Gemini 4 Hydrogen mot Gemini 4 Argon: Billigare, snabbare, något smartare – och dubbelt så stor risk att hitta på en faktauppgift

På den sammansatta poäng som de flesta citerar slår Gemini 4 Hydrogen Gemini 4 Argon med en poäng. I den oberoende testrigg som tar fram den gör Hydrogen en indexuppgift på 13,5 minuter mot Argons 30,0, kostar 3,16 dollar mot 4,97 dollar och genererar svar med 190 tokens per sekund mot 65. Det ser ut som en utklassning tills man läser den andra tabellen, där Argon hallucinerar i 4,3 % av Artificial Analysiss omniscience-frågor och Hydrogen i 8,5 %, och där Argon vinner både Terminal-Bench 4.0 och Terminal-Bench-Science. Gemini 4 Hydrogen och Gemini 4 Argon är samma underliggande modell med olika tankebudgetar påmonterade, och valet mellan dem är inte "nytt mot gammalt" – det är "hur mycket tänkande vill du betala för, och hur mycket litar du på svaret utan att kontrollera det".

Gapet är en tankebudget, inte en arkitektur

Google släppte Argon först. Den annonserades den 30 september 2026, nådde allmän tillgänglighet den 13 oktober och positionerades som den effektiva frontiermodellen: samma enhetliga kontextfönster på 1 048 576 token som Gemini 4 Carbon, samma inbyggda verktyg, samma pris per token, men färre tänktoken som förbrukas per tur. Gemini 4 Hydrogen anlände den 12 november med samma fönster, samma verktyg och ett kort som rakt på sak säger att den är anpassad från Carbon i stället för tränad separat.

Det som faktiskt skiljer de två åt är vredet högst upp i anropet. Argon accepterar låg, medel och hög och har medel som standard. Hydrogen accepterar dessa tre, har hög som standard och lägger till en fjärde nivå som heter xhigh. I övrigt är modellens utformning gemensam.

Det spelar roll eftersom den rubrikjämförelse alla gör inte är äpplen mot äpplen. Artificial Analysis publicerar Hydrogens 54 vid xhigh och Argons 50 vid high. Med Hydrogens egen standardinställning – high, den inställning en förfrågan får om man inte skickar något – ger samma testramverk den 51. Så den ärliga enpoängskillnaden är 51 mot 50, och fyrapoängskillnaden är vad man får genom att välja det dyraste steget för den ena modellen och jämföra det med det mellersta steget för den andra.

Vrid reglaget åt andra hållet så kastas ordningen om. Hydrogen på medelnivå får 41 poäng. Om din arbetsbelastning körs på Googles rekommenderade standardinställning för Argon är Hydrogen inte den bättre modellen – det är en billigare som tänker mindre.

Sex rader som bär beslutet

Alla siffror nedan kommer från Artificial Analysis egna körningar mot Googles API om inte annat anges. Priserna per token är Googles publicerade prislista; båda modellerna följer samma struktur för prislistan.

• Intelligensindex — Gemini 4 Hydrogen 54 vid xhigh, 51 vid high, 41 vid medium; Gemini 4 Argon 50 vid high, dess tak. Det jämförbara paret är 51 mot 50.

• Kostnad per slutförd indexuppgift – Hydrogen 3,16 USD vid xhigh och 1,87 USD vid high; Argon 4,97 USD. Gapet per uppgift är mycket större än poänggapet på en poäng, och det ökar ytterligare vid standardinställningen.

• Utdatashastighet — 190 tokens per sekund för Hydrogen vid xhigh, 179 vid high; 65 för Argon. Ungefär tre mot ett i genomströmningsfördel som håller i sig på alla tänknivåer.

• {{1}}Tid till första svarstoken{{/1}} — Hydrogen 37,8 sekunder vid xhigh och 16,7 vid high; Argon 40,7. {{2}}Hydrogen börjar svara 24 sekunder tidigare{{/2}} vid standardinställningen, vilket är skillnaden som en chattvy märker.

• Verbositet — Hydrogen genererade 304 miljoner utdatatoken för att slutföra indexet, mot 113 miljoner för Argon och en median på 72,8 miljoner. Argon beskrivs redan av samma testramverk som "något verbos"; Hydrogen är "mycket verbos", och det är det som äter upp större delen av dess prisfördel per token vid xhigh.

