
Mức nỗ lực của Gemini 4 Neon: Low, Medium và High thực sự tốn bao nhiêu
- OrcaMỚIOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 trên 1 triệu token · 189 tok/s
- tencentMỚITencent: Hy4 Flash2026-11-16$0.02 / $0.07 trên 1 triệu token · 204 tok/s
- GoogleMỚIGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 trên 1 triệu token · 87 tok/s
- AnthropicMỚIAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 trên 1 triệu token · 97 tok/s
- orcaMỚIOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 trên 1 triệu token · 89 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 trên 1 triệu token · 132 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 trên 1 triệu token · 77 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 trên 1 triệu token · 118 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 trên 1 triệu token · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 trên 1 triệu token · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 93 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Trí tuệ
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 trên 1 triệu token · 211 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Trí tuệ
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 trên 1 triệu token · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Trí tuệ
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 trên 1 triệu token · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Trí tuệ
Một lời nhắc, bốn mươi token đầu vào và chín hóa đơn. Simon Willison đã chạy bài kiểm tra con bồ nông đi xe đạp qua Gemini 4 Carbon, Gemini 4 Neon và Gemini 4 Hydrogen ở mức nỗ lực thấp, trung bình và cao, rồi công bố số token, chi phí tính bằng đô la và thời gian thực tế nhận về — trong một bài blog ngày 18 tháng 11 năm 2026 và dưới dạng lưới so sánh trên X vào sáng hôm sau. Chín kết quả là phép đo công khai cụ thể nhất cho đến nay về việc thiết lập mức độ suy nghĩ của Gemini 4 thực sự tác động đến hóa đơn ra sao, và chúng cho thấy một điều mà tài liệu ra mắt không nói: với một lời nhắc ngắn, dễ, nấc nỗ lực làm chi phí thay đổi nhiều hơn việc chọn mô hình, và thứ hạng giữa hai mô hình có thể đảo ngược khi bạn đổi nấc.
Phán quyết của ông ấy về kết quả đầu ra là cố ý không được định lượng. Những con bồ nồng Neon "trông đẹp hơn Hydrogen và kém hơn Carbon", độ chi tiết và độ trau chuốt giảm dần khi bạn đi xuống trong dòng sản phẩm và, ít rõ rệt hơn, khi bạn đi xuống theo thang bậc, và mỗi một trong chín hình ảnh vẫn dễ nhận ra là một con bồ nồng trên chiếc xe đạp. Bạn không thể cho điểm điều đó. Tuy nhiên, bạn có thể đếm xem nó đã tốn bao nhiêu.
Chín hóa đơn cho một prompt bốn mươi token
Lời nhắc là giống hệt nhau trong cả chín lần chạy, đầu vào là 40 token trong mọi trường hợp, và những thứ duy nhất thay đổi là mô hình và thiết lập tư duy. Mọi con số dưới đây đều đến từ lần chạy của chính Willison theo mức giá mỗi token mà Google công bố, và các chi phí là số đo của ông ấy chứ không phải ước tính.
• Gemini 4 Hydrogen, thấp — 2.996 token đầu ra, 2,25 xu, 10 giây.
• Gemini 4 Hydrogen, trung bình — 3.964 token đầu ra, 2,98 xu, 17 giây.
• Gemini 4 Hydrogen, mức cao — 5.311 token đầu ra, 3,99 cent, 19 giây.
• Gemini 4 Neon, thấp — 4.974 token đầu ra, 7,47 xu, 43 giây.
• Gemini 4 Neon, medium — 7.846 token đầu ra, 11,78 xu, 54 giây.
• Gemini 4 Neon, mức cao — 9.691 token đầu ra, 14,55 xu, 1 phút 11 giây.
• Gemini 4 Carbon, mức thấp — 9.153 token đầu ra, 9,16 xu, 1 phút 34 giây.
