Gemini 4 Hydrogen vs Claude Haiku 5.5: En 15x prisskillnad som krymper till 7x per slutförd uppgift

På prislistan är gapet absurt. Claude Haiku 5.5 kostar $0.10 per miljon indatatokens och $0.50 per miljon utdatatokens för prompter på upp till 100 000 tokens; G​emini 4 Hydrogen kostar $1.50 och $7.50. Det är femton gånger dyrare på båda posterna, för en modell som först kom in i G​oogles katalog den 12 november 2026. Ingen som väljer mellan dem den här veckan väljer dock mellan två priser. De väljer mellan en modell som får 54 på Artificial Analysis Intelligence Index och en som får 36, och femtonfaldigheten försvinner så snart man mäter vad var och en kostar för att slutföra ett jobb i stället för att påbörja ett.

Siffran per token och siffran per uppgift skiljer sig med hälften.

Artificial Analysis kör båda modellerna genom samma testramverk och publicerar kostnaden per slutförd indextask tillsammans med priset per token. Resultaten ligger inte nära det som prislistorna antyder.

• Per token, indata och utdata — G​emini 4 Hydrogen $1.50 / $7.50 jämfört med Claude Haiku 5.5 $0.10 / $0.50. Haiku är 15,0 gånger billigare på indata och 15,0 gånger billigare på utdata, konstant.

• Per slutförd indexuppgift — Gemini 4 Hydrogen $3,16 vid sin högsta tänkande inställning jämfört med Claude Haiku 5.5 $0,41. Haiku är 7,7x billigare, inte 15x.

• Varför gapet halveras — ordrikedom. Haiku 5.5 genererade 298 miljoner utdatatokens för att arbeta sig igenom indexet, mot 107 miljoner för medianmodellen i dess egen jämförelseklass — Carbon och Hydrogen mäts mot en median på 72,8 miljoner, så de två medianerna är inte samma måttstock. Det är billigt per token och dyrt per svar, eftersom det krävs många fler tokens för att nå ett.

• Blandat pris för samma 7:2:1-mix av cache/indata/utdata — G​emini 4 Hydrogen 1,10 USD per miljon jämfört med Claude Haiku 5.5 0,077 USD per miljon.

Läs de två sista raderna tillsammans, så ändrar prisargumentet form. Ett team som budgeterar utifrån prislistan förväntar sig en femtonfaldig besparing och får strax under åtta. Ett team som budgeterar utifrån kostnad per uppgift får det verkliga talet, och det talet är fortfarande överväldigande till Haikus fördel – men det är ett tal man kan planera efter, vilket prislistan inte är.

Det finns en tröskel inbäddad i Haikus kort som ingen av siffrorna fångar. Allt ovanstående är priset under 100 000 token. Efter 100 000 token i prompten går Haiku 5.5 över till $0.50 för indata och $2.50 för utdata – en femfaldig ökning som placerar den på exakt en tredjedel av Hydrogens utdatapris i stället för en femtondel. Båda modellerna har ett fönster på 1 048 576 token, så korsningspunkten är nåbar snarare än teoretisk: en arbetsbelastning med lång kontext placerar Haiku på $0.50/$2.50 mot Hydrogens $1.50/$7.50, och gapet per token minskar till 3x medan förmågegapet ligger kvar exakt där det var.

Vad arton indexpoäng ger – i de uppgifter som folk faktiskt kör

Arton indexpoäng är en stor skillnad på papperet. Huruvida det är en stor skillnad i praktiken beror helt och hållet på arbetets utformning, och leverantörernas benchmarkresultat pekar i olika riktningar beroende på vilket man läser.

• Agentiskt terminalarbete — Google rapporterar Gemini 4 Hydrogen på 57,0 % på Terminal-Bench 4.1, märkt som fuskjusterat. Anthropic rapporterar Claude Haiku 5.5 på 39,2 % på Terminal-Bench 4.0. Olika versioner av benchmarken, så jämförelsen är riktningsgivande snarare än exakt, men riktningen är konsekvent och den talar till Hydrogens fördel med bred marginal.

• Datoranvändning — Hydrogen på 77,6 % på OSWorld-2.1, enligt leverantören; Haiku 5.5 på 72,4 % på offline-delmängden av samma benchmark, även det enligt leverantören. Ett mindre försprång för Hydrogen, och att det är fråga om en delmängd innebär att de två siffrorna inte mäter riktigt samma sak.

• Krävande resonemang utan verktyg — Hydrogen på 58,8 % på HLE-Diamond; Haiku 5.5 på 45,9 % på Humanity's Last Exam utan verktyg, och stiger till 57,4 % med verktyg. Detta är det största ärliga gapet mellan de två, och det är det som motsvarar "kan den här modellen hantera ett svårt problem utan en stödstruktur".

• Kodgranskning och reparation – Hydrogen på 66,6 % på Chartography; Haiku 5.5 på 46,4 % på Chartography utan verktyg. Tjugo procentenheter, samma benchmarknamn, samma förutsättning utan verktyg.

