Thẻ tiêu đề cho một bài viết về tầng suy nghĩ cao nhất của Gemini 4 Hydrogen, hiển thị 5.311 token đầu ra và 3,99 xu ở mức nỗ lực cao so với 31.477 token và 23,61 xu ở xhigh cho cùng một lời nhắc, kèm ghi chú rằng cả hai đều dùng cùng mức giá 7,50 đô la Mỹ cho mỗi triệu token đầu ra.
Guides & Insights

Gemini 4 Hydrogen: xhigh mang lại gì khi hóa đơn tăng gấp 6 lần?

Tác giả

jinhao.song

Ngày đăng

Mô hình mới nhất · 20Xem tất cả mô hình →
Benchmark: Artificial Analysis · cập nhật hằng ngày
Quay lại tất cả bài viết

Hai lần chạy cùng một lời nhắc ngắn qua G​emini 4 Hydrogen, chỉ khác nhau một thiết lập. Ở mức high, mô hình dùng 5.311 token đầu ra và tính phí 3,99 xu. Ở mức xhigh, mô hình dùng 31.477 token và tính phí 23,61 xu. So sánh tương tự cũng xuất hiện trong một lần chạy G​emini 4 Neon cùng ngày, trong đó nấc cao nhất tốn 39,83 xu so với 14,55 ở mức high. Simon Willison đã công bố cả hai cặp số vào ngày 20 tháng 11 năm 2026, bốn ngày sau khi G​oogle phát hành G​emini 4 Hydrogen vào ngày 12 tháng 11, và những con số này là so sánh song song công khai đầu tiên ở ngay đỉnh của thang mức nỗ lực G​emini 4 mà hầu hết mọi người chưa từng chạm tới.

Phần thú vị không phải là cấu hình sâu hơn tốn nhiều tiền hơn. Mà là mức giá trên mỗi token chưa từng thay đổi. Hydrogen tính $1,50 cho mỗi triệu token đầu vào và $7,50 cho mỗi triệu token đầu ra ở mọi bậc, kể cả xhigh và kể cả token suy nghĩ. Nhân số lượng token với mức giá đó và bạn sẽ tính lại được hóa đơn chính xác đến từng xu. Vậy nên xhigh không phải là một hạng cao cấp mà bạn phải trả thêm. Đó là quyết định để mô hình viết nhiều gấp khoảng sáu lần, và hóa đơn tự động theo sau.

Hai dự luật và lý do lãi suất được giữ nguyên

Việc tính toán này đáng để tự làm bằng tay một lần, vì nó làm rõ bạn thực sự đang mua gì. Mức giá đầu ra của Hydrogen là $7.50 mỗi triệu token. Với 5,311 token, con số đó là 3.98 xu; hóa đơn đo được là 3.99. Với 31,477 token, con số đó là 23.61 xu, đúng bằng hóa đơn đo được. Phía đầu vào chỉ là nhiễu ở quy mô này: một prompt vài chục token chỉ tốn một phần nhỏ của một phần trăm xu ở mức $1.50 mỗi triệu.

• Token đầu ra — 5.311 ở mức high so với 31.477 ở mức xhigh, hệ số 5,9

• Chi phí tính bằng xu — 3.99 so với 23.61, cùng hệ số 5.9

• Tốc độ đầu ra — $7.50 cho mỗi triệu token ở cả hai chế độ cài đặt, không thay đổi

• Giá đầu vào — $1,50 mỗi triệu token ở cả hai chế độ cài đặt, không thay đổi

• Ngữ cảnh — một mức giá duy nhất cho 1 triệu token, không có phụ phí ngữ cảnh dài nào được liệt kê

Điều đó có hệ quả thực tế đối với bất kỳ ai lập ngân sách cho mô hình này. Bảng giá của nhà cung cấp được tổ chức theo đơn giá token, và đơn giá là biến duy nhất không thay đổi ở đây. Lập kế hoạch cho xhigh từ một bảng giá theo token sẽ đánh giá thấp hóa đơn khoảng sáu lần đối với một tác vụ mà mô hình chọn suy nghĩ lâu hơn. Con số duy nhất dự đoán được chi phí là số token đầu ra trên mỗi câu trả lời, và cách duy nhất để có được con số đó là đo nó trên chính các prompt của bạn. Tài liệu của chính Google thừa nhận xu hướng này mà không đưa ra độ lớn: tài liệu cảnh báo rằng xhigh “làm tăng độ trễ và mức sử dụng token.”

