Gemini 4 Hydrogen so với Claude Haiku 5.5: Chênh lệch giá 15 lần thu hẹp còn 7 lần cho mỗi tác vụ hoàn thành

Trên bảng giá, khoảng cách thật vô lý. Claude Haiku 5.5 có giá $0.10 cho mỗi triệu token đầu vào và $0.50 cho mỗi triệu token đầu ra với lời nhắc lên tới 100.000 token; Gemini 4 Hydrogen có giá $1.50 và $7.50. Điều đó đắt hơn gấp mười lăm lần ở cả hai dòng, đối với một mô hình chỉ mới vào danh mục của Google ngày 12 tháng 11 năm 2026. Tuy nhiên, tuần này, những người đang cân nhắc giữa hai mô hình này không phải đang chọn giữa hai mức giá. Họ đang chọn giữa một mô hình đạt 54 điểm trên Artificial Analysis Intelligence Index và một mô hình đạt 36 điểm, và con số gấp mười lăm lần đó tan biến ngay khi bạn đo chi phí để hoàn thành một công việc của từng mô hình, thay vì chi phí để bắt đầu.

Số lượng trên mỗi token và số lượng trên mỗi tác vụ lệch nhau một nửa.

Artificial Analysis chạy cả hai mô hình qua cùng một harness và công bố chi phí cho mỗi tác vụ chỉ mục đã hoàn thành cùng với giá trên mỗi token. Kết quả không gần với những gì bảng giá gợi ý.

• Theo từng token, đầu vào và đầu ra — Gemini 4 Hydrogen $1.50 / $7.50 so với Claude Haiku 5.5 $0.10 / $0.50. Haiku rẻ hơn 15,0 lần ở đầu vào và rẻ hơn 15,0 lần ở đầu ra, không đổi.

• Tính trên mỗi tác vụ lập chỉ mục đã hoàn thành — G​emini 4 Hydrogen $3.16 ở chế độ suy nghĩ cao nhất so với Claude Haiku 5.5 $0.41. Haiku rẻ hơn 7,7 lần, không phải 15 lần.

• Vì sao khoảng cách giảm một nửa — tính dài dòng. Haiku 5.5 đã tạo ra 298 triệu token đầu ra để xử lý chỉ mục, so với 107 triệu của mô hình trung vị trong cùng lớp so sánh của nó — Carbon và Hydrogen được đo so với mức trung vị 72,8 triệu, nên hai mức trung vị không cùng một thước đo. Nó rẻ trên mỗi token và đắt trên mỗi câu trả lời, vì cần nhiều token hơn để đi đến một câu trả lời.

• Giá hỗn hợp trên cùng tỷ lệ 7:2:1 bộ nhớ đệm/đầu vào/đầu ra — G​emini 4 Hydrogen 1,10 USD mỗi triệu so với Claude Haiku 5.5 0,077 USD mỗi triệu.

Đọc hai dòng cuối cùng với nhau, và lập luận về giá sẽ mang một hình thái khác. Một nhóm lập ngân sách dựa trên bảng giá niêm yết sẽ kỳ vọng tiết kiệm gấp mười lăm lần nhưng chỉ nhận được chưa đến tám lần. Một nhóm lập ngân sách dựa trên chi phí mỗi tác vụ sẽ có được con số thực, và con số đó vẫn nghiêng hẳn về phía Haiku — nhưng đó là con số bạn có thể dựa vào để lập kế hoạch, điều mà bảng giá niêm yết không làm được.

Có một ngưỡng ẩn trong bảng giá của Haiku mà cả hai con số đều không phản ánh được. Toàn bộ phần trên là mức giá cho dưới 100.000 token. Khi prompt vượt quá 100.000 token, Haiku 5.5 chuyển sang $0,50 cho đầu vào và $2,50 cho đầu ra — cú nhảy gấp năm lần đưa nó đến đúng một phần ba giá đầu ra của Hydrogen thay vì một phần mười lăm. Cả hai mô hình đều có cửa sổ 1.048.576 token, nên điểm giao nhau về giá là có thể đạt được chứ không chỉ mang tính lý thuyết: một tác vụ có ngữ cảnh dài đặt Haiku ở mức $0,50/$2,50 so với $1,50/$7,50 của Hydrogen, và khoảng cách giá trên mỗi token thu hẹp còn 3 lần trong khi khoảng cách về năng lực vẫn giữ nguyên đúng như cũ.

