Gemini 4 Hydrogen vs. Claude Haiku 5.5: uma diferença de preço de 15x que cai para 7x por tarefa concluída

Na tabela de preços, a diferença é absurda. O Claude Haiku 5.5 custa US$ 0,10 por milhão de tokens de entrada e US$ 0,50 por milhão de saída para prompts de até 100.000 tokens; o Gemini 4 Hydrogen custa US$ 1,50 e US$ 7,50. Isso é quinze vezes mais caro nas duas linhas, para um modelo que só entrou no catálogo do Google em 12 de novembro de 2026. No entanto, ninguém que escolha entre eles esta semana está escolhendo entre dois preços. Estão escolhendo entre um modelo que pontua 54 no Artificial Analysis Intelligence Index e outro que pontua 36, e o número de quinze vezes se desfaz no momento em que você mede quanto cada um custa para concluir um trabalho, e não para começar um.

O número por token e o número por tarefa divergem pela metade.

O Artificial Analysis executa ambos os modelos no mesmo harness e publica o custo por tarefa de índice concluída juntamente com o preço por token. Os resultados não chegam perto do que as tabelas de preços sugerem.

• Por token, entrada e saída — {{1}}G​emini 4 Hydrogen{{/1}} US$ 1,50 / US$ 7,50 vs Claude Haiku 5.5 US$ 0,10 / US$ 0,50. O Haiku é 15,0x mais barato na entrada e 15,0x mais barato na saída, de forma fixa.

• Por tarefa de índice concluída — G​emini 4 Hydrogen $3,16 no seu nível mais alto de raciocínio vs. Claude Haiku 5.5 $0,41. O Haiku é 7,7x mais barato, não 15x.

• Por que a diferença cai pela metade — verbosidade. O Haiku 5.5 gerou 298 milhões de tokens de saída para percorrer o índice, contra 107 milhões para o modelo mediano em sua própria classe de comparação — Carbon e Hydrogen são medidos em relação a uma mediana de 72,8 milhões, então as duas medianas não usam a mesma régua. É barato por token e caro por resposta, porque são necessários muitos mais tokens para chegar a uma.

• Tarifa combinada com a mesma proporção 7:2:1 de cache/entrada/saída — G​emini 4 Hydrogen US$ 1,10 por milhão vs Claude Haiku 5.5 US$ 0,077 por milhão.

Leia as duas últimas linhas em conjunto e o argumento de preços muda de forma. Uma equipe que faz o orçamento a partir da tabela de preços esperará uma economia de quinze vezes e obterá um pouco menos de oito. Uma equipe que faz o orçamento a partir do custo por tarefa obtém o número real, e esse número ainda é esmagadoramente favorável ao Haiku — mas é um número com o qual você pode planejar, o que a tabela de preços não é.

Há um limiar embutido na ficha do Haiku que nenhuma das duas cifras captura. Tudo acima é o preço para menos de 100 mil tokens. Acima de 100.000 tokens de prompt, o Haiku 5.5 passa para US$ 0,50 de entrada e US$ 2,50 de saída — um salto de cinco vezes que o coloca exatamente em um terço do preço de saída do Hydrogen, e não em um quinze avos. Ambos os modelos têm uma janela de 1.048.576 tokens, então o ponto de cruzamento é alcançável, e não teórico: uma carga de trabalho de contexto longo coloca o Haiku em US$ 0,50/US$ 2,50 contra US$ 1,50/US$ 7,50 do Hydrogen, e a diferença por token diminui para 3x, enquanto a diferença de capacidade permanece exatamente onde estava.

O que dezoito pontos de índice compram, nas tarefas que as pessoas realmente executam

Dezoito pontos de índice representam uma grande diferença no papel. Se representam uma grande diferença na prática depende inteiramente do formato do trabalho, e os benchmarks dos fornecedores apontam em direções diferentes conforme qual você lê.