• Gemini 4 Carbon, cỡ vừa — 11.020 token đầu ra, 11,03 xu, 1 phút 53 giây.
• Gemini 4 Carbon, cao — 20.305 token đầu ra, 20,31 xu, 4 phút 11 giây.
Phép tính đằng sau những hóa đơn đó đáng được nêu ra vì nó giải thích mọi thứ tiếp theo. Ở 40 token đầu vào, khoản phí đầu vào chỉ khoảng một phần trăm xu và có thể bỏ qua, nên hóa đơn gần như chính xác bằng số token đầu ra nhân với đơn giá đầu ra: Carbon ở mức 10 đô la mỗi triệu token đầu ra, Neon ở mức 15 đô la, Hydrogen ở mức 7,50 đô la. Không có gì về thiết lập nỗ lực làm thay đổi giá. Nó thay đổi số token mà mô hình phát ra trước khi dừng, và với lời nhắc này, hệ số nhân đó nằm trong khoảng từ 1,77x đến 2,22x.
Bậc thang làm thay đổi hóa đơn nhiều hơn mô hình.
Lấy bậc rẻ nhất của dòng đắt nhất. Hydrogen ở mức thấp tốn 2,25 xu. Neon ở mức cao tốn 14,55. Đó là mức chênh lệch 6,5 lần trong cùng một dòng và một lời nhắc, và 3,3 lần trong số đó đến từ mô hình trong khi 1,95 lần còn lại đến từ bậc. So sánh tương tự trong một mô hình duy nhất cũng lớn tương đương: Neon thấp đến cao là 1,95 lần, Carbon thấp đến cao là 2,22 lần, Hydrogen thấp đến cao là 1,77 lần.
Đặt hai hiệu ứng cạnh nhau, điểm thực tiễn sẽ nhanh chóng hiện ra. Hạ Carbon từ high xuống medium tiết kiệm 9,28 xu cho prompt này, tức bằng 64% chi phí của Neon cho cùng một tác vụ ở cùng bậc. Nếu mặc định của bạn là "mô hình lớn nhất ở bậc sâu nhất", thì chỉ cần thay đổi một bước trong mặc định đó đã đáng giá hơn, tính bằng tiền mặt, so với việc chuyển hẳn sang mô hình khác.
Hướng của so sánh giữa các mô hình cũng không phải là hướng mà bảng giá gợi ý. Mức $3 và $15 của Neon cao hơn 50% so với mức $2 và $10 hiện tại của Carbon — mức giá giới thiệu mà Carbon và Argon áp dụng đến ngày 30 tháng 11, sau đó cả hai sẽ tăng gấp đôi lên $4 và $20. Tuy vậy, với lời nhắc này, Neon ở mức high lại rẻ hơn trong hai mô hình, rẻ hơn 28%, vì Carbon tạo ra số token đầu ra nhiều gấp 2,1 lần để vẽ cùng một con chim. Giá mỗi token là con số sai để so sánh. Token mỗi câu trả lời mới là con số xuất hiện trên hóa đơn.
Nơi Neon và Carbon đổi chỗ
Cặp này không duy trì được thứ tự nhất quán trên suốt chiếc thang, và nấc giữa chính là chỗ nó đổ vỡ.
• Ở mức thấp — Neon 7,47 xu so với Carbon 9,16, vì vậy Neon rẻ hơn 18%.
• Ở mức trung bình — Neon 11,78 xu so với Carbon 11,03, vì vậy Neon đắt hơn 6,8%.
• Ở mức cao — Neon 14,55 xu so với Carbon 20,31, nên Neon rẻ hơn 28%.
Số lượng token của Carbon chính là lý do. Nó tăng mạnh từ mức thấp lên trung bình (9.153 lên 11.020) rồi gần như tăng gấp đôi ở mức cao (20.305), trong khi Neon tăng đều hơn (4.974, 7.846, 9.691). Ở mức trung bình, số token của hai bên đủ sát nhau đến mức mức phụ trội giá 1,5 lần của Neon quyết định hóa đơn; ở mức cao, độ dài dòng của Carbon lấn át chênh lệch giá. Bất kỳ ai chỉ chạy một phép so sánh ở một bậc rồi khái quát hóa sẽ có câu trả lời ngược lại cho hai bậc còn lại.