• Pris och nivåer, per miljon tokens — Hydrogen $1,50 / $7,50 fast, cacheläsningar $0,075, Batch och Flex till $0,75 / $3,75, Priority till $2,70 / $13,50 samt en gratisnivå med hastighetsbegränsning. Argon $2,00 / $10,00 till och med 30 november 2026, cacheläsningar $0,10, Batch och Flex till $1,00 / $5,00, Priority till $3,60 / $18,00, ingen gratisnivå. Båda erbjuder en Contributor-nivå endast på inbjudan; Hydrogens är $0,75 / $3,75, Argons $1,00 / $5,00.

Där Argon fortfarande är den bättre modellen

Tre oberoende resultat och en hallucinationsfrekvens säger att den nyare, billigare modellen inte är en strikt uppgradering. De är anledningen till att den här sidan inte är en rekommendation att migrera.

• Terminal-Bench 4.0 — Argon 57,1 %, Hydrogen 53,5 %. Det benchmark för agentisk kodning där den äldre modellen fortfarande leder, och det som ligger närmast vad en lång session med verktygsanvändning faktiskt gör.

• Terminal-Bench-Science — Argon 52,9 %, Hydrogen 49,5 %. Samma mönster i science-varianten.

• AutomationBench-AA — Argon 77,5 %, Hydrogen 76,1 %. En knapp förlust, men en förlust, och det är det benchmark för kunskapsarbete som Googles eget kort citerar mest.

• Hallucinationsfrekvens för allvetenhet — Argon 4,3 %, Hydrogen 8,5 % vid xhigh. Hydrogen svarar korrekt på en liknande andel av dessa frågor och hittar på ett svar ungefär dubbelt så ofta när det inte vet. På samma uppsättning vid high är frekvensen 8,7 %, så detta är inte en artefakt av den högsta tänknivån.

Motlistan är också verklig, och det är därför Hydrogen fortfarande vinner det sammanvägda resultatet: FrontierCode 2.0 på 39,0 % mot Argons 25,7 %, CritPT agentic hard på 66,0 % mot 52,5 %, HLE-Diamond på 58,8 % mot 56,7 % och ett litet övertag på delarna för ingenjörskapacitet, juridisk kapacitet och finansiell kapacitet. Hydrogen är den bättre modellen på kodreparation och på svår tävlingsinriktad resonemangsförmåga, och den sämre på långvarigt terminalarbete och på att veta när den ska säga att den inte vet.

Den uppdelningen har en praktisk form. Om en verifierare, en testsvit eller en människa läser utdata innan det spelar roll, är Hydrogens hallucinationsfrekvens en kostnad du redan betalar för att upptäcka den. Om inget nedströms kontrollerar svaret – ett supportärende, ett utdrag som matar en databas, en sammanfattning som en kund läser – är Argons 4,3 % värt mer än Hydrogens extra 40 tokens per sekund.

Steget den 1 december vidgar klyftan utan att vända den.

Båda modellerna finns på kampanjkort med ett fast utgångsdatum. Argon går från $2.00 / $10.00 till $4.00 / $20.00 den 1 december 2026, med cacheläsningar som dubblas till $0.20, Batch och Flex till $2.00 / $10.00 och Priority till $7.20 / $36.00. Hydrogens publicerade kort har inget daterat steg på någon nivå, inklusive den kostnadsfria.

Gör beräkningen efter steget och förhållandet per token går från 1,33x till 2,67x till Hydrogens fördel. Per uppgift räknar Artificial Analysis om sin siffra utifrån den aktuella prislistan, och den har redan publicerat båda versionerna: 4,97 USD när Argons prislista angav 2,00 USD / 10,00 USD, och 9,95 USD i körningen som angav 4,00 USD / 20,00 USD. Samma testrigg placerar Hydrogen på 3,16 USD över båda. Det gör inte Argon till fel modell; det gör Argon till en modell som du bör kunna motivera utifrån noggrannhet snarare än vana.