• Frontier-kodning — A​nthropic rapporterar Haiku 5.5 på 46,4 % på FrontierCode 1.1 och rapporterar en FrontierCode-poäng på 66,2 från Cognition när Haiku 5.5 körs som sidekick inuti Devin Fusion. Observera att den andra siffran är ett annat upplägg, inte en annan poäng för samma uppgift, och A​nthropic märker båda som kundrapporterade snarare än förstaparts.

Varje siffra ovan är leverantörsrapporterad av företaget som säljer modellen. Ingen av dem har en oberoende reproduktion, och benchmarkversionerna skiljer sig tillräckligt mycket för att det skulle vara ohederligt att summera dem till ett enda påstående om att "Hydrogen är X % bättre". Det de ger stöd för är snävare och mer användbart: Hydrogen är betydligt bättre på uppgifter som pågår länge och använder verktyg; gapet är minst där uppgiften är en enda avgränsad fråga.

Båda är långsamma att starta, vilket ingen tar upp i rubriken

Det här är delen av jämförelsen som överraskar dem som valde utifrån pris eller index och sedan såg den första token anlända.

• Tid till första svarstoken — G​emini 4 Hydrogen 40,55 sekunder vid sin högsta inställning för tänkande jämfört med Claude Haiku 5.5 175,95 sekunder vid sin högsta inställning. Hydrogen startar fyra gånger tidigare, och båda siffrorna ligger långt över vad en interaktiv yta tolererar.

• Utdataningshastighet när den väl startar — Claude Haiku 5.5 256 tokens per sekund jämfört med Gemini 4 Hydrogen 188 tokens per sekund. Haiku skriver snabbare och startar senare.

• Genomsnittlig tid per indexeringsuppgift — Claude Haiku 5.5: 14,7 minuter. De två modellerna hamnar på liknande nivå per slutförd uppgift; de tar sig dit via motsatta vägar.

• Vid Hydrogens standardtankeläge sjunker siffran för första token till ungefär 16,7 sekunder, vilket är siffran som spelar roll för ett chattgränssnitt, och vilket också är inställningen som ger indexpoängen 51 i stället för 54.

Om du bygger något som en människa väntar på är ingen av modellernas huvudkonfiguration lämplig. Haiku 5.5 är särskilt en modell med justerbar ansträngning – från Low till Max – och siffrorna 175,95 sekunder och index 36 avser Max-inställningen. Vid lägre ansträngning startar den tidigare och får lägre poäng, och A​nthropic publicerar ingen tabell som visar hur det ena motsvarar det andra. Det är ett test som du måste köra själv.

Det är i cachningen som prisrelationen faktiskt ligger

För alla arbetsbelastningar med ett stabilt prefix – en systemprompt, en karta över kodförrådet, en dokumentuppsättning – utgör cachad indata större delen av kostnaden, och de två korten beter sig tillräckligt olika för att ändra ordningen på jämförelsen.

• Pris för cacheread — Claude Haiku 5.5 0,01 USD per miljon, en rabatt på 90 % jämfört med dess indatapris på 0,10 USD. G​emini 4 Hydrogen 0,075 USD per miljon, en rabatt på 95 % jämfört med dess pris på 1,50 USD.

• Cachemekanism – Claude Haiku 5.5 stöder explicita cacheskrivningar till $0,125 per miljon, så du styr vad som cachas och hur länge. G​emini 4 Hydrogen stöder endast implicit cachning, utan explicita cachehandtag, så rabatten är ett beteende hos tjänsten snarare än ett API som du anropar.

• Vad det innebär – en arbetsbelastning med ett delat prefix på 60 000 token som läses tusen gånger om dagen kostar 0,60 USD per dag i cacheläsningar på Haiku och 4,50 USD på Hydrogen, en skillnad på 7,5 gånger i stället för 15 gånger, eftersom Hydrogen ger 95 % rabatt där Haiku ger 90 %. Öka samma prefix till 200 000 token, förbi Haikus tröskel, och bilden inverteras: Haikus cacheläsning för långnivån är 0,05 USD per miljon, så läsningen kostar 10,00 USD på Haiku mot 15,00 USD på Hydrogen, medan varje ny indatatoken i den begäran nu är tre gånger billigare på Haiku. Cachegapet minskar exakt där indatagapet ökar, vilket inte är den avvägning en långkontextsarbetsbelastning förväntar sig.

Asymmetrin spelar störst roll för den arbetsbelastning som Hydrogen är bäst på. Långa agentiska sessioner med en stor stabil kontext är precis där implicit cachelagring hjälper och precis där du skulle vilja ha explicit kontroll över vad som förblir resident. Haiku ger dig kontrollen och den billigare cachen vid varje prefixlängd; Hydrogen ger dig kapaciteten och ber dig lita på att tjänsten upptäcker upprepningen.

Tre arbetslaster, tre olika svar

Att abstrahera ytterligare skulle vara en otjänst, så här går gränsen i praktiken.

