Gemini 4 Hydrogen so với Gemini 4 Argon: Rẻ hơn, nhanh hơn, thông minh hơn một chút — và gấp đôi khả năng bịa ra một sự thật

Trên điểm tổng hợp mà hầu hết mọi người trích dẫn, Gemini 4 Hydrogen đánh bại Gemini 4 Argon đúng một điểm. Trên bộ harness độc lập tạo ra điểm đó, Hydrogen hoàn thành một tác vụ index trong 13,5 phút so với 30,0 phút của Argon, tốn $3,16 so với $4,97, và tạo câu trả lời với tốc độ 190 token mỗi giây so với 65. Điều đó trông như một thắng lợi áp đảo cho đến khi bạn đọc bảng thứ hai, nơi Argon bịa đặt ở 4,3% các câu hỏi omniscience của Artificial Analysis còn Hydrogen là 8,5%, và nơi Argon thắng cả Terminal-Bench 4.0 lẫn Terminal-Bench-Science. Gemini 4 Hydrogen và Gemini 4 Argon là cùng một mô hình nền tảng với các ngân sách suy nghĩ khác nhau được gắn thêm, và lựa chọn giữa chúng không phải là "mới so với cũ" — mà là "bạn muốn trả bao nhiêu cho việc suy nghĩ, và bạn tin câu trả lời đến mức nào mà không cần kiểm tra nó."

Khoảng cách nằm ở ngân sách tư duy, không phải ở kiến trúc.

Google đã phát hành Argon trước. Nó được công bố vào ngày 30 tháng 9 năm 2026, đạt trạng thái sẵn sàng chung vào ngày 13 tháng 10, và được định vị là mô hình biên hiệu quả: cùng cửa sổ ngữ cảnh hợp nhất 1.048.576 token như Gemini 4 Carbon, cùng các công cụ tích hợp sẵn, cùng mức giá trên mỗi token, nhưng đốt ít token suy nghĩ hơn mỗi lượt. Gemini 4 Hydrogen ra mắt vào ngày 12 tháng 11 với cùng cửa sổ, cùng các công cụ, và một thẻ ghi rõ rằng nó được chuyển thể từ Carbon thay vì được huấn luyện riêng.

Điều thực sự phân biệt hai mô hình là nút điều chỉnh ở đầu yêu cầu. Argon chấp nhận mức thấp, trung bình và cao, với mặc định là trung bình. Hydrogen chấp nhận ba mức đó, mặc định là cao, và thêm một bậc thứ tư gọi là xhigh. Mọi khía cạnh khác về cấu trúc của mô hình đều được dùng chung.

Điều đó quan trọng vì phép so sánh mà ai cũng chạy trên tiêu đề không phải là so sánh cùng điều kiện. Artificial Analysis công bố Hydrogen đạt 54 ở mức xhigh và Argon đạt 50 ở mức high. Ở chính mức mặc định của Hydrogen — high, mức mà một yêu cầu nhận được nếu bạn không gửi gì — cùng bộ khung kiểm thử đó cho nó 51. Vậy khoảng cách một điểm trung thực là 51 so với 50, còn khoảng cách bốn điểm là thứ bạn có được khi chọn mức đắt nhất trên một mô hình và so nó với mức giữa của mô hình kia.

Đẩy núm xoay theo hướng ngược lại thì thứ tự sẽ đảo ngược. Hydrogen ở mức trung bình đạt 41 điểm. Nếu khối lượng công việc của bạn chạy ở mức mặc định được Google khuyến nghị cho Argon, thì Hydrogen không phải là mô hình tốt hơn — nó là một mô hình rẻ hơn, suy nghĩ ít hơn.

Sáu dòng mang tính quyết định

Tất cả số liệu dưới đây đều đến từ các lần chạy của chính Artificial Analysis đối với API của Google, trừ khi có ghi chú khác. Giá theo token là bảng giá công bố của Google; cả hai mô hình đều có cùng dạng bảng giá.

• Chỉ số Trí tuệ — Gemini 4 Hydrogen đạt 54 ở xhigh, 51 ở high, 41 ở medium; Gemini 4 Argon đạt 50 ở high, mức trần của nó. Cặp so sánh được là 51 so với 50.

