Gemini 4 Hydrogen 对比 Claude Haiku 5.5：15 倍的价格差距，按每个完成的任务计算则缩小至 7 倍

在价目表上，这个差距大得离谱。对于不超过 100,000 个 token 的提示词，Claude Haiku 5.5 每百万输入 token 收费 0.10 美元，每百万输出 token 收费 0.50 美元；Gemini 4 Hydrogen 则分别收费 1.50 美元和 7.50 美元。也就是说，Gemini 在这两项上的价格都是 Claude 的十五倍，而这款模型直到 2026 年 11 月 12 日才进入 Google 的产品目录。不过，本周在两者之间做选择的人，并不是在两个价格之间做选择。他们是在一个在 Artificial Analysis Intelligence Index 上得分 54 的模型和一个得分 36 的模型之间做选择；而一旦你衡量的是两者完成一项任务而非启动一项任务的成本，十五倍这个数字就会消散。

按 token 计的数值与按任务计的数值相差一半

Artificial Analysis 用同一套测试框架运行这两个模型，并在公布每 token 价格的同时，公布每完成一项索引任务的成本。结果与价目表所暗示的相差甚远。

• 按每个 token 计费，输入和输出：G​emini 4 Hydrogen 为 $1.50 / $7.50，对比 Claude Haiku 5.5 的 $0.10 / $0.50。Haiku 的输入费用便宜 15.0 倍，输出费用也便宜 15.0 倍，且价格固定不变。

• 每完成一项索引任务 — G​emini 4 Hydrogen 在其最高思考设置下为 $3.16，而 Claude Haiku 5.5 为 $0.41。Haiku 便宜 7.7 倍，而非 15 倍。

• 差距为何缩小一半——冗长程度。Haiku 5.5 为处理该索引生成了 2.98 亿个输出 token，而其自身对比类别中的中位数模型为 1.07 亿个——Carbon 和 Hydrogen 是相对于 7280 万的中位数来衡量的，因此这两个中位数并非同一把尺子。它按 token 计很便宜，但按答案计很昂贵，因为要得出一个答案需要消耗多得多的 token。

• 在相同的 7:2:1 缓存/输入/输出配比下，混合费率为 G​emini 4 Hydrogen 每百万 1.10 美元，对比 Claude Haiku 5.5 每百万 0.077 美元。

把最后两行放在一起读，定价论证的形态就变了。按价目表做预算的团队会预期节省十五倍，实际却略低于八倍。按每任务成本做预算的团队得到的才是真实数字，而这个数字仍然压倒性地有利于 Haiku——但它是一个可以用来做规划的数字，价目表则不是。

Haiku 的定价卡里还埋着一个两个数字都未体现的门槛。以上所有内容都是 10 万 token 以下的价格。当提示超过 100,000 token 后，Haiku 5.5 转为 $0.50 输入、$2.50 输出——这是一次五倍跃升，使其输出价格恰好落在 Hydrogen 的三分之一，而不是十五分之一。两款模型都拥有 1,048,576 token 的窗口，因此这个交叉点是可以达到的，而非理论上的：在长上下文工作负载下，Haiku 为 $0.50/$2.50，而 Hydrogen 为 $1.50/$7.50，每 token 差距缩小到 3 倍，而能力差距仍保持原样。

在人们实际运行的任务中，十八个指数点能换来什么

十八个指数点在纸面上是一个很大的差距。它在实践中是否也是一个很大的差距，完全取决于工作的形态，而厂商基准测试会根据你读的是哪一个而指向不同的方向。

• 智能体终端任务——Google 报告称，Gemini 4 Hydrogen 在 Terminal-Bench 4.1 上达到 57.0%，并标注为经作弊校正。Anthropic 报告称，Claude Haiku 5.5 在 Terminal-Bench 4.0 上达到 39.2%。两者使用的是不同版本的基准测试，因此这一比较是方向性的，而非精确比较，但方向一致，并且以较大优势有利于 Hydrogen。

• 计算机使用 —— Hydrogen 在 OSWorld-2.1 上达到 77.6%，为厂商报告数据；Haiku 5.5 在同一基准的离线子集上为 72.4%，同样为厂商报告数据。Hydrogen 的领先幅度更小，而"子集"这一限定意味着这两个数字衡量的并不完全是同一回事。

• 无工具的高难度推理——Hydrogen 在 HLE-Diamond 上达到 58.8%；Haiku 5.5 在无工具情况下于 Humanity's Last Exam 上达到 45.9%，有工具时升至 57.4%。这是两者之间最宽的真实差距，也正是对应“这个模型能否在没有脚手架的情况下撑住一个难题”的那一项。