Det gör också att de två modellerna vill ha olika routning. OrcaRouter tillhandahåller Gemini 4 Argon och Gemini 4 Carbon till leverantörens listpris med 0 % påslag, så att fördubblingen den 1 december syns hos oss samma dag som den syns på Googles prislista i stället för vid nästa fakturaavstämning, och en stack som behåller Argon för sina noggrannhetskontroller betalar den nya prisnivån på ett transparent sätt. Gemini 4 Hydrogen finns inte i vår katalog – den kommer från Googles eget API och AI Studio – så konfigurationen som matchar den här artikeln är Hydrogen som anropas direkt för utförandeturer och Argon bakom routern som verifierare, med automatisk failover mellan leverantörer som täcker fallet där en väg begränsar anropstakten mitt i en session.

Vad ändras i din kod om du byter

Google dokumenterar migreringen som en ändring av modellsträngen med fyra beteendeskillnader, och endast den första är uppenbar.

• Hoppstorlek – Hydrogen tillåter 65 536 token per icke-strömmande hopp via REST- och SDK-anrop; Argon tillåter 32 768 per icke-strömmande REST-hopp. Lång engångsgenerering blir enklare, och all kod som delade upp kring 32K-gränsen kan sluta dela upp.

• Standardvärden för tänkande – Argon har medium som standard och begränsas till high; Hydrogen har high som standard och lägger till xhigh. Ett rakt byte av modellsträng höjer därför tyst både latens och förbrukningen av thinking-tokens. Ange thinking_level uttryckligen i den första förfrågan, annars berättar din faktura om det senare.

• Cachning – ingen av dem stöder explicit cachning; båda rabatterar implicita cacheträffar med 95 % på promptar på 4 096 tokens eller mer. Argons cacheläsning kostar $0.10 och Hydrogens $0.075, så en cacheintensiv arbetsbelastning sparar 25 % på den cachade delen före decembersteget och 62,5 % efter det.

• Sampling och verktygsanrop – båda ignorerar temperature, top_p och top_k i stället för att {{1}}avvisa dem{{/1}}, och båda returnerar MALFORMED_FUNCTION_CALL om du ber om JSON-verktygsanrop i råtext i stället för att deklarera verktyg nativt. Inget av dem är ett växelspecifikt problem, men båda uppträder under en sådan.

En ytterligare skillnad finns inte med på migreringslistan och är viktig för agenter: Argons kort publicerar ingen kunskapsgräns, medan Hydrogens modellkort anger mars 2026 med förbehållet att vissa domäner är mindre aktuella. Om en aktualitetskänslig pipeline är anledningen till att du jämför dessa två är Hydrogen den enda av de två där du kan läsa datumet i stället för att testa dig fram till det.

Regeln som ska tillämpas

Byt från Argon till Hydrogen när arbetet utförs och sedan kontrolleras: testdriven kodning, filredigeringar, parallella subagenter, pipelines för hämta-sedan-svara med ett citeringssteg, och allt där kostnaden per slutförd uppgift är siffran på instrumentpanelen. Kör Hydrogen på high, inte på standardinställningen från din fantasi — den publicerade 54:an kräver xhigh, och den praktiska standarden är en 51 som kostar $1,87 per uppgift.

Håll dig till Argon när svaret levereras utan kontroll, när uppgiften är en lång terminalsession snarare än ett kort intensivt pass, eller när du är mindre än tre veckor från en lansering och helst inte vill flytta en produktionsväg för en poängförändring. Med 4,3 % hallucinering jämfört med 8,5 % ger Argon dig ett verifieringssteg som du annars skulle behöva bygga.

Det som skulle ändra svaret är en tredje datapunkt som ingen av modellerna har ännu: en reproducerbar mätning av det Google faktiskt annonserade för Hydrogen – renare kod och färre påhittade påståenden, vilket dokumentationen uppger vara mer än fem gånger färre än för Gemini 3.8 Flash. Artificial Analysis omniscience-set mäter motsatt riktning för Hydrogen mot Argon. Förrän någon kör båda på samma uppgiftsfördelning är den ärliga hållningen att Hydrogen har bättre ekonomi och Argon ger bättre svar, och prissteget den 1 december gör det dyrare, snarare än billigare, att skjuta upp den avvägningen.