Uma varredura independente de 56 solicitações, publicada em novembro de 2026, testou a questão implícita no alerta do Google. Em três prompts de dificuldade fácil a média e duas execuções por nível, ela descobriu que xhigh usou cerca de 3,1 vezes os tokens de raciocínio de high no geral e cerca de cinco vezes mais no prompt de programação, com todas as respostas ainda corretas em todos os níveis. O gasto extra comprou tokens e latência, não precisão. A amostra é pequena, e o autor diz isso; a direção é consistente tanto com o alerta do fornecedor quanto com a curva da Artificial Analysis, em que o último patamar acrescenta três pontos, e não quinze.

A divisão, portanto, é por classe de tarefa, não por capacidade do modelo. Extração, classificação, formatação e respostas factuais curtas têm um teto próximo da primeira resposta correta, e pagar seis vezes por isso é puro desperdício. A geração aberta não tem esse teto, porque a saída é o artefato e sempre há mais detalhe disponível para acrescentar.

O crossover que realmente importa

Aqui está o número que deve mudar como você usa o modelo. O Hydrogen no xhigh custou 23,61 centavos por um prompt curto de desenho. O G​emini 4 Neon, na sua configuração padrão high, custou 14,55 centavos pelo mesmo prompt no mesmo dia e produziu uma saída que Willison julgou pelo menos tão boa. Levar o Hydrogen ao seu nível máximo é 62 por cento mais caro do que deixá-lo no padrão e, em vez disso, subir um nível de modelo. Se o seu motivo para recorrer ao xhigh é "a resposta não está boa o suficiente", um modelo maior na configuração padrão costuma ser a opção mais barata, e é a que a maioria das equipes não verifica.

Essa ordenação não se mantém quando a carga de trabalho muda, que é justamente a parte que se perde quando um teste de prompt curto é citado como um ranking geral. Na cesta agêntica longa da Artificial Analysis, o Neon no nível high custa US$ 3,74 por tarefa, contra o Hydrogen no xhigh a US$ 3,16, então o modelo mais barato em um desenho de quarenta tokens é o mais caro em uma tarefa longa de vários turnos. Nenhum dos números está errado. Um prompt curto e uma execução de agente de 15 minutos exercitam partes diferentes da escada, e uma troca de degrau que economiza em uma pode perder essa economia na outra.

Um detalhe com data para incluir: a página de preços do G​oogle indica que as tarifas do Carbon e do Argon dobrarão em 1 de dezembro de 2026, passando de US$ 2 de entrada e US$ 10 de saída para US$ 4 e US$ 20. O Hydrogen não apresenta essa mudança. Portanto, toda comparação acima que envolve os modelos mais antigos tem apenas nove dias antes de a diferença se ampliar em favor do Hydrogen.

Configurá-lo e testá-lo em uma tarde

O nível é um único campo. Na API generateContent nativa, ele é thinkingConfig.thinkingLevel; na API Interactions, é generation_config.thinking_level; em uma rota compatível com OpenAI, ele chega como reasoning_effort. O valor é a string em minúsculas — low, medium, high ou xhigh — e high é o padrão para Hydrogen. O raciocínio não pode ser desativado completamente neste modelo, e o parâmetro mais antigo thinkingBudget está obsoleto em favor do nível.

Medir o custo exige uma leitura extra. Os tokens de raciocínio aparecem em usageMetadata.thoughtsTokenCount na API nativa, usage.total_thought_tokens no Interactions e reasoning_tokens na rota compatível — assim, você pode separar o que o modelo pensou do que ele disse e precificar cada parte. Uma tarde viável: pegue vinte prompts reais dos seus próprios logs, execute cada um em high e xhigh com um limite de saída generoso para que nada seja truncado, e registre os tokens e se a resposta passou. Compare o custo total com a taxa de aprovação. Se xhigh não elevar a taxa de aprovação o suficiente para justificar uma conta aproximadamente seis vezes maior nos prompts em que ele é acionado, você tem sua resposta para essa carga de trabalho, e ela será melhor do que qualquer grade publicada.

Executar duas configurações lado a lado é mais fácil quando ambas ficam atrás de uma única chave, que é a parte que o OrcaRouter cobre. Servimos Gemini 4 Argon e G​emini 4 C​arbon pelo preço de tabela do provedor com 0% de margem, então as tarifas neste artigo são as tarifas que você paga do nosso lado para esses dois. O G​emini 4 Hydrogen não está no nosso catálogo hoje, então todo número de Hydrogen aqui é o preço de tabela do G​oogle, e não o nosso — vale dizer claramente, porque o modo de falha neste post é exatamente aquele em que uma tabela de tarifas esconde um multiplicador de seis vezes. Quando um modelo é roteado por nós, o nível de esforço é um campo por rota, então uma rota canário em xhigh ao lado de uma rota de produção em high é uma mudança de configuração, e não um caminho de código.

O que fazer com isto na segunda-feira?

A regra que sobrevive a todos os números é mais estreita do que “use a configuração mais alta para problemas difíceis”. Ela é: desça a escada até a qualidade quebrar, depois suba um degrau de volta e verifique se um modelo diferente na configuração padrão é mais barato do que o degrau extra antes de decidir. A própria escada do Hydrogen coloca esse degrau em cerca de quarenta centavos por ponto no Index e seis vezes os tokens em um desenho, enquanto o degrau de baixo para médio custa três centavos e meio por ponto. A maior parte do valor neste modelo está na metade inferior da escada, e o padrão fica acima dela.

A questão em aberto é o que o nível mais alto faz em trabalho agêntico, e não em um pelicano — se os pontos do Índice 3.1 que a Artificial Analysis mede em xhigh aparecem como menos chamadas de ferramenta com falha ou como mais turnos gastos pensando nelas. Ninguém publicou esse detalhamento ainda, e é ele que diria se você deve deixar o Hydrogen em high na produção.