• 代码审查与修复——Hydrogen 在 Chartography 上为 66.6%；Haiku 5.5 在无工具条件下于 Chartography 上为 46.4%。相差二十个百分点，基准名称相同，且同样是无工具条件。

• 前沿编码 — Anthropic 报告称，Haiku 5.5 在 FrontierCode 1.1 上达到 46.4%，并报告 Cognition 给出的 FrontierCode 得分为 66.2，当时 Haiku 5.5 作为 Devin Fusion 内的助手运行。请注意，第二个数字代表不同的配置安排，而不是同一任务的不同得分；并且 Anthropic 将两者都标记为客户报告，而非第一方数据。

上面每一个数字都是由销售该模型的公司自行报告的。它们都没有经过独立复现，而且各基准版本差异足够大，若把它们加总成一个“Hydrogen 好 X%”的说法，那是不诚实的。它们所支持的结论更狭窄，也更有用：在长时间运行且使用工具的任务上，Hydrogen 明显更好；而当任务只是一个有边界的单一问题时，差距最小。

两者启动都很慢，而这一点没人会写进标题里。

这正是比较中最让人意外的部分——尤其是对那些按价格或指数做选择、然后亲眼看着第一个 token 到达的人来说。

• 首个回答 token 的耗时——G​emini 4 Hydrogen 在最高思考设置下为 40.55 秒，而 Claude Haiku 5.5 在最高设置下为 175.95 秒。Hydrogen 的启动速度快四倍，而且这两个数字都远高于交互式界面所能容忍的范围。

• 开始后的输出速度——Claude Haiku 5.5 每秒 256 个 token，而 G​emini 4 Hydrogen 每秒 188 个 token。Haiku 写得更快，但启动更晚。

• 每个索引任务的平均耗时——Claude Haiku 5.5 为 14.7 分钟。按每项已完成任务计算，两个模型最终处于相近的水平；但它们是沿着相反的路径达到这一点的。

• 在 Hydrogen 的默认思考级别下，首个 token 的数值降至约 16.7 秒，这对聊天界面来说才是关键数字，而且这一设置产生的指数得分是 51 分而非 54 分。

如果你在构建任何需要人等待的东西，那么这两个模型的主推配置都不合适。尤其是 Haiku 5.5，它是一个可调努力程度的模型——从 Low 到 Max——而 175.95 秒和 index-36 这两项数据都是 Max 设置下的结果。在较低努力程度下，它会更早启动，得分也更低，而 A​nthropic 没有发布将两者对应起来的表格。这个测试只能你自己跑。

缓存才是价格比真正所在之处

对于任何带有稳定前缀的工作负载——系统提示词、仓库映射、文档集——缓存输入占账单的大头，而这两块卡的表现差异足以改变对比排序。

缓存读取价格 — Claude Haiku 5.5 每百万 $0.01，较其 $0.10 的输入价格折扣 90%。Gemini 4 Hydrogen 每百万 $0.075，较其 $1.50 的价格折扣 95%。

• 缓存机制 — Claude Haiku 5.5 支持显式缓存写入，价格为每百万 0.125 美元，因此你可以自行控制缓存的内容和时长。G​emini 4 Hydrogen 仅支持隐式缓存，不提供显式缓存句柄，因此其折扣是服务本身的一种行为，而不是你可以调用的 API。

• 这意味着——一个具有 60,000 个 token 共享前缀的工作负载每天被读取一千次，在 Haiku 上每天的缓存读取成本为 0.60 美元，而在 Hydrogen 上为 4.50 美元，差距是 7.5 倍而非 15 倍，因为 Hydrogen 提供 95% 的折扣，而 Haiku 提供 90% 的折扣。将同一前缀推到 200,000 个 token，超过 Haiku 的阈值，情况就会反转：Haiku 的长层级缓存读取价格为每百万个 token 0.05 美元，因此该读取在 Haiku 上花费 10.00 美元，而在 Hydrogen 上为 15.00 美元；同时，该请求中的每个全新输入 token 现在在 Haiku 上都便宜三倍。缓存差距恰好在输入差距扩大之处收窄，这不是长上下文工作负载所期望的权衡。

这种不对称性对于 Hydrogen 最擅长的工作负载来说最为重要。带有大型稳定上下文的长时间智能体会话，正是隐式缓存能够发挥作用的场景，也正是你会希望对哪些内容保持驻留进行显式控制的场景。Haiku 为你提供控制能力，并且在每个前缀长度上都提供更便宜的缓存；Hydrogen 为你提供能力，但要求你信任服务能够注意到重复。

