Gemini 4 Hydrogen vs Gemini 3.8 Flash: seis coisas que quebram e um preço que converge em 1º de janeiro

Migrar do Gemini 3.8 Flash para o Gemini 4 Hydrogen parece uma mudança de uma linha: trocar a string do modelo, reimplantar, pronto. Seis itens na própria checklist de migração do Google dizem o contrário, e quatro deles falham sem erro. O modelo que substitui o Gemini 3.8 Flash passou a ter disponibilidade geral em 12 de novembro de 2026 por US$ 1,50 por milhão de tokens de entrada e US$ 7,50 por milhão de tokens de saída, de forma fixa ao longo de uma janela de 1.048.576 tokens que entrada, raciocínio e saída compartilham. O Gemini 3.8 Flash, estável desde 2 de setembro de 2026, fica pela metade desse preço até 1º de janeiro de 2027, quando a tabela de preços do Google o dobra para exatamente os mesmos US$ 1,50 / US$ 7,50. Portanto, a diferença de preço entre esses dois modelos é uma janela de sete semanas, não uma estrutura de camadas — e a migração é a parte que vai custar mais do que os tokens.

Quatro falhas que você não verá em um código de status

do G​oogleWhat's new in G​emini 4 Hydrogen é invulgarmente franca sobre estes, o que sugere que já foram explorados na natureza.

• Parâmetros de amostragem — temperature, top_p e top_k não são rejeitados no Hydrogen. O servidor os ignora. Um prompt ajustado para uma temperatura de 0,2 no 3.8 Flash continua retornando 200s no Hydrogen e silenciosamente retorna a distribuição do que quer que seja o padrão.

• Padrão de pensamento — o 3.8 Flash usa por padrão o nível médio de pensamento; o Hydrogen usa por padrão alto. Nada na sua solicitação muda, mas tanto a latência quanto a cobrança de tokens de saída mudam, porque tokens de pensamento são cobrados como saída.

• Contabilização de contexto — o 3.8 Flash oferece 1.048.576 tokens de entrada e um orçamento separado de 65.536 tokens de saída. O Hydrogen tem uma única janela de 1.048.576 tokens que cobre entrada, raciocínio e saída juntos. Um prompt de 900 mil tokens que funcionava bem no 3.8 Flash agora deixa cerca de 148 mil para raciocínio e resposta, e tarefas de contexto longo truncarão as próprias respostas em vez de gerar erro.

• Cache explícito — cachedContents e caches.create não são suportados no Hydrogen. Qualquer solicitação que carregue um campo cached_content precisa descartá-lo e depender do cache implícito, que é ativado automaticamente em 4.096 tokens e concede 95% de desconto nos acertos de cache ($0.075 por milhão). O desconto é o mesmo; o controle se foi.

Dois que falham de forma ruidosa, o que é quase um alívio

O nível mínimo de raciocínio é rejeitado pelo Hydrogen com um erro — mas também é rejeitado pelo 3.8 Flash, então, se seu código ainda o envia, você tem um bug anterior a esta migração que vai aparecer no primeiro modelo para o qual você migrar. A outra falha evidente é o limite síncrono de saída, e ele também não é novo: 65.536 tokens por hop se aplica tanto a chamadas com streaming quanto sem streaming. O que é novo é a orientação do G​oogle. max_output_tokens agora limita a soma de raciocínio mais saída, limites fixos no código como 8.192 devem ser removidos, e qualquer coisa acima de 64K precisa de background: true com max_output_tokens definido acima de 65.536 — até 1.048.576 menos sua entrada. Defina background sem aumentar max_output_tokens e o servidor para em 64K de qualquer forma, que é o tipo de coisa que você descobre às 2 da manhã.

Reserve uma semana para testes comportamentais, não uma tarde para substituição de strings. Duas das falhas silenciosas acima só se manifestam como uma mudança na distribuição de saída, que nenhum teste de fumaça detecta.

O que você ganha pelo incômodo

A lacuna de capacidade é a razão pela qual alguém aceitaria a migração. O material de lançamento do G​oogle afirma 57% no Terminal-Bench 4.1, onde o Gemini 3.8 Flash marcou 18.2%, em um harness que ninguém fora do G​oogle pode inspecionar — direcional, não medido. A visão independente da Artificial Analysis é mais estreita e aponta na mesma direção: um Intelligence Index de 54 na configuração xhigh do Hydrogen contra 31 para o 3.8 Flash em high, com o modelo mediano nesse índice em 41.

Duas medições do Artificial Analysis importam mais do que o índice. A velocidade de saída é de 198 tokens por segundo para o Hydrogen em xhigh, contra 111 para o 3.8 Flash em high — pouco menos de 1,8x, medida na configuração mais lenta do Hydrogen, então a alegação do Google de cerca de 2,5x no high padrão é plausível, e não contraditória. E o custo por tarefa concluída é de US$ 3,16 para o Hydrogen, contra US$ 7,77 para o 3.8 Flash, porque o 3.8 Flash consome muito mais tokens por tarefa em relação à sua pontuação. Se o seu modelo de custo é baseado em dólares por milhão de tokens, ele está medindo a coisa errada aqui.