Mười tám điểm chỉ số đổi lấy được gì, trong những tác vụ mà người ta thực sự chạy

Mười tám điểm chỉ số là một khoảng cách lớn trên giấy. Việc nó có phải là khoảng cách lớn trên thực tế hay không phụ thuộc hoàn toàn vào hình thái công việc, và các benchmark của nhà cung cấp chỉ theo những hướng khác nhau tùy vào cái bạn đọc.

• Công việc trên terminal dạng tác tử — Google báo cáo Gemini 4 Hydrogen đạt 57,0% trên Terminal-Bench 4.1, được ghi chú là đã hiệu chỉnh gian lận. Anthropic báo cáo Claude Haiku 5.5 đạt 39,2% trên Terminal-Bench 4.0. Các phiên bản benchmark khác nhau, nên việc so sánh mang tính định hướng chứ không chính xác tuyệt đối, nhưng hướng kết quả nhất quán và nghiêng hẳn về Hydrogen với khoảng cách lớn.

• Sử dụng máy tính — Hydrogen đạt 77,6% trên OSWorld-2.1, theo báo cáo của nhà cung cấp; Haiku 5.5 đạt 72,4% trên tập con ngoại tuyến của cùng bài đánh giá đó, cũng theo báo cáo của nhà cung cấp. Mức dẫn trước của Hydrogen hẹp hơn, và việc giới hạn ở tập con nghĩa là hai con số này không hoàn toàn đo lường cùng một thứ.

• Suy luận khó mà không dùng công cụ — Hydrogen đạt 58,8% trên HLE-Diamond; Haiku 5.5 đạt 45,9% trên Humanity's Last Exam khi không dùng công cụ, tăng lên 57,4% khi có công cụ. Đây là khoảng cách trung thực rộng nhất trong cặp, và là khoảng cách ánh xạ tới câu hỏi "liệu mô hình này có thể giữ được một bài toán khó mà không cần khung hỗ trợ hay không".

• Rà soát và sửa chữa mã — Hydrogen đạt 66,6% trên Chartography; Haiku 5.5 đạt 46,4% trên Chartography khi không dùng công cụ. Hai mươi điểm, cùng tên benchmark, cùng điều kiện không dùng công cụ.

• {{1}}Lập trình tiên phong{{/1}} — A​nthropic báo cáo Haiku 5.5 đạt 46,4% trên FrontierCode 1.1, và báo cáo điểm FrontierCode 66,2 từ Cognition khi Haiku 5.5 chạy như một trợ thủ bên trong Devin Fusion. Lưu ý rằng con số thứ hai là một cấu hình khác, không phải một điểm số khác cho cùng một nhiệm vụ, và A​nthropic ghi chú cả hai là do khách hàng báo cáo chứ không phải dữ liệu do chính hãng công bố.

Mọi con số ở trên đều do công ty bán mô hình tự báo cáo. Không con số nào được tái lập độc lập, và các phiên bản benchmark khác nhau đủ nhiều đến mức cộng chúng lại thành một tuyên bố duy nhất kiểu “Hydrogen tốt hơn X%” sẽ là không trung thực. Điều chúng chứng minh thì hẹp hơn và hữu ích hơn: Hydrogen tốt hơn đáng kể ở các tác vụ chạy trong thời gian dài và sử dụng công cụ; khoảng cách là nhỏ nhất khi công việc chỉ là một câu hỏi đơn lẻ có giới hạn.

Cả hai đều khởi động chậm, điều mà chẳng ai đưa lên tiêu đề.

Đây là phần của phép so sánh khiến những người đã chọn dựa trên giá hoặc chỉ số rồi sau đó chứng kiến token đầu tiên xuất hiện phải bất ngờ.