A scoreboard comparing Gemini 4 Hydrogen at high and xhigh thinking effort: output tokens 5,311 vs 31,477, cost per short prompt 3.99 vs 23.61 cents, Artificial Analysis Intelligence Index 50.8 vs 53.9, cost per Index task $1.87 vs $3.16, time per task 9.0 vs 15.8 minutes, and an output rate of $7.50 per million at both settings.

Điều mà 26.000 token thừa đã tạo ra

Trong bài kiểm tra chim bồ nông đi xe đạp, câu trả lời là: một bức vẽ tốt hơn rõ rệt. Tóm tắt của Willison là đầu ra high chỉ là một con bồ nông phẳng lì không có giỏ và không có nền, còn đầu ra xhigh cho ra một chiếc xe đạp màu xanh mòng két trên bãi biển với một con cá màu xanh dương trong giỏ — cạnh tranh với những gì G​emini 4 Neon tạo ra theo mặc định với chi phí gần như tương đương. Khoảng 26.000 token suy nghĩ thêm đã được dùng vào bố cục, bối cảnh và màu sắc thay vì vào một câu trả lời đúng.

Hãy coi đó là một quan sát đơn lẻ, không phải một phép đánh giá chuẩn. Đó là một lời nhắc, một mẫu cho mỗi thiết lập, và một nhiệm vụ không có đáp án đúng duy nhất, nghĩa là không thể gắn điểm độ chính xác nào cho nó. Điều nó thực sự xác lập là bậc cao nhất có thể thay đổi tính chất của đầu ra trong công việc sinh tạo mở, và rằng khi thay đổi xảy ra thì nó không hề nhỏ. Việc khoản chi gấp sáu lần đó có mua được gì cho khối lượng công việc của bạn hay không là một câu hỏi riêng, và hai phần tiếp theo nói về những trường hợp mà câu trả lời được đo lường thay vì ước lượng bằng mắt.

Bảng xếp hạng độc lập cũng nói như vậy.

Artificial Analysis chấm điểm Hydrogen ở cả bốn cài đặt, và hình dạng đường cong khớp với mỏ bồ nông. Đọc trang của mô hình vào ngày 22 tháng 11 năm 2026, Intelligence Index đạt 26,9 ở mức low, 41,2 ở mức medium, 50,8 ở mức high và 53,9 ở mức xhigh. Chi phí cho mỗi tác vụ Index là $0,29, $0,80, $1,87 và $3,16 trên cùng bốn bậc, và thời gian cho mỗi tác vụ là 1,5, 4,0, 9,0 và 15,8 phút.

Hãy quy những thứ đó thành chi phí biên — giá của điểm tiếp theo — và lập luận chống lại việc mặc định chọn nấc cao nhất sẽ trở thành số học thay vì cảm tính:

• thấp đến trung bình — +14,3 điểm Index với +51 xu, khoảng 3,5 xu mỗi điểm

• trung bình đến cao — +9,6 điểm với +$1,08, khoảng 11,3 xu mỗi điểm

• từ high đến xhigh — +3.1 điểm với +$1.29, khoảng 41.1 xu mỗi điểm

• Tổng cộng, từ mức thấp đến xhigh — +27 điểm với +$2,87, trung bình khoảng 10,6 xu mỗi điểm

Bước cuối là bước đắt đỏ, cao hơn gần bốn lần so với bước ngay trước đó, và cũng tốn thêm 76% thời gian thực tế cho mỗi tác vụ. Bước đầu tiên từ mức thấp lên trung bình vẫn là lựa chọn đáng mua nhất trong thang bậc, vượt trội so với phần còn lại — điều đáng ghi nhớ vì mức cao là mặc định. Đây là các phép đo của bên thứ ba từ Artificial Analysis, không phải số liệu của nhà cung cấp, và chi phí mỗi tác vụ gộp cả đầu vào, đầu ra cùng hành vi tác nhân đa lượt — đó là lý do chúng không tăng theo cách hóa đơn của một prompt đơn lẻ tăng.

Artificial Analysis model page for Gemini 4 Hydrogen showing an Intelligence Index of 54 at xhigh, first-answer latency of 46.76 seconds, output speed of 163 tokens per second, 15.8 minutes and $3.16 per Intelligence Index task, list pricing of $1.50 input and $7.50 output per million tokens, a 1M context window, and a default effort of high.