• Trabalho agêntico em terminal — O Google relata o Gemini 4 Hydrogen com 57,0% no Terminal-Bench 4.1, rotulado como ajustado para trapaça. A Anthropic relata o Claude Haiku 5.5 com 39,2% no Terminal-Bench 4.0. São versões diferentes do benchmark, então a comparação é direcional e não exata, mas a direção é consistente e favorece o Hydrogen por uma margem ampla.

• Uso do computador — Hydrogen com 77,6% no OSWorld-2.1, segundo o fornecedor; Haiku 5.5 com 72,4% no subconjunto offline do mesmo benchmark, também segundo o fornecedor. Uma vantagem menor da Hydrogen, e o qualificador de subconjunto significa que os dois números não medem exatamente a mesma coisa.

• Raciocínio difícil sem ferramentas — Hydrogen com 58,8% no HLE-Diamond; Haiku 5.5 com 45,9% no Humanity's Last Exam sem ferramentas, subindo para 57,4% com ferramentas. Esta é a maior lacuna honesta entre os dois, e é a que corresponde a "este modelo consegue sustentar um problema difícil sem um arcabouço".

• Revisão e reparo de código — Hydrogen com 66,6% no Chartography; Haiku 5.5 com 46,4% no Chartography sem ferramentas. Vinte pontos, mesmo nome de benchmark, mesma condição sem ferramentas.

• Codificação de fronteira — A​nthropic relata Haiku 5.5 com 46,4% no FrontierCode 1.1, e relata uma pontuação FrontierCode de 66,2 da Cognition quando o Haiku 5.5 atua como assistente secundário dentro do Devin Fusion. Observe que o segundo número é um arranjo diferente, não uma pontuação diferente para a mesma tarefa, e a A​nthropic classifica ambos como relatados pelo cliente, e não como de origem própria.

Todos os números acima são informados pelo fornecedor — a empresa que vende o modelo. Nenhum tem reprodução independente, e as versões dos benchmarks diferem o suficiente para que somá-los numa única alegação de que "Hydrogen é X% melhor" seria desonesto. O que eles sustentam é mais restrito e mais útil: Hydrogen é substancialmente melhor nas tarefas que duram muito tempo e usam ferramentas; a diferença é menor quando o trabalho é uma única pergunta delimitada.

Ambos demoram para começar, o que ninguém coloca na manchete

Esta é a parte da comparação que surpreende quem escolheu com base no preço ou no índice e depois viu o primeiro token chegar.

• Tempo até o primeiro token de resposta — Gemini 4 Hydrogen: 40,55 segundos na configuração de raciocínio mais alta, vs. Claude Haiku 5.5: 175,95 segundos na configuração mais alta. O Hydrogen começa quatro vezes mais cedo, e ambos os números estão muito acima do que uma interface interativa tolera.

• Velocidade de saída depois que começa — Claude Haiku 5.5 256 tokens por segundo vs G​emini 4 Hydrogen 188 tokens por segundo. Haiku escreve mais rápido e começa mais tarde.

• Tempo médio por tarefa de indexação — Claude Haiku 5.5: 14,7 minutos. Os dois modelos acabam em território semelhante por tarefa concluída; chegam lá por rotas opostas.

• No nível de pensamento padrão do Hydrogen, o valor do primeiro token cai para cerca de 16,7 segundos, que é o número que importa para uma interface de chat e que também é a configuração que produz a pontuação de índice 51 em vez de 54.

Se você está construindo algo que uma pessoa precise aguardar, nenhuma das configurações de destaque dos modelos é adequada. O Haiku 5.5, em particular, é um modelo de esforço ajustável — de Low a Max —, e os valores de 175,95 segundos e índice 36 correspondem à configuração Max. Com esforço menor, ele começa mais cedo e obtém pontuação menor, e a Anthropic não publica nenhuma tabela que faça o mapeamento entre um e outro. Esse é um teste que você mesmo precisa executar.

