Gemini 4 Hydrogen против Gemini 4 Argon: дешевле, быстрее, чуть умнее — и вдвое чаще выдумывает факты

По сводному показателю, который цитирует большинство людей, Gemini 4 Hydrogen опережает Gemini 4 Argon на один балл. В независимом испытательном стенде, который его вычисляет, Hydrogen завершает индексную задачу за 13,5 минуты против 30,0 у Argon, стоит $3,16 против $4,97 и генерирует ответы со скоростью 190 токенов в секунду против 65. Это выглядит как разгром, пока не прочитаешь вторую таблицу, где Argon галлюцинирует на 4,3% вопросов Artificial Analysis на всезнание, а Hydrogen — на 8,5%, и где Argon побеждает и в Terminal-Bench 4.0, и в Terminal-Bench-Science. Gemini 4 Hydrogen и Gemini 4 Argon — это одна и та же базовая модель с разными бюджетами на размышления, и выбор между ними — не «новое против старого», а «сколько размышлений вы готовы оплачивать и насколько доверяете ответу, не проверяя его».

Разрыв — это бюджет на размышления, а не архитектура.

Первой Google выпустила Argon. Её анонсировали 30 сентября 2026 года, она стала общедоступной 13 октября и позиционировалась как эффективная фронтирная модель: то же унифицированное контекстное окно на 1 048 576 токенов, что и у Gemini 4 Carbon, те же встроенные инструменты, та же цена за токен, но на каждый ход тратится меньше токенов размышления. Gemini 4 Hydrogen появилась 12 ноября с тем же окном, теми же инструментами и карточкой, где прямо сказано, что она адаптирована на основе Carbon, а не обучена отдельно.

На самом деле их различает регулятор в верхней части запроса. Argon принимает значения low, medium и high, по умолчанию — medium. Hydrogen принимает эти три, по умолчанию — high и добавляет четвёртую ступень под названием xhigh. Всё остальное в структуре модели у них общее.

Это важно, потому что сравнение из заголовков, которое все проводят, — не сопоставимое. Artificial Analysis публикует 54 у Hydrogen при xhigh и 50 у Argon при high. При собственном значении Hydrogen по умолчанию — high, которое получает запрос, если ничего не отправлять, — тот же стенд оценивает его в 51. Таким образом, честный разрыв в один балл — это 51 против 50, а разрыв в четыре балла получается, если выбрать самую дорогую ступень у одной модели и сравнить её со средней ступенью у другой.

Поверните регулятор в другую сторону — и порядок изменится на противоположный. Hydrogen на среднем уровне набирает 41 балл. Если ваша рабочая нагрузка соответствует рекомендованному Google значению по умолчанию для Argon, Hydrogen — не лучшая модель, а более дешёвая, которая думает меньше.

Шесть строк, определяющих решение

Все приведенные ниже показатели получены в результате собственных запусков Artificial Analysis через API Google, если не указано иное. Цены за токен взяты из опубликованного Google тарифного прайс-листа; обе модели используют одну и ту же структуру тарифной карты.

• Индекс интеллекта — Gemini 4 Hydrogen: 54 при xhigh, 51 при high, 41 при medium; Gemini 4 Argon: 50 при high, это его потолок. Сопоставимая пара — 51 против 50.

• Стоимость одной выполненной задачи индексации — Hydrogen: $3,16 при xhigh и $1,87 при high; Argon: $4,97. Разрыв в расчёте на задачу гораздо шире, чем разница в один балл, и при настройке по умолчанию он увеличивается ещё больше.

• Скорость вывода — 190 токенов в секунду для Hydrogen на xhigh, 179 на high; 65 для Argon. Примерно трёхкратное преимущество по пропускной способности, сохраняющееся на каждом уровне рассуждения.

• Время до первого токена ответа — Hydrogen 37,8 секунды при xhigh и 16,7 при high; Argon 40,7. При настройке по умолчанию Hydrogen начинает отвечать на 24 секунды раньше, и именно эта разница заметна в чат-интерфейсе.

• Многословность — Hydrogen сгенерировал 304 млн выходных токенов для завершения индекса против 113 млн у Argon и медианы в 72,8 млн. Argon уже описывается тем же харнессом как «довольно многословный»; Hydrogen — «очень многословный», и именно это съедает большую часть его преимущества в цене за токен при xhigh.