Nơi xhigh chẳng mang lại được gì cả

Tài liệu của Google thẳng thừng về bậc cao nhất theo cách mà tài liệu ra mắt hiếm khi làm. Tài liệu khuyên chỉ nên dùng xhigh "cho các bài toán lập trình khó, nhiều bước và các bài toán agentic mà high không đủ," và cảnh báo rằng với các prompt đơn giản hơn, nó "có thể gây suy nghĩ quá mức hoặc làm cạn max_output_tokens." Kiểu lỗi thứ hai đó chính là loại âm thầm gây hậu quả: giới hạn token bao gồm cả phần suy nghĩ lẫn đầu ra hiển thị, nên một prompt lẽ ra đã được trả lời thoải mái ở high có thể đốt sạch toàn bộ ngân sách vào việc lập luận và trả về trạng thái không đầy đủ, bị cắt ngắn hoặc rỗng. Nó trông giống như lỗi của mô hình. Nhưng thực ra đó là lỗi cấu hình.

Google's Gemini thinking documentation table describing the low, medium, high and xhigh levels, marking high as the default on gemini-4-hydrogen, reserving xhigh for hard multi-step coding where high falls short, and warning that xhigh increases latency and token use and can cause overthinking or exhaust max_output_tokens on simple prompts.

Một đợt khảo sát độc lập gồm 56 yêu cầu được công bố vào tháng 11 năm 2026 đã kiểm tra câu hỏi mà cảnh báo của Google ngụ ý. Trên ba lời nhắc từ dễ đến trung bình và hai lần chạy cho mỗi mức, kết quả cho thấy xhigh sử dụng khoảng 3,1 lần số token suy nghĩ so với high trên tổng thể và khoảng năm lần trên lời nhắc lập trình, trong khi mọi câu trả lời vẫn đúng ở mọi mức. Chi phí tăng thêm mua được token và độ trễ, không phải độ chính xác. Mẫu nhỏ và tác giả cũng nói vậy; hướng đi nhất quán với cả cảnh báo của nhà cung cấp và đường cong của Artificial Analysis, nơi nấc cuối cùng thêm ba điểm thay vì mười lăm.

Do đó, sự phân chia nằm ở loại tác vụ, không phải năng lực mô hình. Trích xuất, phân loại, định dạng và các câu trả lời thực tế ngắn có mức trần gần với câu trả lời đúng đầu tiên của chúng, và việc trả gấp sáu lần cho điều đó là lãng phí thuần túy. Sinh nội dung mở không có mức trần như vậy, vì đầu ra chính là sản phẩm và luôn có thêm chi tiết để bổ sung.

Mẫu crossover thực sự đáng quan tâm

Đây là con số có thể thay đổi cách bạn sử dụng mô hình. Hydrogen ở mức xhigh tốn 23,61 xu cho một lời nhắc vẽ ngắn. G​emini 4 Neon ở mức high mặc định tốn 14,55 xu cho cùng lời nhắc vào cùng ngày, và tạo ra đầu ra mà Willison đánh giá ít nhất là tốt ngang. Đưa Hydrogen lên nấc cao nhất tốn kém hơn 62% so với để nó ở mặc định và thay vào đó nâng lên một bậc mô hình. Nếu lý do bạn chọn xhigh là "câu trả lời chưa đủ tốt", thì một mô hình lớn hơn ở cài đặt mặc định thường là lựa chọn rẻ hơn, và đó là điều hầu hết các nhóm không kiểm tra.

Thứ tự đó không còn đúng khi thay đổi khối lượng công việc, và đây chính là phần bị bỏ sót khi một bài kiểm tra với lời nhắc ngắn được trích dẫn như một bảng xếp hạng tổng quát. Trên bộ tác vụ agentic dài của Artificial Analysis, Neon ở mức high tốn 3,74 đô la mỗi tác vụ, so với Hydrogen ở mức xhigh là 3,16 đô la, vì vậy mô hình rẻ hơn trên một bản vẽ bốn mươi token lại là mô hình đắt hơn trên một tác vụ nhiều lượt dài. Cả hai con số đều không sai. Một lời nhắc ngắn và một lượt chạy agent kéo dài 15 phút tác động đến những phần khác nhau của chiếc thang, và việc đổi bậc giúp tiết kiệm tiền ở trường hợp này có thể làm mất khoản tiết kiệm đó ở trường hợp kia.