• Thời gian đến token trả lời đầu tiên — G​emini 4 Hydrogen 40,55 giây ở mức suy nghĩ cao nhất so với Claude Haiku 5.5 175,95 giây ở mức cài đặt cao nhất. Hydrogen khởi động sớm hơn bốn lần, và cả hai con số đều vượt xa mức mà một bề mặt tương tác có thể chấp nhận.

• Tốc độ đầu ra khi bắt đầu — Claude Haiku 5.5 đạt 256 token mỗi giây so với Gemini 4 Hydrogen 188 token mỗi giây. Haiku viết nhanh hơn và khởi động muộn hơn.

• Thời gian trung bình cho mỗi tác vụ lập chỉ mục — Claude Haiku 5.5 14,7 phút. Hai mô hình rốt cuộc đạt mức tương tự cho mỗi tác vụ đã hoàn thành; chúng đến đó bằng hai con đường trái ngược nhau.

• Ở mức tư duy mặc định của Hydrogen, chỉ số token đầu tiên giảm xuống khoảng 16,7 giây, đây là con số quan trọng đối với giao diện trò chuyện, và cũng là thiết lập tạo ra điểm chỉ số 51 thay vì 54.

Nếu bạn đang xây dựng bất cứ thứ gì mà con người phải chờ đợi, thì cấu hình nổi bật của cả hai mô hình đều không phù hợp. Đặc biệt, Haiku 5.5 là mô hình có thể điều chỉnh mức nỗ lực — từ Low đến Max — và các con số 175,95 giây và chỉ số 36 là ở thiết lập Max. Ở mức nỗ lực thấp hơn, nó khởi động sớm hơn và đạt điểm thấp hơn, còn Anthropic không công bố bảng ánh xạ giữa mức này với mức kia. Đó là một bài kiểm tra bạn phải tự chạy.

Bộ nhớ đệm chính là nơi tỷ lệ giá thực sự nằm.

Đối với bất kỳ khối lượng công việc nào có tiền tố ổn định — lời nhắc hệ thống, bản đồ kho mã, tập tài liệu — đầu vào được lưu trong bộ nhớ đệm chiếm phần lớn hóa đơn, và hai card hoạt động khác nhau đủ để đảo ngược thứ tự so sánh.

• Giá đọc bộ nhớ đệm — Claude Haiku 5.5: 0,01 USD mỗi triệu token, giảm 90% so với mức giá đầu vào 0,10 USD. Gemini 4 Hydrogen: 0,075 USD mỗi triệu token, giảm 95% so với mức 1,50 USD.

• {{1}}Cơ chế bộ nhớ đệm{{/1}} — Claude Haiku 5.5 hỗ trợ ghi bộ nhớ đệm tường minh với giá 0,125 USD mỗi triệu, nên bạn kiểm soát được nội dung nào được lưu trong bộ nhớ đệm và trong bao lâu. G​emini 4 Hydrogen chỉ hỗ trợ bộ nhớ đệm ngầm, không có handle bộ nhớ đệm tường minh, vì vậy khoản giảm giá là một đặc tính của dịch vụ chứ không phải một API mà bạn gọi.

• Điều đó có nghĩa là — một khối lượng công việc với tiền tố dùng chung 60.000 token được đọc một nghìn lần mỗi ngày tốn 0,60 đô-la mỗi ngày cho các lượt đọc bộ nhớ đệm trên Haiku và 4,50 đô-la trên Hydrogen, khoảng cách 7,5 lần chứ không phải 15 lần, vì Hydrogen giảm giá 95% trong khi Haiku giảm 90%. Đẩy cùng tiền tố đó lên 200.000 token, vượt ngưỡng của Haiku, và bức tranh đảo ngược: lượt đọc bộ nhớ đệm ở tầng dài của Haiku là 0,05 đô-la mỗi triệu token, nên lượt đọc tốn 10,00 đô-la trên Haiku so với 15,00 đô-la trên Hydrogen, trong khi mỗi token đầu vào mới trong yêu cầu đó giờ rẻ hơn ba lần trên Haiku. Khoảng cách bộ nhớ đệm thu hẹp đúng ở nơi khoảng cách đầu vào mở rộng, và đó không phải là sự đánh đổi mà một khối lượng công việc ngữ cảnh dài mong đợi.