• Chi phí cho mỗi tác vụ lập chỉ mục đã hoàn thành — Hydrogen $3.16 ở mức xhigh và $1.87 ở mức high; Argon $4.97. Khoảng cách theo từng tác vụ rộng hơn nhiều so với khoảng cách điểm số một điểm, và còn rộng hơn nữa ở cài đặt mặc định.

• Tốc độ đầu ra — 190 token mỗi giây đối với Hydrogen ở mức xhigh, 179 ở mức high; 65 đối với Argon. Lợi thế thông lượng khoảng ba-một vẫn giữ nguyên ở mọi mức suy luận.

• Thời gian đến token trả lời đầu tiên — Hydrogen 37,8 giây ở xhigh và 16,7 ở high; Argon 40,7. Ở cài đặt mặc định, Hydrogen bắt đầu trả lời sớm hơn 24 giây, đúng là mức chênh lệch mà một giao diện trò chuyện nhận ra.

• Độ dài dòng — Hydrogen đã tạo ra 304 triệu token đầu ra để hoàn thành chỉ mục, so với 113 triệu của Argon và mức trung vị 72,8 triệu. Argon vốn đã được cùng bộ khung đó mô tả là "hơi dài dòng"; Hydrogen là "rất dài dòng", và chính điều đó ăn mất phần lớn lợi thế giá trên mỗi token của nó ở xhigh.

• Giá và các bậc, tính trên một triệu token — Hydrogen $1.50 / $7.50 cố định, đọc bộ nhớ đệm $0.075, Batch và Flex ở mức $0.75 / $3.75, Priority ở mức $2.70 / $13.50, và một bậc miễn phí bị giới hạn tốc độ. Argon $2.00 / $10.00 đến hết ngày 30 tháng 11 năm 2026, đọc bộ nhớ đệm $0.10, Batch và Flex ở mức $1.00 / $5.00, Priority ở mức $3.60 / $18.00, không có bậc miễn phí. Cả hai đều cung cấp bậc Contributor chỉ dành cho người được mời; của Hydrogen là $0.75 / $3.75, của Argon là $1.00 / $5.00.

Nơi Argon vẫn là mô hình tốt hơn

Ba kết quả độc lập và một tỷ lệ ảo giác cho thấy mô hình mới hơn, rẻ hơn không phải là một bản nâng cấp toàn diện. Đó là lý do trang này không phải là lời khuyên nên chuyển đổi.

• Terminal-Bench 4.0 — Argon 57.1%, Hydrogen 53.5%. Bài đánh giá lập trình tác tử nơi mô hình cũ hơn vẫn dẫn đầu, và là bài gần nhất với những gì một phiên sử dụng công cụ kéo dài thực sự diễn ra.

• Terminal-Bench-Science — Argon 52,9%, Hydrogen 49,5%. Cùng một xu hướng ở biến thể khoa học.

• AutomationBench-AA — Argon 77,5%, Hydrogen 76,1%. Một thất bại sát nút, nhưng vẫn là thất bại, và đây là bài kiểm chuẩn cho công việc tri thức được chính thẻ mô hình của Google trích dẫn nhiều nhất.

• Tỷ lệ ảo giác về hiểu biết toàn diện — Argon 4,3%, Hydrogen 8,5% ở xhigh. Hydrogen trả lời đúng một tỷ lệ tương tự các câu hỏi này và bịa ra câu trả lời thường xuyên gấp khoảng hai lần khi nó không biết. Trên cùng bộ câu hỏi ở mức high, tỷ lệ này là 8,7%, vì vậy đây không phải là hiện tượng giả tạo của mức tư duy cao nhất.

Danh sách phản chứng cũng là thật, và đó là lý do Hydrogen vẫn thắng ở điểm tổng hợp: FrontierCode 2.0 đạt 39,0% so với 25,7% của Argon, CritPT agentic hard đạt 66,0% so với 52,5%, HLE-Diamond đạt 58,8% so với 56,7%, và có lợi thế nhỏ trên các hạng mục năng lực kỹ thuật, pháp lý và tài chính. Hydrogen là mô hình tốt hơn về sửa mã và về suy luận kiểu cuộc thi khó, đồng thời kém hơn về công việc terminal kéo dài và về việc biết khi nào nên nói rằng nó không biết.