É no cache que a relação de preços realmente está.

Para qualquer carga de trabalho com um prefixo estável — um prompt de sistema, um mapa de repositório, um conjunto de documentos — a entrada em cache representa a maior parte do custo, e as duas placas se comportam de forma suficientemente diferente para alterar a ordem da comparação.

• Preço de leitura do cache — Claude Haiku 5.5 US$ 0,01 por milhão, um desconto de 90% sobre sua tarifa de entrada de US$ 0,10. G​emini 4 Hydrogen US$ 0,075 por milhão, um desconto de 95% sobre sua tarifa de US$ 1,50.

• Mecanismo de cache — Claude Haiku 5.5 oferece suporte a gravações explícitas em cache a US$ 0,125 por milhão, então você controla o que é armazenado em cache e por quanto tempo. G​emini 4 Hydrogen oferece suporte apenas a cache implícito, sem identificadores explícitos de cache, então o desconto é um comportamento do serviço e não uma API que você chama.

• O que isso significa — uma carga de trabalho com um prefixo compartilhado de 60.000 tokens lido mil vezes por dia custa $0,60 por dia em leituras de cache no Haiku e $4,50 no Hydrogen, uma diferença de 7,5x em vez de 15x, porque o Hydrogen concede 95% de desconto, enquanto o Haiku concede 90%. Aumente o mesmo prefixo para 200.000 tokens, ultrapassando o limite do Haiku, e o cenário se inverte: a leitura de cache do nível longo do Haiku é de $0,05 por milhão, então a leitura custa $10,00 no Haiku contra $15,00 no Hydrogen, enquanto cada token de entrada novo naquela requisição agora é três vezes mais barato no Haiku. A diferença de cache diminui exatamente onde a diferença de entrada aumenta, o que não é a troca que uma carga de trabalho de contexto longo espera.

A assimetria importa mais para a carga de trabalho em que o Hydrogen é melhor. Sessões agênticas longas com um contexto grande e estável são exatamente onde o cache implícito ajuda e exatamente onde você gostaria de ter controle explícito sobre o que permanece residente. O Haiku oferece o controle e o cache mais barato em todos os comprimentos de prefixo; o Hydrogen oferece a capacidade e pede que você confie que o serviço perceba a repetição.

Três cargas de trabalho, três respostas diferentes

Abstrair ainda mais seria um desserviço, então é aqui que a linha é traçada na prática.

Um pipeline de classificação ou extração sobre milhões de documentos curtos é a carga de trabalho do Haiku 5.5, e não é nem de perto. Entrada limitada, saída limitada, sem ferramentas, sem horizonte longo: a lacuna de índice é irrelevante porque a tarefa não a exercita, e US$ 0,10/US$ 0,50 contra US$ 1,50/US$ 7,50 é uma economia de quinze vezes em uma conta que já é o custo dominante. Migrar isso para o Hydrogen não traz nada e custa uma ordem de magnitude.

Um agente de codificação que edita arquivos, executa testes e se recupera de falhas é a carga de trabalho do Hydrogen. As lacunas no Terminal-Bench e no Chartography são a evidência direta, e o valor de custo por tarefa — US$ 3,16 contra US$ 0,41 — subestima a diferença, porque uma tarefa que o Haiku não consegue concluir tem custo infinito por conclusão, e não um custo baixo. A comparação só é válida para tarefas que ambos os modelos conseguem realizar.

Um lote noturno que resume documentos longos fica no meio ambíguo e é decidido pelo limite de 100K. Abaixo de 100.000 tokens por chamada, o Haiku é quinze vezes mais barato por token e cerca de oito vezes mais barato por tarefa concluída. Acima disso, o preço do Haiku quintuplica e a resposta honesta é testar ambos no seu próprio corpus, porque o ponto de virada depende de quanto da sua entrada é prompt versus documento.

