Gemini 4 Hydrogen vs Gemini 3.8 Flash: Sáu điều dễ hỏng, và một mức giá hội tụ vào ngày 1 tháng 1

Chuyển từ Gemini 3.8 Flash sang Gemini 4 Hydrogen trông giống như một thay đổi chỉ một dòng: đổi chuỗi mô hình, triển khai lại, xong. Sáu điều trong chính danh sách kiểm tra chuyển đổi của Google lại nói khác, và bốn trong số đó thất bại mà không báo lỗi. Mô hình thay thế Gemini 3.8 Flash đã chính thức khả dụng rộng rãi vào ngày 12 tháng 11 năm 2026 với giá 1,50 USD mỗi triệu token đầu vào và 7,50 USD mỗi triệu token đầu ra, đồng giá trên cửa sổ 1.048.576 token được chia sẻ cho cả đầu vào, suy luận và đầu ra. Gemini 3.8 Flash, ổn định từ ngày 2 tháng 9 năm 2026, đang ở mức một nửa giá đó cho đến ngày 1 tháng 1 năm 2027, khi bảng giá của Google tăng gấp đôi lên đúng bằng 1,50 / 7,50 USD. Vì vậy, chênh lệch giá giữa hai mô hình này là một cửa sổ bảy tuần, không phải cấu trúc phân tầng — và quá trình chuyển đổi mới là thứ sẽ khiến bạn tốn kém hơn cả token.

Bốn lỗi hỏng mà bạn sẽ không thấy trong một mã trạng thái

Trang What's new in Gemini 4 Hydrogen của Google​ thẳng thắn một cách bất thường về những vấn đề này, điều đó cho thấy chúng đã bị khai thác ngoài thực tế.

• Các tham số lấy mẫu — temperature, top_p và top_k không bị từ chối trên Hydrogen. Máy chủ bỏ qua chúng. Một prompt được tinh chỉnh theo temperature 0.2 của 3.8 Flash vẫn liên tục trả về 200 trên Hydrogen và âm thầm trả về phân phối của bất kỳ giá trị mặc định nào.

• Mặc định Thinking — 3.8 Flash mặc định ở mức trung bình thinking; Hydrogen mặc định ở mức cao. Không có gì trong yêu cầu của bạn thay đổi, nhưng độ trễ và tính phí token đầu ra đều thay đổi, vì token thinking được tính phí như token đầu ra.

• Tính toán ngữ cảnh — 3.8 Flash cung cấp cho bạn 1.048.576 token đầu vào và ngân sách đầu ra riêng là 65.536. Hydrogen có một cửa sổ 1.048.576 token bao trùm cả đầu vào, suy luận và đầu ra cùng nhau. Một lời nhắc 900K token từng ổn trên 3.8 Flash giờ chỉ còn khoảng 148K cho suy luận và câu trả lời, và các tác vụ ngữ cảnh dài sẽ tự cắt ngắn câu trả lời của chính chúng thay vì báo lỗi.

• Bộ nhớ đệm tường minh — cachedContents và caches.create không được hỗ trợ trên Hydrogen. Mọi yêu cầu mang trường cached_content đều phải bỏ trường đó và dựa vào bộ nhớ đệm ngầm, vốn tự động bật ở 4.096 token và giảm giá 95% cho các lần trúng bộ nhớ đệm (0,075 USD mỗi triệu). Mức giảm giá vẫn như cũ; khả năng kiểm soát thì không còn.

Hai thứ thất bại một cách ầm ĩ, điều gần như là một sự nhẹ nhõm

Mức suy nghĩ tối thiểu bị Hydrogen từ chối kèm lỗi — nhưng nó cũng bị 3.8 Flash từ chối, nên nếu mã của bạn vẫn gửi nó thì bạn có một lỗi có từ trước đợt migration này và sẽ lộ ra trên bất kỳ model nào bạn chuyển sang đầu tiên. Lỗi rõ ràng còn lại là giới hạn đầu ra đồng bộ, và nó cũng không mới: 65,536 token mỗi hop áp dụng cho cả lời gọi streaming và non-streaming. Điều mới là hướng dẫn của Google. max_output_tokens giờ giới hạn tổng thinking cộng output, các giới hạn hardcode như 8,192 nên được gỡ bỏ, và bất cứ thứ gì vượt 64K cần background: true với max_output_tokens đặt trên 65,536 — tối đa 1,048,576 trừ input của bạn. Đặt background mà không nâng max_output_tokens thì server vẫn dừng ở 64K, đại loại là thứ bạn phát hiện lúc 2 giờ sáng.