En klassificerings- eller extraktionspipeline över miljontals korta dokument är Haiku 5.5:s arbetsbelastning och inte i närheten. Begränsad indata, begränsad utdata, inga verktyg, ingen lång horisont: indexgapet är irrelevant eftersom uppgiften inte utnyttjar det, och $0.10/$0.50 mot $1.50/$7.50 är en femtonfaldig besparing på en nota som redan är den dominerande kostnaden. Att flytta detta till Hydrogen ger ingenting och kostar en storleksordning mer.

En kodagent som redigerar filer, kör tester och återhämtar sig från fel är Hydrogens arbetsbelastning. Luckorna i Terminal-Bench och Chartography är de direkta bevisen, och siffran för kostnad per uppgift – 3,16 USD mot 0,41 USD – underskattar skillnaden, eftersom en uppgift som Haiku inte kan slutföra har en oändlig kostnad per slutförande snarare än en låg. Jämförelsen gäller bara för uppgifter som båda modellerna klarar.

Ett nattligt batchjobb som sammanfattar långa dokument ligger i det tvetydiga mellanläget och avgörs av 100K-tröskeln. Under 100 000 token per anrop är Haiku femton gånger billigare per token och ungefär åtta gånger billigare per slutförd uppgift. Över det femdubblas Haikus pris, och det ärliga svaret är att testa båda på din egen korpus, eftersom brytpunkten beror på hur mycket av din indata som är prompt kontra dokument.

En interaktiv assistent är inget av dem. Båda modellerna är för långsamma för att starta med sina maximala inställningar, och den rätta konfigurationen för en chattyta är Hydrogen på standardnivå eller Haiku med en lägre ansträngningsnivå – en jämförelse av två nedgraderingar, som nästan ingen benchmarkar och som är den enda versionen av den här frågan som når en användare.

Att köra båda utan att i förväg välja en vinnare

Den rimliga hållningen för de flesta team är att detta inte är en migrering utan ett routingbeslut, och routingbeslut är billigare att ångra än migreringar.

OrcaRouter har ingen av dessa två modeller i toppen av sitt sortiment: Claude Haiku 4.5 finns i katalogen för $1.00 och $5.00 per miljon token med ett fönster på 200 000 token, och Gemini 3.8 Flash för $0.75 och $3.75 med det fulla fönstret på 1 048 576 token – båda till leverantörens listpris med 0 % påslag, på en enda nyckel, med automatisk failover mellan leverantörer. Haiku 5.5 och Hydrogen kommer båda från respektive leverantörs egna API:er. Så upplägget som fungerar är en routingpolicy: Hydrogen anropas direkt för de långsiktiga exekveringsomgångarna där dess benchmarkförsprång är verkligt, Haiku 5.5 anropas direkt för högvolymsanrop med begränsad omfattning där dess prisfördel är verklig, och en dirigerad modell bakom båda som den väg en begäran faller tillbaka till när endera leverantören stryper, höjer en hastighetsgräns eller inför en prisändring.

Den där sista klausulen är inte hypotetisk. Googles kort schemalägger redan Gemini 4 Carbon och Gemini 4 Argon att fördubblas den 1 december 2026, från $2.00/$10.00 till $4.00/$20.00, medan Hydrogen inte har något daterat steg. Anthropic har redan ändrat priset på Haiku en gång under den här cykeln och sänkte det med ungefär 90 % på nivån under 100K när 5.5 ersatte 4.5. Ett routningslager som för vidare leverantörens listpris utan påslag innebär att dessa ändringar når dig samma dag som de träder i kraft i stället för vid nästa avtalsförnyelse – vilket, för en jämförelse där hela argumentet är pris, är den funktion som betyder något.

Vad skulle ändra det här svaret?

Tre saker, i ordning efter hur mycket de skulle påverka det.

En oberoende reproduktion av Terminal-Bench-gapet. Varje agentiskt mätvärde ovan är leverantörsrapporterat från båda håll, på olika benchmarkversioner, och det enskilt största skälet till Hydrogens prispåslag vilar på siffror som inget av företagen har låtit granska. Artificial Analysis publicerar ett index för båda modellerna men inte delpoängen per benchmark som skulle avgöra saken.

En publicerad kurva för ansträngning kontra kvalitet för Haiku 5.5. Om Low effort behåller större delen av poängen för Max-inställningen till en bråkdel av latensen, smalnar interaktionsfallet av och prisfördelen sprider sig uppåt till arbetsbelastningar som för närvarande tilldelas Hydrogen. A​nthropic levererar inställningen och inte tabellen.

Ett drag på Hydrogens kort. Det har för närvarande inget, vilket är ovanligt i en familj där två av tre medlemmar fördubblas på tre veckor. Om det ändras flyttar siffran för kostnad per uppgift — den enda siffran som gör den här jämförelsen intressant — med den, och 7,7x blir något helt annat.

Tills någon av dem landar är den försvarbara sammanfattningen den som den oberoende testriggen stöder snarare än den som prislistan antyder: Haiku 5.5 är mellan sju och femton gånger billigare beroende på om man räknar tokens eller slutförda uppgifter, Hydrogen är avgjort bättre på allt som pågår länge och använder verktyg, och det enda tal som bör avgöra fördelningen är vad var och en kostar dig per uppgift som du faktiskt kan slutföra.