• Цена и тарифы за миллион токенов — Hydrogen: $1.50 / $7.50 фиксированно, чтение из кэша — $0.075, Batch и Flex — $0.75 / $3.75, Priority — $2.70 / $13.50, а также бесплатный тариф с ограничением частоты запросов. Argon: $2.00 / $10.00 до 30 ноября 2026 г., чтение из кэша — $0.10, Batch и Flex — $1.00 / $5.00, Priority — $3.60 / $18.00, бесплатного тарифа нет. Оба предлагают тариф Contributor только по приглашению; у Hydrogen — $0.75 / $3.75, у Argon — $1.00 / $5.00.

Где Argon по-прежнему остаётся лучшей моделью

Три независимых результата и один показатель частоты галлюцинаций указывают на то, что более новая и дешёвая модель не является однозначным улучшением. Именно поэтому эта страница не содержит рекомендации переходить на неё.

• Terminal-Bench 4.0 — Argon 57,1%, Hydrogen 53,5%. Бенчмарк агентного программирования, в котором более старая модель по-прежнему лидирует и который ближе всего к тому, что на самом деле происходит в долгой сессии с использованием инструментов.

• Terminal-Bench-Science — Argon 52,9 %, Hydrogen 49,5 %. Та же закономерность в научном варианте.

• AutomationBench-AA — Argon 77,5%, Hydrogen 76,1%. Узкое поражение, но всё же поражение, и это бенчмарк для интеллектуального труда, на который сильнее всего ссылается собственная карточка Google.

• Доля галлюцинаций в режиме всеведения — Argon 4,3%, Hydrogen 8,5% при xhigh. Hydrogen правильно отвечает на сопоставимую долю этих вопросов и примерно вдвое чаще выдумывает ответ, когда не знает. На том же наборе при high этот показатель составляет 8,7%, так что это не артефакт максимального уровня рассуждений.

Контрсписок тоже реален, и именно поэтому Hydrogen по-прежнему выигрывает по композитному показателю: FrontierCode 2.0 — 39,0% против 25,7% у Argon, CritPT agentic hard — 66,0% против 52,5%, HLE-Diamond — 58,8% против 56,7%, а также небольшое преимущество в срезах способностей по инженерии, юриспруденции и финансам. Hydrogen — лучшая модель в починке кода и в сложных рассуждениях в стиле соревнований, и худшая — в длительной работе в терминале и в понимании, когда нужно сказать, что она не знает.

Такое разделение имеет практический смысл. Если верификатор, набор тестов или человек читает выходные данные до того, как это станет важно, уровень галлюцинаций Hydrogen — это издержка, которую вы уже несёте, чтобы их отлавливать. Если ничто дальше по цепочке не проверяет ответ — ответ службы поддержки, извлечение данных, питающее базу данных, сводка, которую читает клиент, — то 4,3% у Argon стоят больше, чем дополнительные 40 токенов в секунду у Hydrogen.

Шаг от 1 декабря увеличивает разрыв, но не обращает его вспять

Обе модели предлагаются по промо-тарифам с жёстким сроком действия. Argon с $2.00 / $10.00 вырастет до $4.00 / $20.00 1 декабря 2026 года; чтение из кэша удвоится до $0.20, Batch и Flex — до $2.00 / $10.00, а Priority — до $7.20 / $36.00. Опубликованная тарифная карта Hydrogen не предусматривает датированного изменения ни на одном уровне, включая бесплатный.

Если пересчитать после этого шага, соотношение стоимости за токен сместится с 1,33x до 2,67x в пользу Hydrogen. Для каждой задачи Artificial Analysis пересчитывает свой показатель по актуальной тарифной сетке, и сервис уже опубликовал оба варианта: $4,97, когда в тарифной сетке Argon было указано $2,00 / $10,00, и $9,95 в том прогоне, где было указано $4,00 / $20,00. Тот же стенд показывает для Hydrogen $3,16 в обоих случаях. Это не делает Argon неправильной моделью; это делает Argon моделью, выбор которой следует обосновывать точностью, а не привычкой.