Hãy dành một tuần cho các bài kiểm thử hành vi, chứ không phải một buổi chiều để thay thế chuỗi. Hai trong số những lỗi âm thầm ở trên chỉ biểu hiện dưới dạng thay đổi phân phối đầu ra, mà không bài kiểm thử khói nào bắt được.

Bạn nhận được gì cho công sức bỏ ra

Khoảng cách năng lực chính là lý do bất kỳ ai cũng sẽ chấp nhận việc chuyển đổi. Tài liệu ra mắt của Google tuyên bố đạt 57% trên Terminal-Bench 4.1, trong khi Gemini 3.8 Flash đạt 18.2%, trên một harness mà không ai bên ngoài Google có thể kiểm tra — chỉ mang tính định hướng, không phải đo lường. Góc nhìn độc lập từ Artificial Analysis hẹp hơn và cũng chỉ về cùng một hướng: Intelligence Index là 54 ở cài đặt xhigh của Hydrogen, so với 31 của 3.8 Flash ở mức high, với mô hình trung vị trên chỉ số đó ở mức 41.

Hai phép đo của Artificial Analysis quan trọng hơn chỉ số. Tốc độ đầu ra là 198 token mỗi giây đối với Hydrogen ở xhigh, so với 111 đối với 3.8 Flash ở high — chỉ dưới 1,8 lần, được đo trên cài đặt chậm hơn của Hydrogen, nên tuyên bố của G​oogle về khoảng 2,5 lần ở mức high mặc định là hợp lý chứ không bị mâu thuẫn. Và chi phí cho mỗi tác vụ hoàn thành là 3,16 đô-la cho Hydrogen so với 7,77 đô-la cho 3.8 Flash, vì 3.8 Flash tiêu tốn nhiều token hơn hẳn cho mỗi tác vụ so với điểm số của nó. Nếu mô hình chi phí của bạn được xây dựng trên đô-la trên mỗi triệu token, thì ở đây nó đang đo sai thứ.

Con số đối chiếu là thời gian đến token trả lời đầu tiên: 41,11 giây cho Hydrogen so với 17,10 cho 3.8 Flash. Hydrogen hoàn thành sớm hơn và khởi đầu muộn hơn. Trong một hộp chat nơi người ta theo dõi những từ đầu tiên xuất hiện, 3.8 Flash vẫn có cảm giác nhanh hơn. Trong một vòng lặp agent gửi một tác vụ và thu kết quả, thời gian thực (wall-clock) là thứ bạn phải trả, và Hydrogen thắng.

Phép tính khiến tháng Mười Hai trở thành tháng duy nhất quan trọng

Hôm nay, Gemini 3.8 Flash có giá $0.75 cho đầu vào / $3.75 cho đầu ra, so với $1.50 / $7.50 của Hydrogen. Vào ngày 1 tháng 1 năm 2027, mức giá này sẽ trở thành $1.50 / $7.50 ở cả hai. Đầu vào được lưu trữ đệm tăng từ $0.075 lên $0.15 trên 3.8 Flash và giữ nguyên ở $0.075 trên Hydrogen, đồng thời phí lưu trữ bộ nhớ đệm theo giờ tăng gấp đôi vào cùng ngày đó. Mọi bậc dịch vụ đều hội tụ về cùng một cặp con số: Batch và Flex đều ở mức $0.75 / $3.75 trên cả hai, Priority ở mức $2.70 / $13.50 trên cả hai. Hydrogen hiện đã ở mức giá của tháng 1, nghĩa là khoản phụ trội bạn trả trong tháng này là khoản phụ trội cho việc đi sớm, không phải cho việc dùng một mô hình tốt hơn.