O número de comparação é o tempo até o primeiro token de resposta: 41,11 segundos para o Hydrogen contra 17,10 para o 3.8 Flash. O Hydrogen termina mais cedo e começa mais tarde. Numa caixa de chat onde uma pessoa observa as primeiras palavras a aparecer, o 3.8 Flash ainda parece mais rápido. Num ciclo de agente que dispara uma tarefa e recolhe um resultado, o tempo de relógio é aquilo que se paga e o Hydrogen ganha.

A aritmética que faz de dezembro o único mês que importa

Hoje, o Gemini 3.8 Flash custa US$ 0,75 de entrada / US$ 3,75 de saída, contra US$ 1,50 / US$ 7,50 do Hydrogen. Em 1º de janeiro de 2027, isso passa a ser US$ 1,50 / US$ 7,50 em ambos. A entrada em cache vai de US$ 0,075 para US$ 0,15 no 3.8 Flash e permanece em US$ 0,075 no Hydrogen, e a cobrança horária de armazenamento em cache dobra na mesma data. Todos os níveis de serviço convergem para o mesmo par de números: Batch e Flex ficam em US$ 0,75 / US$ 3,75 em ambos, Priority em US$ 2,70 / US$ 13,50 em ambos. O Hydrogen já está nos preços de janeiro, o que significa que o prêmio que você paga este mês é um prêmio por ser antecipado, não por estar em um modelo melhor.

Ambos os modelos têm um nível gratuito, o que vale a pena mencionar porque isso não é verdade em toda a linha G​emini 4 — Gemini 4 Carbon e Gemini 4 Argon não têm nenhum. Ambos os níveis gratuitos têm limite de taxa, e os dados do nível gratuito são usados para aprimoramento do produto, portanto nenhum dos dois é um contrato de produção.

O modelo que não está sendo descontinuado é o 3.8 Flash. A tabela de depreciação do Google não traz data de encerramento para ele, e a partir de 1º de dezembro de 2026 as requisições ao gemini-2.5-pro, já depreciado, são roteadas automaticamente para o 3.8 Flash. O Google está consolidando o tráfego no modelo do qual também está pedindo que você migre, o que significa que uma migração escalonada é uma opção real, e não um eufemismo para adiamento.

Executando a comparação no seu próprio tráfego

A decisão é mais fácil de tomar com ambos os modelos podendo ser chamados de um único lugar e em uma única fatura, porque toda a questão é comportamental: o seu conjunto de prompts perde alguma coisa quando a temperatura deixa de funcionar e o nível de raciocínio sobe um degrau.

Gemini 3.8 Flash está no catálogo do OrcaRouter a $0,75 / $3,75 por milhão de tokens, preço de tabela do provedor repassado com 0% de margem — então, quando o G​oogle dobrar essa tarifa em 1º de janeiro, o novo valor estará ativo aqui no mesmo dia, e não na próxima renovação de contrato. O G​emini 4 Hydrogen não está no nosso catálogo; ele é acessível pela API própria do G​oogle e pelo AI Studio, e nenhuma camada de roteamento muda isso. O que o roteador realmente oferece a você nesta janela é o próprio teste A/B: o mesmo prompt enviado ao 3.8 Flash e ao que você estiver avaliando em seguida, failover automático quando uma camada com limite de taxa descarta uma requisição, e uma DSL de roteamento que pode manter o caminho barato no modelo que ainda tem cache explícito até você migrar o último chamador.

Quem deve se mudar em novembro, e quem deve esperar

Mude agora se sua carga de trabalho for agêntica, dependente de terminal ou de longo horizonte, e se a diferença de 57 contra 18,2 no Terminal-Bench 4.1 descrever uma tarefa real que você executa. O adicional de preço que você paga entre agora e janeiro é o custo de sete semanas extras do modelo melhor, o que é um erro de arredondamento comparado a uma migração que você faria de qualquer forma.

Espere até janeiro se sua carga de trabalho for no formato de chat e sensível à latência, ou se depender de semântica de cache explícita em torno da qual você construiu lógica de repetição. O 3.8 Flash é mais barato hoje, mais rápido para o primeiro token e não está programado para desligamento. Não há prêmio por ser o primeiro a passar por uma migração cujo único prazo é uma tabela de preços.

O que ninguém deveria fazer é migrar na última semana de dezembro e descobrir o parâmetro de temperatura ignorado em produção no dia 2 de janeiro. O único erro genuinamente irreversível aqui é tratar a data de lançamento como o prazo. O prazo é a convergência de preços — e os testes que capturam as falhas silenciosas têm de acontecer antes dele, não depois.