三个工作负载，三种不同的答案

进一步抽象反而会帮倒忙，所以实践中的界线就在这里。

对数百万份短文档进行分类或抽取的流水线，正是 Haiku 5.5 的工作负载，而且优势悬殊。输入有界、输出有界、无需工具、不涉及长周期：索引差距无关紧要，因为该任务根本不会用到它；而 $0.10/$0.50 对 $1.50/$7.50，意味着在一项本就已是主要成本的开支上节省十五倍。把这套流程迁到 Hydrogen 毫无收益，却会多花一个数量级。

能够编辑文件、运行测试并从失败中恢复的编码智能体，正是 Hydrogen 的工作负载。Terminal-Bench 和 Chartography 上的差距就是直接证据，而每任务成本数字——3.16 美元对 0.41 美元——低估了这一差异，因为对于 Haiku 无法完成的任务，其每次完成的成本是无穷大，而不是低廉。这种比较只对两个模型都能完成的任务成立。

一个用于总结长文档的夜间批处理任务处于模棱两可的中间地带，并由 100K 阈值决定。在每次调用低于 100,000 个 token 时，Haiku 每 token 便宜十五倍，每完成一个任务大约便宜八倍。超过该阈值后，Haiku 的价格会变为五倍，而最诚实的做法是拿你自己的语料库对两者都进行测试，因为交叉点取决于你的输入中有多少是提示词、多少是文档。

交互式助手则两者都不是。两个模型在最高设置下启动都太慢，而聊天界面的正确配置是默认级别的 Hydrogen，或较低努力设置的 Haiku——这是两种降级方案之间的比较，几乎没有人对此做基准测试，而这也是这个问题中唯一会真正触达用户的版本。

在不预先选定胜者的情况下同时运行两者

对大多数团队而言，明智的立场是：这不是迁移，而是路由决策；而路由决策比迁移更容易逆转。

OrcaRouter 在其高端产品系列中并不提供这两款模型：Claude Haiku 4.5 已收录在目录中，价格为每百万 token 1.00 美元和 5.00 美元，上下文窗口为 200,000 个 token，并且Gemini 3.8 Flash 为每百万 token 0.75 美元和 3.75 美元，拥有完整的 1,048,576 个 token 上下文窗口——两者均按提供商标价、0% 加价提供，使用同一密钥，并支持跨提供商自动故障转移。Haiku 5.5 和 Hydrogen 都来自各自厂商自己的 API。因此可行的安排是采用路由策略：在基准测试领先优势确实成立的长周期执行轮次中直接调用 Hydrogen，在其价格优势确实成立的高调用量有界调用中直接调用 Haiku 5.5，并在两者背后放置一个路由模型，作为当任一供应商限流、提高速率限制或发布价格变动时请求回退的路径。

最后那一条款并非假设。G​oogle 的价目卡已经安排 Gemini 4 Carbon 和 Gemini 4 Argon 在 2026 年 12 月 1 日价格翻倍，从 $2.00/$10.00 涨到 $4.00/$20.00，而 Hydrogen 没有带日期的调价步骤。A​nthropic 在本周期内已经调整过 Haiku 的价格一次：当 5.5 取代 4.5 时，把 10 万以下层级的价格削减了约 90%。一个按供应商标价原样传递、不加价的路由层，意味着这些变化会在落地当天到达你这里，而不是等到下一次合同续约——对于一个整个论点就是价格的比较来说，这正是关键的功能所在。

什么会改变这个答案

三件事，按它们能推动它的程度排序。

对 Terminal-Bench 差距的一项独立复现。上文中的每一项智能体指标在双方均为厂商自报，且基于不同的基准版本；而 Hydrogen 价格溢价的最大单一依据，所依赖的数字两家公司都从未经过审计。Artificial Analysis 为两款模型都发布了一个指数，但没有发布足以定论的各基准分项得分。

Haiku 5.5 已公布的努力程度与质量关系曲线。如果 Low 努力程度能以一小部分延迟保住 Max 设置的大部分得分，那么交互场景就会收窄，价格优势则会向上蔓延到目前分配给 Hydrogen 的工作负载。Anthropic 交付的是设置，而不是那张表。

Hydrogen 的卡片上出现了一项变动。它目前没有，这在一个三名成员中有两名会在三周内翻倍的家族里很不寻常。如果这一点发生变化，每次任务成本这个数字——正是让这项比较变得有趣的那个数字——也会随之变化，而 7.7x 就会变成完全不同的东西。

在其中任何一个落地之前，站得住脚的总结是独立测试框架所支持的那个，而不是价目表所暗示的那个：Haiku 5.5 要便宜七到十五倍，具体取决于你按 token 还是按完成的任务来算；Hydrogen 在任何长时间运行且使用工具的任务上都明显更胜一筹；而唯一应该决定如何分配的数字，是你每实际完成一个任务各自要花多少钱。