Một chi tiết đã có mốc thời gian cần tính đến: trang định giá của G​oogle liệt kê giá Carbon và Argon tăng gấp đôi vào ngày 1 tháng 12 năm 2026, từ 2 USD đầu vào và 10 USD đầu ra lên 4 USD và 20 USD. Hydrogen không cho thấy thay đổi như vậy. Vì vậy, mọi so sánh ở trên có liên quan đến các mẫu cũ hơn chỉ còn chín ngày trước khi khoảng cách nới rộng theo hướng có lợi cho Hydrogen.

Thiết lập nó và kiểm thử nó trong một buổi chiều

Mức này là một trường. Trên API generateContent gốc, đó là thinkingConfig.thinkingLevel; trên API Interactions, đó là generation_config.thinking_level; trên tuyến tương thích OpenAI, nó đến dưới dạng reasoning_effort. Giá trị là chuỗi chữ thường — low, medium, high hoặc xhigh — và high là mặc định cho Hydrogen. Không thể tắt hoàn toàn chế độ suy nghĩ trên mô hình này, và tham số thinkingBudget cũ đã bị ngừng dùng để thay bằng mức.

Đo chi phí chỉ tốn thêm một lần đọc. Token suy nghĩ xuất hiện trong usageMetadata.thoughtsTokenCount trên API gốc, usage.total_thought_tokens trên Interactions, và reasoning_tokens trên tuyến tương thích — nhờ đó bạn có thể tách phần mô hình đã nghĩ khỏi phần nó đã nói, và định giá từng phần. Một buổi chiều khả thi: lấy hai mươi prompt thật từ log của chính bạn, chạy từng prompt ở high và xhigh với giới hạn đầu ra rộng rãi để không bị cắt cụt, rồi ghi lại số token và việc câu trả lời có đạt hay không. So sánh tổng chi phí với tỷ lệ đạt. Nếu xhigh không nâng tỷ lệ đạt đủ để biện minh cho hóa đơn lớn hơn khoảng sáu lần trên những prompt mà nó kích hoạt, bạn đã có câu trả lời cho khối lượng công việc đó, và đó sẽ là câu trả lời tốt hơn bất kỳ bảng công bố nào.

Chạy hai thiết lập cạnh nhau sẽ dễ hơn khi cả hai nằm sau một khóa, và đó là phần OrcaRouter đảm nhận. Chúng tôi cung cấp Gemini 4 Argon và Gemini 4 Carbon với giá niêm yết của nhà cung cấp, cộng mức tăng giá 0%, nên các mức giá trong bài viết này chính là mức giá bạn trả ở phía chúng tôi cho hai mô hình đó. Gemini 4 Hydrogen hiện không có trong danh mục của chúng tôi, vì vậy mọi con số Hydrogen ở đây là giá niêm yết của Google chứ không phải của chúng tôi — cần nói thẳng như vậy, bởi kiểu lỗi trong bài này đúng là kiểu mà một bảng giá che giấu hệ số nhân gấp sáu lần. Khi một mô hình được định tuyến qua chúng tôi, mức nỗ lực là một trường theo từng tuyến, nên một tuyến canary ở xhigh cùng với một tuyến production ở high là thay đổi cấu hình chứ không phải đường dẫn mã.

Làm gì với cái này vào thứ Hai

Quy tắc rút ra được sau khi xét mọi con số còn hẹp hơn “dùng cài đặt cao nhất cho các bài toán khó”. Đó là: đi xuống thang cho đến khi chất lượng suy giảm, rồi lùi lên một bậc, và kiểm tra xem một mô hình khác ở mặc định có rẻ hơn bậc tăng thêm không trước khi chốt. Thang của chính Hydrogen đặt bước đó ở khoảng bốn mươi xu một điểm trên Index và gấp sáu lần token trên một bản vẽ, trong khi bước từ thấp lên trung bình tốn ba xu rưỡi một điểm. Phần lớn giá trị của mô hình này nằm ở nửa dưới của thang, và mặc định nằm phía trên nó.

Câu hỏi còn bỏ ngỏ là nấc cao nhất làm được gì trong công việc agentic, chứ không phải trên một con bồ nông — liệu các điểm Index 3.1 mà Artificial Analysis đo ở xhigh có xuất hiện dưới dạng ít lệnh gọi công cụ thất bại hơn hay nhiều lượt hơn dành để suy nghĩ về chúng. Chưa ai công bố bản phân tích chi tiết đó, và đó chính là thứ sẽ cho bạn biết có nên để Hydrogen ở mức high trong production hay không.