Sự phân tách đó có một hình dạng thực tiễn. Nếu một trình xác minh, một bộ kiểm thử hoặc một con người đọc đầu ra trước khi nó trở nên quan trọng, thì tỷ lệ ảo giác của Hydrogen là một chi phí bạn đang phải trả để phát hiện. Nếu không có gì ở hạ nguồn kiểm tra câu trả lời — một phản hồi hỗ trợ, một phép trích xuất đưa dữ liệu vào cơ sở dữ liệu, một bản tóm tắt mà khách hàng đọc — thì 4.3% của Argon đáng giá hơn 40 token mỗi giây thêm của Hydrogen.

Bước đi ngày 1 tháng 12 làm nới rộng khoảng cách mà không đảo ngược nó

Cả hai mô hình đều đang dùng thẻ khuyến mãi có ngày hết hạn cứng. Argon tăng từ $2.00 / $10.00 lên $4.00 / $20.00 vào ngày 1 tháng 12 năm 2026, với giá đọc bộ nhớ đệm tăng gấp đôi lên $0.20, Batch và Flex lên $2.00 / $10.00 và Priority lên $7.20 / $36.00. Bảng giá công bố của Hydrogen không có mức tăng nào kèm ngày tháng ở bất kỳ hạng nào, kể cả hạng miễn phí.

Hãy chạy phép tính sau bước đó và tỷ lệ trên mỗi token sẽ tăng từ 1.33x lên 2.67x theo hướng có lợi cho Hydrogen. Theo từng tác vụ, Artificial Analysis tính lại con số của mình từ bảng giá trực tiếp và đã công bố cả hai phiên bản: $4.97 khi bảng giá của Argon ghi $2.00 / $10.00, và $9.95 ở lần chạy ghi $4.00 / $20.00. Cùng một bộ khung đánh giá đặt Hydrogen ở mức $3.16 trong cả hai trường hợp. Điều đó không khiến Argon trở thành mô hình sai; nó khiến Argon trở thành mô hình mà bạn nên có thể biện minh dựa trên độ chính xác thay vì dựa trên thói quen.

Điều đó cũng khiến hai mô hình cần định tuyến khác nhau. OrcaRouter cung cấp Gemini 4 Argon và Gemini 4 Carbon theo giá niêm yết của nhà cung cấp với mức cộng thêm 0%, nên việc tăng gấp đôi vào ngày 1 tháng 12 xuất hiện ở phía chúng tôi cùng ngày nó xuất hiện trên bảng giá của Google thay vì tại kỳ đối soát hóa đơn tiếp theo, và một stack giữ Argon để kiểm tra độ chính xác sẽ trả mức giá mới một cách minh bạch. Gemini 4 Hydrogen không có trong danh mục của chúng tôi — nó đến từ API riêng của Google và AI Studio — vì vậy cấu hình tương ứng với bài viết này là Hydrogen được gọi trực tiếp cho các lượt thực thi và Argon đứng sau bộ định tuyến với vai trò trình xác minh, cùng với chuyển đổi dự phòng tự động trên các nhà cung cấp, bao quát trường hợp một đường dẫn bị giới hạn tốc độ giữa phiên.

Điều gì thay đổi trong mã của bạn nếu bạn chuyển sang?

Google ghi lại trong tài liệu việc chuyển đổi này như một thay đổi chuỗi mô hình với bốn khác biệt về hành vi, và chỉ khác biệt đầu tiên là hiển nhiên.

• Kích thước hop — Hydrogen cho phép 65.536 token mỗi hop không streaming trên các lời gọi REST và SDK; Argon cho phép 32.768 token mỗi hop REST không streaming. Việc tạo một lần dài trở nên đơn giản hơn, và mọi mã đã chia nhỏ để né giới hạn 32K có thể ngừng chia nhỏ.