Это также приводит к тому, что две модели требуют разной маршрутизации. OrcaRouter предлагает Gemini 4 Argon и Gemini 4 Carbon по прейскурантной цене провайдера с наценкой 0%, поэтому удвоение цены 1 декабря появляется у нас в тот же день, когда оно появляется в тарифной карточке Google, а не при следующей сверке счетов, а стек, который сохраняет Argon для проверок точности, прозрачно платит по новому тарифу. Gemini 4 Hydrogen отсутствует в нашем каталоге — она поставляется из собственного API Google и AI Studio — поэтому конфигурация, соответствующая этой статье, — это Hydrogen, вызываемая напрямую для исполнительных ходов, и Argon за роутером в качестве верификатора, с автоматическим переключением при сбое между провайдерами, покрывающим случай, когда один путь упирается в лимит запросов посреди сессии.

Что изменится в вашем коде, если вы переключитесь

Google описывает миграцию как изменение строки модели с четырьмя различиями в поведении, и только первое из них очевидно.

• Размер шага — Hydrogen допускает 65,536 токенов на один нестриминговый шаг в вызовах REST и SDK; Argon допускает 32,768 токенов на один нестриминговый шаг REST. Длинная генерация одним вызовом становится проще, и любой код, который разбивал запросы на чанки из-за лимита в 32K, может прекратить разбиение на чанки.

• Значения по умолчанию для режима размышления — Argon по умолчанию использует medium и ограничивается уровнем high; Hydrogen по умолчанию использует high и добавляет xhigh. Поэтому простая замена строки модели незаметно повышает и задержку, и расход токенов на размышления. Явно задайте thinking_level в первом запросе, иначе счёт позже вам об этом напомнит.

• Кэширование — ни один из них не поддерживает явное кэширование; оба предоставляют скидку 95% на неявные попадания в кэш для промптов длиной 4096 токенов и более. Чтение из кэша у Argon стоит $0.10, а у Hydrogen — $0.075, поэтому нагрузка с интенсивным использованием кэша экономит 25% на кэшируемой части до декабрьского изменения и 62,5% после него.

• Сэмплирование и вызовы инструментов — оба игнорируют temperature, top_p и top_k, а не отклоняют их, и оба вернут MALFORMED_FUNCTION_CALL, если вы запрашиваете вызовы инструментов в виде JSON в сыром тексте вместо нативного объявления инструментов. Ни то, ни другое не является проблемой, специфичной для переключателя, но оба проявляются во время работы с ним.

Ещё одно различие отсутствует в списке миграции и важно для агентов: в карточке Argon не публикуется дата отсечки знаний, тогда как карточка модели Hydrogen указывает март 2026 года с оговоркой, что в некоторых областях данные менее актуальны. Если вы сравниваете эти две модели из-за конвейера, чувствительного к актуальности данных, то Hydrogen — единственная из пары, где дату можно прочитать, а не проверять её тестированием.

Правило, которое следует применить

Переключайтесь с Argon на Hydrogen, когда работа выполняется, а затем проверяется: разработка через тестирование, редактирование файлов, параллельные субагенты, конвейеры «извлечение — затем ответ» с этапом цитирования и всё, где стоимость одной завершённой задачи — это число на дашборде. Запускайте Hydrogen в режиме high, а не на уровне по умолчанию, который вы себе воображаете — опубликованное значение 54 требует xhigh, а практическое значение по умолчанию — 51, что стоит $1.87 за задачу.

Оставайтесь на Argon, когда ответ отправляется без проверки, когда задача — это длительная сессия в терминале, а не короткий всплеск, или когда до запуска осталось меньше трёх недель и вы предпочли бы не трогать продакшен-путь ради изменения оценки на один пункт. При 4,3% галлюцинаций против 8,5% Argon покупает вам шаг проверки, который иначе пришлось бы создавать самостоятельно.

Ответ изменила бы третья точка данных, которой пока нет ни у одной из моделей: воспроизводимое измерение того, что Google на самом деле рекламировала для Hydrogen — более чистого кода и меньшего числа сфабрикованных утверждений, которое, согласно документации, более чем в пять раз меньше, чем у Gemini 3.8 Flash. В наборе omniscience от Artificial Analysis результат Hydrogen идёт в противоположном направлении по сравнению с Argon. Пока кто-то не запустит обе модели на одном и том же распределении задач, честная позиция состоит в том, что Hydrogen лучше по экономике, а Argon — по качеству ответа, и изменение цены 1 декабря делает отсрочку этого компромисса более дорогой, а не более дешёвой.