Sự không cân xứng này quan trọng nhất đối với loại khối lượng công việc mà Hydrogen làm tốt nhất. Những phiên tác tử dài với ngữ cảnh lớn, ổn định chính là nơi bộ nhớ đệm ngầm phát huy tác dụng, và cũng chính là nơi bạn muốn có quyền kiểm soát rõ ràng đối với những gì được giữ thường trú. Haiku cho bạn quyền kiểm soát và bộ nhớ đệm rẻ hơn ở mọi độ dài tiền tố; Hydrogen cho bạn năng lực và yêu cầu bạn tin rằng dịch vụ sẽ nhận ra sự lặp lại.

Ba khối lượng công việc, ba câu trả lời khác nhau

Trừu tượng hóa thêm nữa sẽ gây bất lợi, vì vậy đây chính là ranh giới trong thực tế.

Một pipeline phân loại hoặc trích xuất trên hàng triệu tài liệu ngắn chính là khối lượng công việc của Haiku 5.5, và không hề suýt soát. Đầu vào có giới hạn, đầu ra có giới hạn, không công cụ, không tầm dài: khoảng cách chỉ số là không liên quan vì tác vụ không khai thác nó, và $0.10/$0.50 so với $1.50/$7.50 là mức tiết kiệm gấp mười lăm lần trên một hóa đơn vốn đã là chi phí chiếm ưu thế. Chuyển việc này sang Hydrogen chẳng được gì mà còn tốn kém hơn một bậc độ lớn.

Một coding agent biết chỉnh sửa tệp, chạy kiểm thử và phục hồi sau lỗi chính là khối lượng công việc của Hydrogen. Khoảng cách ở Terminal-Bench và Chartography là bằng chứng trực tiếp, và con số chi phí trên mỗi tác vụ — 3,16 đô la so với 0,41 đô la — còn đánh giá thấp mức khác biệt, vì một tác vụ mà Haiku không thể hoàn thành có chi phí trên mỗi lần hoàn thành là vô hạn chứ không phải rẻ. So sánh này chỉ đúng với những tác vụ mà cả hai mô hình đều có thể làm được.

Một lô chạy qua đêm để tóm tắt các tài liệu dài nằm trong vùng trung gian mơ hồ và được quyết định bởi ngưỡng 100K. Dưới 100.000 token mỗi lần gọi, Haiku rẻ hơn mười lăm lần trên mỗi token và rẻ hơn khoảng tám lần trên mỗi tác vụ hoàn thành. Vượt ngưỡng đó, giá của Haiku tăng gấp năm lần và câu trả lời trung thực là hãy thử cả hai trên kho dữ liệu của riêng bạn, vì điểm giao nhau phụ thuộc vào việc đầu vào của bạn có bao nhiêu là prompt so với tài liệu.

Một trợ lý tương tác thì không phải là cả hai. Cả hai mô hình đều quá chậm khi khởi động ở cài đặt tối đa, và cấu hình đúng cho một bề mặt trò chuyện là Hydrogen ở mức mặc định hoặc Haiku ở thiết lập nỗ lực thấp hơn — một phép so sánh giữa hai bản hạ cấp, thứ mà gần như không ai đánh giá chuẩn và cũng là phiên bản duy nhất của câu hỏi này đến được với người dùng.

Chạy cả hai mà không chọn trước người thắng cuộc

Quan điểm hợp lý đối với hầu hết các đội là đây không phải là một cuộc di trú mà là một quyết định định tuyến, và các quyết định định tuyến có chi phí đảo ngược thấp hơn so với di trú.