• Mặc định thinking — Argon mặc định ở mức medium và giới hạn tối đa ở high; Hydrogen mặc định ở high và bổ sung xhigh. Do đó, việc hoán đổi thẳng chuỗi mô hình sẽ âm thầm làm tăng cả độ trễ lẫn mức tiêu thụ token thinking. Hãy đặt thinking_level một cách rõ ràng trong yêu cầu đầu tiên, nếu không hóa đơn của bạn sẽ cho bạn biết về điều đó sau.

• Bộ nhớ đệm — cả hai đều không hỗ trợ bộ nhớ đệm tường minh; cả hai đều giảm 95% cho các lượt trúng bộ nhớ đệm ngầm trên các prompt từ 4.096 token trở lên. Giá đọc bộ nhớ đệm của Argon là $0.10 và của Hydrogen là $0.075, vì vậy một khối lượng công việc nặng về bộ nhớ đệm tiết kiệm 25% trên phần được lưu trong bộ nhớ đệm trước bước tháng 12 và 62,5% sau đó.

• Lấy mẫu và gọi công cụ — cả hai đều bỏ qua temperature, top_p và top_k thay vì từ chối chúng, và cả hai sẽ trả về MALFORMED_FUNCTION_CALL nếu bạn yêu cầu gọi công cụ bằng JSON dạng văn bản thô thay vì khai báo công cụ theo cách native. Không cái nào là vấn đề riêng của một switch, nhưng cả hai đều xuất hiện khi dùng một switch.

Một khác biệt nữa không nằm trong danh sách chuyển đổi và có ý nghĩa quan trọng đối với các tác nhân: thẻ của Argon không công bố ngày cắt kiến thức, trong khi thẻ mô hình của Hydrogen ghi tháng 3 năm 2026 kèm lưu ý rằng một số lĩnh vực kém cập nhật hơn. Nếu pipeline nhạy cảm với độ mới là lý do bạn đang so sánh hai mô hình này, thì Hydrogen là mô hình duy nhất trong cặp mà bạn có thể đọc ngày thay vì phải kiểm thử để biết.

Quy tắc cần áp dụng

Chuyển từ Argon sang Hydrogen khi công việc được thực thi rồi sau đó được kiểm tra: lập trình hướng kiểm thử, chỉnh sửa tệp, các tác nhân con song song, pipeline truy xuất-rồi-trả lời có bước trích dẫn, và bất kỳ việc gì mà chi phí cho mỗi tác vụ hoàn thành chính là con số trên bảng điều khiển. Chạy Hydrogen ở mức high, không phải mức mặc định trong trí tưởng tượng của bạn — con số 54 đã công bố yêu cầu xhigh, và mức mặc định thực tế là 51 với chi phí $1.87 mỗi tác vụ.

Hãy tiếp tục dùng Argon khi câu trả lời được gửi đi mà không qua kiểm tra, khi tác vụ là một phiên terminal dài thay vì một đợt ngắn, hoặc khi bạn đang trong vòng ba tuần trước khi ra mắt và không muốn thay đổi một đường đi production chỉ vì thay đổi điểm số một điểm. Với tỷ lệ hallucination 4,3% so với 8,5%, Argon đang mang lại cho bạn một bước xác minh mà nếu không bạn sẽ phải tự xây dựng.

Điều có thể thay đổi câu trả lời là một điểm dữ liệu thứ ba mà cả hai mô hình đều chưa có: một phép đo có thể tái lập đối với thứ mà Google thực sự quảng cáo cho Hydrogen — mã sạch hơn và ít tuyên bố bịa đặt hơn, mà tài liệu ghi nhận là ít hơn Gemini 3.8 Flash hơn năm lần. Bộ omniscience của Artificial Analysis đo theo hướng ngược lại đối với Hydrogen so với Argon. Cho đến khi có người chạy cả hai trên cùng một phân phối tác vụ, vị thế trung thực là Hydrogen có kinh tế tốt hơn còn Argon là câu trả lời tốt hơn, và bước giá ngày 1 tháng 12 khiến việc trì hoãn đánh đổi đó trở nên đắt đỏ hơn chứ không phải rẻ hơn.