Nấc thang mang lại gì trong một đánh giá khắt khe
Chi phí chỉ là một nửa của sự đánh đổi, và lời nhắc vẽ là một công cụ kém cho nửa còn lại vì không có con bồ nông nào là đúng chuẩn. Artificial Analysis cung cấp trục còn thiếu: nó chấm điểm Gemini 4 Neon riêng rẽ ở từng cài đặt trong bốn cài đặt của mô hình trên Intelligence Index v5.0.1, và mức chênh lệch lớn hơn nhiều so với bất cứ điều gì thang giá thể hiện.
• Điểm chỉ số — 44 ở mức thấp, 55 ở mức trung bình, 60 ở mức cao, 61 ở mức xhigh, theo như đọc từ trang của công cụ theo dõi vào ngày 19 tháng 11 năm 2026.
• Thời gian đến token trả lời đầu tiên — 13,9 giây ở mức thấp, 20,1 ở mức trung bình, 40,6 ở mức cao, 56,5 ở mức xhigh.
• Thời gian mỗi tác vụ Intelligence Index — 3,7 phút ở mức thấp, 8,3 ở mức trung bình, 14,8 ở mức cao, 21,5 ở mức xhigh.
• Tốc độ đầu ra — 97 đến 110 token mỗi giây, tăng nhẹ theo từng bậc, đây là chiều duy nhất mà thang gần như phẳng.
Mười bảy điểm chỉ số giữa thiết lập rẻ nhất và sâu nhất của Neon là khoảng cách lớn hơn khoảng cách giữa Neon ở xhigh và mức 54 được công bố của Gemini 4 Hydrogen trên cùng chỉ số đó. Đó là lập luận mạnh nhất cho thang cấu hình: trên các tác vụ có đáp án đúng, nấc thang không phải là thiết lập tinh chỉnh, mà là thiết lập năng lực. Cùng một đơn vị theo dõi chỉ công bố con số chi phí mỗi tác vụ cho biến thể xhigh, $6.44, và điểm dữ liệu đơn lẻ đó là thứ dễ bị trích dẫn thiếu ngữ cảnh nhất. Nó thuộc về cấu hình đắt nhất của mô hình, không phải thuộc về mô hình.

Tại sao một con chim lại là một phép thử công bằng đối với nấc thang
Prompt pelican có một đặc tính khiến nó đặc biệt tốt cho câu hỏi này và một đặc tính khiến nó vô dụng cho một câu hỏi khác. Nó mang tính mở, nên mỗi bậc đều tạo ra thứ gì đó và không bậc nào thất bại hoàn toàn — nghĩa là đường cong chi phí có thể được đọc mà không bị nhiễu bởi các lần thử lại, và đường cong chất lượng có thể được đọc như một gradient thay vì tỷ lệ đạt. Nó cũng không được chấm điểm, nên nó có thể cho bạn biết rằng nỗ lực thấp đã vẽ một chiếc xe đạp đơn giản hơn và không thể cho bạn biết liệu điều đó có quan trọng với khối lượng công việc của bạn hay không.
Tài liệu của chính Google nói thẳng thắn hơn về rủi ro ở nấc cao nhất so với những gì một bảng demo có thể thể hiện. Tài liệu cảnh báo rằng xhigh "có thể gây suy nghĩ quá mức hoặc làm cạn max_output_tokens với các prompt đơn giản hơn như trích xuất văn bản hoặc JSON", đồng thời khuyến nghị đánh giá ở mọi mức và chọn mức thấp nhất vẫn đáp ứng ngưỡng chất lượng của bạn. Willison đã thử Neon ở mức low, medium và high cho các con bồ nông, còn với prompt hoạt ảnh Three.js thì dùng riêng cài đặt bổ sung trong Antigravity, nên xhigh không có con chim nào trong so sánh này. Ghi chú của chính ông là Argon đã bị loại khỏi bảng, điều này nhắc rằng đây chỉ là lựa chọn của một người thực hành chứ không phải một bộ đánh giá đã công bố.