Cả hai mô hình đều có gói miễn phí, điều này đáng nêu vì không đúng trên toàn dòng Gemini 4 — Gemini 4 Carbon và Gemini 4 Argon không có gói nào. Cả hai gói miễn phí đều bị giới hạn tốc độ, và dữ liệu của gói miễn phí được dùng để cải thiện sản phẩm, nên cả hai đều không phải là hợp đồng cho môi trường sản xuất.

Mô hìnhkhông bị ngừng sử dụng là 3.8 Flash. Bảng ngừng hỗ trợ của Google không có ngày tắt cho nó, và từ ngày 1 tháng 12 năm 2026, các yêu cầu gửi đến gemini-2.5-pro đã ngừng hỗ trợ sẽ được tự động định tuyến đến 3.8 Flash. Google đang hợp nhất lưu lượng vào mô hình mà họ cũng đang yêu cầu bạn chuyển khỏi, nghĩa là di chuyển theo từng giai đoạn là một lựa chọn thực sự chứ không phải là cách nói giảm nói tránh cho việc trì hoãn.

Chạy so sánh trên lưu lượng truy cập của chính bạn

Quyết định sẽ dễ đưa ra hơn khi cả hai mô hình đều có thể được gọi từ một nơi và dùng chung một hóa đơn, vì toàn bộ câu hỏi mang tính hành vi: liệu bộ prompt của bạn có mất gì khi temperature ngừng hoạt động và mức độ suy nghĩ tăng thêm một bậc hay không.

Gemini 3.8 Flash có mặt trong danh mục OrcaRouter với giá $0.75 / $3.75 mỗi triệu token, giá niêm yết của nhà cung cấp được chuyển nguyên với mức đánh dấu 0% — vì vậy khi Google tăng gấp đôi mức giá đó vào ngày 1 tháng 1, con số mới sẽ có hiệu lực ở đây ngay trong ngày thay vì vào lần gia hạn hợp đồng tiếp theo. Gemini 4 Hydrogen không có trong danh mục của chúng tôi; nó có thể truy cập được qua API riêng của Google và AI Studio, và không có lớp định tuyến nào thay đổi điều đó. Điều mà bộ định tuyến thực sự mang lại cho bạn trong giai đoạn này chính là phép A/B: cùng một lời nhắc được gửi đến 3.8 Flash và đến bất kỳ mô hình nào bạn đang đánh giá tiếp theo, tự động chuyển đổi dự phòng khi một tầng bị giới hạn tốc độ làm rớt yêu cầu, và một DSL định tuyến có thể giữ đường rẻ trên mô hình vẫn có bộ nhớ đệm tường minh cho đến khi bạn đã di chuyển người gọi cuối cùng.

Ai nên hành động vào tháng 11, và ai nên chờ đợi?

Hãy chuyển ngay nếu khối lượng công việc của bạn mang tính agentic, gắn với terminal hoặc dài hạn, và nếu khoảng cách 57 so với 18.2 trên Terminal-Bench 4.1 mô tả một tác vụ thực tế mà bạn đang chạy. Khoản chênh lệch giá bạn phải trả từ bây giờ đến tháng Giêng là chi phí của bảy tuần sử dụng thêm mô hình tốt hơn, một sai số làm tròn so với một cuộc di chuyển mà dù sao bạn cũng sẽ thực hiện.

Hãy đợi đến tháng 1 nếu khối lượng công việc của bạn có dạng trò chuyện và nhạy cảm với độ trễ, hoặc nếu nó phụ thuộc vào ngữ nghĩa bộ nhớ đệm tường minh mà bạn đã xây dựng logic thử lại xoay quanh. 3.8 Flash hiện rẻ hơn, nhanh hơn đến token đầu tiên và không có lịch ngừng hoạt động. Không có phần thưởng nào cho việc là người đầu tiên hoàn tất một cuộc di trú mà thời hạn duy nhất chỉ là bảng giá cước.

Điều không ai nên làm là di chuyển trong tuần cuối cùng của tháng 12 và phát hiện ra tham số nhiệt độ bị bỏ qua trong môi trường thực tế vào ngày 2 tháng 1. Sai lầm thực sự không thể đảo ngược duy nhất ở đây là coi ngày ra mắt là hạn chót. Hạn chót là sự hội tụ giá — và những bài kiểm tra bắt được các lỗi âm thầm phải diễn ra trước đó, chứ không phải sau đó.