OrcaRouter không cung cấp cả hai mô hình này ở phân khúc cao nhất của dải sản phẩm: Claude Haiku 4.5 có trong danh mục với giá 1,00 USD và 5,00 USD mỗi triệu token cùng cửa sổ 200.000 token, và Gemini 3.8 Flash ở mức 0,75 USD và 3,75 USD với trọn vẹn cửa sổ 1.048.576 token — cả hai đều theo giá niêm yết của nhà cung cấp, mức phụ trội 0%, trên một khóa duy nhất, với tính năng chuyển đổi dự phòng tự động giữa các nhà cung cấp. Haiku 5.5 và Hydrogen đều đến từ API riêng của nhà cung cấp tương ứng. Vậy nên phương án khả thi là một chính sách định tuyến: gọi trực tiếp Hydrogen cho những lượt thực thi tầm xa, nơi lợi thế benchmark của nó là có thật; gọi trực tiếp Haiku 5.5 cho những cuộc gọi có khối lượng lớn nhưng giới hạn phạm vi, nơi mức giá của nó là có thật; và một mô hình được định tuyến đứng sau cả hai, làm đường dự phòng mà yêu cầu rơi về khi một trong hai nhà cung cấp bóp lưu lượng, nâng giới hạn tốc độ hoặc tung ra thay đổi giá.

Điều khoản cuối cùng đó không phải là giả định. Bảng giá của Google đã lên lịch tăng gấp đôi giá Gemini 4 Carbon và Gemini 4 Argon vào ngày 1 tháng 12 năm 2026, từ $2.00/$10.00 lên $4.00/$20.00, trong khi Hydrogen không có mức tăng nào kèm ngày cụ thể. Anthropic đã từng thay đổi giá của Haiku một lần trong chu kỳ này, cắt giảm khoảng 90% ở bậc dưới 100K khi 5.5 thay thế 4.5. Một lớp định tuyến chuyển tiếp nguyên giá niêm yết của nhà cung cấp mà không đánh thêm phí có nghĩa là những thay đổi đó đến với bạn ngay ngày chúng có hiệu lực thay vì ở lần gia hạn hợp đồng tiếp theo — mà, đối với một bài so sánh có toàn bộ lập luận là về giá, đó chính là tính năng quan trọng.

Điều gì sẽ làm thay đổi câu trả lời này?

Ba điều, theo thứ tự mức độ chúng có thể tác động đến nó.

Một bản tái tạo độc lập về khoảng cách Terminal-Bench. Mọi con số năng lực tác tử ở trên đều do nhà cung cấp tự báo cáo ở cả hai phía, trên các phiên bản benchmark khác nhau, và lý lẽ biện minh lớn nhất duy nhất cho mức giá cao của Hydrogen dựa trên những con số mà cả hai công ty đều chưa từng được kiểm toán. Artificial Analysis công bố một chỉ số cho cả hai mô hình nhưng không công bố điểm phụ theo từng benchmark có thể phân xử được điều đó.

Một đường cong nỗ lực–chất lượng đã được công bố cho Haiku 5.5. Nếu mức nỗ lực Thấp giữ được phần lớn điểm của thiết lập Tối đa chỉ với một phần nhỏ độ trễ, thì trường hợp tương tác thu hẹp lại và lợi thế giá lan rộng lên trên sang các khối lượng công việc hiện đang được giao cho Hydrogen. Anthropic phát hành thiết lập chứ không phát hành bảng.

Một động thái trên thẻ của Hydrogen. Hiện tại nó chưa có động thái nào, điều khá bất thường trong một gia đình mà hai trong ba thành viên tăng gấp đôi chỉ trong ba tuần. Nếu điều đó thay đổi, con số chi phí cho mỗi tác vụ — con số duy nhất khiến phép so sánh này trở nên thú vị — cũng sẽ thay đổi theo, và 7.7x sẽ trở thành một thứ hoàn toàn khác.

Cho đến khi một trong những điều đó thành hiện thực, kết luận có cơ sở là kết luận mà bộ kiểm thử độc lập ủng hộ, chứ không phải kết luận mà bảng giá ngụ ý: Haiku 5.5 rẻ hơn từ bảy đến mười lăm lần tùy theo việc bạn tính token hay tác vụ đã hoàn thành, Hydrogen tốt hơn một cách rõ rệt ở mọi thứ chạy lâu và sử dụng công cụ, và con số duy nhất nên quyết định việc phân chia là chi phí của mỗi mô hình cho mỗi tác vụ mà bạn thực sự có thể hoàn thành.