Đọc cùng nhau, hai nguồn cho ta một quy tắc dùng được. Với tác vụ tạo mở, dễ, nấc này mua được sự tinh chỉnh mà bạn có thể không cần, và tính cho bạn gấp 1,8 đến 2,2 lần số token cho việc đó. Với suy luận khó, cùng nấc đó mua được mười lăm điểm chỉ số, và mức tăng 5,8 lần thời gian mỗi tác vụ là cái giá của năng lực đó chứ không phải chi phí của sự do dự.
Chọn một nấc thay vì một mô hình
Thói quen đáng từ bỏ là việc lựa chọn giữa Gemini 4 Carbon, Gemini 4 Neon và Gemini 4 Hydrogen. Cả ba đều dùng cùng một tham số yêu cầu, nên quyết định thực sự là một cặp: mô hình nào, ở bậc nào, cho loại công việc nào. Ba quy tắc rút ra từ các con số ở trên.
Đặt bậc theo từng lớp tác vụ, không phải theo từng dự án. Trích xuất văn bản, định dạng, phân loại ngắn và sửa lỗi JSON là những trường hợp Google gọi là rủi ro suy nghĩ quá mức; đây cũng là những trường hợp mà một bậc thấp hoặc trung bình tạo ra câu trả lời dễ nhận biết chỉ với một phần năm đến một phần ba số token. Lập trình chuyên sâu nhiều bước, các phiên dài sử dụng công cụ và bất cứ thứ gì mà mười lăm điểm của chỉ số xuất hiện đều là nơi bậc đắt tiền xứng đáng với chi phí.
Hãy đo token, không phải giây, khi bạn so sánh. Thang thời gian và thang chi phí ở đây chạy cùng hướng nhưng không cùng độ dốc: cấu hình cao của Neon chậm gần gấp ba lần so với cấu hình thấp để tới token đầu tiên và chậm gấp bốn lần để hoàn thành một tác vụ lập chỉ mục, trong khi hóa đơn chỉ tăng 1,95 lần. Ngân sách độ trễ và ngân sách chi phí sẽ kéo bạn tới những nấc khác nhau, và chỉ một trong số đó xuất hiện trên hóa đơn.
Hãy chạy lại phép so sánh sau ngày 1 tháng 12 năm 2026. Vào ngày đó, Carbon và Argon tăng gấp đôi lên lần lượt $4 và $20 mỗi triệu token trong khi Neon vẫn giữ nguyên ở $3 và $15, và các con số pelican thay đổi tuyến tính theo tốc độ đầu ra. Khi đó, Carbon ở mức cao sẽ tốn 40,6 xu cho cùng một con chim, so với 14,55 của Neon — khoảng cách 2,8 lần thay vì 28% — và Carbon ở mức trung bình sẽ tốn 22,0 xu so với 11,78 của Neon. Mọi kết luận rút ra từ bảng giá tuần này chỉ có hạn sử dụng mười hai ngày.