Um assistente interativo não é nenhum dos dois. Ambos os modelos são lentos demais para iniciar nas configurações máximas, e a configuração correta para uma interface de chat é o Hydrogen no nível padrão ou o Haiku em uma configuração de esforço menor — uma comparação entre dois downgrades, que quase ninguém avalia em benchmarks e que é a única versão desta pergunta que chega a um usuário.

Executando ambos sem escolher um vencedor de antemão

A posição sensata para a maioria das equipes é que isto não é uma migração, mas uma decisão de roteamento, e decisões de roteamento são mais baratas de reverter do que migrações.

O OrcaRouter não traz nenhum desses dois modelos no topo da sua linha: o Claude Haiku 4.5 está no catálogo a $1.00 e $5.00 por milhão com uma janela de 200,000 tokens, e o Gemini 3.8 Flash a $0.75 e $3.75 com a janela completa de 1,048,576 tokens — ambos pelo preço de tabela do fornecedor, com 0% de margem, em uma única chave, com failover automático entre provedores. O Haiku 5.5 e o Hydrogen vêm ambos das APIs dos próprios fabricantes. Assim, o arranjo viável é uma política de roteamento: o Hydrogen chamado diretamente para os turnos de execução de longo horizonte em que sua liderança nos benchmarks é real, o Haiku 5.5 chamado diretamente para as chamadas limitadas de alto volume em que seu preço é real, e um modelo roteado por trás de ambos como o caminho para o qual uma requisição recorre quando qualquer um dos fornecedores aplica throttling, aumenta um limite de taxa ou anuncia uma mudança de preço.

Essa última cláusula não é hipotética. A tabela de preços do Google já programa Gemini 4 Carbon e Gemini 4 Argon para dobrar em 1º de dezembro de 2026, de US$ 2,00/US$ 10,00 para US$ 4,00/US$ 20,00, enquanto Hydrogen não tem nenhum reajuste datado. A Anthropic já alterou o preço do Haiku uma vez neste ciclo, cortando-o em cerca de 90% na faixa abaixo de 100 mil quando o 5.5 substituiu o 4.5. Uma camada de roteamento que repassa o preço de tabela do provedor sem markup significa que essas mudanças chegam até você no dia em que entram em vigor, e não na próxima renovação de contrato — o que, para uma comparação cujo argumento inteiro é preço, é o recurso que importa.

O que mudaria esta resposta

Três coisas, em ordem de quanto elas o moveriam.

Uma reprodução independente da lacuna do Terminal-Bench. Todos os números agênticos acima são informados pelos fornecedores de ambos os lados, em versões diferentes do benchmark, e a maior justificativa isolada para o prêmio de preço do Hydrogen apoia-se em números que nenhuma das empresas mandou auditar. A Artificial Analysis publica um índice para ambos os modelos, mas não as subpontuações por benchmark que resolveriam a questão.

Uma curva publicada de esforço versus qualidade para o Haiku 5.5. Se o esforço Low mantiver a maior parte da pontuação da configuração Max com uma fração da latência, o caso de interação se restringe e a vantagem de preço se expande para cima, alcançando cargas de trabalho atualmente atribuídas ao Hydrogen. A Anthropic disponibiliza a configuração, e não a tabela.

Um movimento no cartão da Hydrogen. Atualmente, ele não tem nenhum, o que é incomum em uma família em que dois de três membros dobram em três semanas. Se isso mudar, o número de custo por tarefa — o único número que torna esta comparação interessante — muda junto, e o 7,7x passa a ser algo completamente diferente.

Até que um deles chegue, o resumo defensável é o que o harness independente sustenta, e não o que a tabela de preços implica: o Haiku 5.5 é entre sete e quinze vezes mais barato, dependendo de se você conta tokens ou tarefas concluídas; o Hydrogen é decisivamente melhor em qualquer coisa que dure muito tempo e use ferramentas; e o único número que deveria decidir a divisão é quanto cada um custa por tarefa que você realmente consegue concluir.