Định tuyến nấc thang, không chỉ mô hình
Vì thiết lập effort là một tham số yêu cầu chứ không phải một triển khai riêng, toàn bộ thang bậc đều có thể tiếp cận từ một tích hợp duy nhất, khiến việc thay đổi quyết định định tuyến trở nên ít tốn kém. OrcaRouter cung cấp 200+ mô hình sau một khóa duy nhất theo giá niêm yết của nhà cung cấp, không cộng thêm phí, vì vậy một đợt điều chỉnh giá từ nhà cung cấp sẽ có hiệu lực ở phía chúng tôi ngay ngày nó có hiệu lực ở phía Google — bao gồm cả việc Carbon và Argon tăng gấp đôi vào ngày 1 tháng 12, mà không cần thương lượng lại gì cả. DSL định tuyến có thể gửi một lớp tác vụ đến một mô hình và bậc cụ thể, đó là cách một chính sách theo từng lớp như chính sách ở trên trở thành cấu hình thay vì một thay đổi mã, và chuyển đổi dự phòng tự động có nghĩa là một bậc mà bạn vẫn đang đánh giá sẽ không bao giờ trở thành con đường duy nhất đến môi trường sản xuất.
Một giới hạn trung thực: danh mục của chúng tôi hiện có google/gemini-4-carbon và google/gemini-4-argon, và hiện chưa có Gemini 4 Neon hoặc Gemini 4 Hydrogen. Vì vậy, đây không phải là khuyến nghị chạy Neon qua chúng tôi ngay hôm nay. Đó là hình dạng của bài kiểm tra cần chạy khi nó ra mắt, và là lý do việc so sánh theo từng bậc quan trọng hơn so sánh theo từng mô hình: một chính sách cố định mô hình mà bỏ qua bậc sẽ khiến phần lớn hóa đơn không được quản lý.

Điều gì sẽ thay đổi cách hiểu này?
Ba điều, đều có thể kiểm chứng. Điều thứ nhất là chi phí mỗi tác vụ đã công bố cho Neon ở high thay vì xhigh; bảng theo dõi hiện chỉ đưa ra $6.44 cho xhigh, và riêng hàng đó sẽ giải quyết được liệu tuyên bố rẻ hơn 32% mỗi tác vụ của Google có đứng vững qua đo lường độc lập hay không. Điều thứ hai là liệu có ai chạy pelican ở xhigh không, vì cài đặt duy nhất có chế độ lỗi được ghi nhận trên prompt ngắn lại chính là cài đặt vắng mặt trong lưới. Điều thứ ba là ngày 1 tháng 12, thứ làm thay đổi cách tính của mọi so sánh trong bài này mà cả hai mô hình không thay đổi chút nào.
Những câu hỏi mà những con số cứ khơi gợi
Mức độ nỗ lực cao hơn có tốn nhiều chi phí hơn trên mỗi token không?
Không. Mức giá mỗi token là cố định theo từng mô hình: 3 đô la và 15 đô la đối với Neon, 2 đô la và 10 đô la đối với Carbon hiện nay, 1,50 đô la và 7,50 đô la đối với Hydrogen. Điều thay đổi là số lượng token đầu ra mà mô hình phát ra trước khi dừng, đó là lý do tại sao cùng một câu lệnh 40 token lại tạo ra chín hóa đơn nằm trong khoảng từ 2,25 đến 20,31 xu.
Bậc thang rẻ nhất có luôn là câu trả lời rẻ nhất không?
Không hẳn, bởi vì một bậc suy nghĩ chưa đủ về một nhiệm vụ khó sẽ tạo ra câu trả lời mà bạn phải bỏ đi và chạy lại. Trên pelican, mọi bậc đều tạo ra thứ gì đó dùng được; trên Intelligence Index, khoảng cách giữa mức thấp và mức cao là mười sáu điểm, nên câu trả lời ở bậc thấp cho một nhiệm vụ khó là một sản phẩm khác chứ không phải một sản phẩm rẻ hơn.
Neon và Carbon, cái nào rẻ hơn?
Điều đó phụ thuộc vào bậc và ngày. Hôm nay, Neon rẻ hơn ở mức thấp và mức cao, đắt hơn ở mức trung bình; từ ngày 1 tháng 12, nó rẻ hơn ở mọi bậc trong prompt này, vì tốc độ đầu ra của Carbon tăng gấp đôi còn của Neon thì không.
