
Gemini 4 Hydrogen:xhigh 用 6 倍帳單換來什麼
- Orca新OrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 每百萬 tokens · 185 tok/s
- openai新OpenAI: GPT-6.2 Astra2026-11-17$8.00 / $40.00 每百萬 tokens · 76 tok/s
- openai新OpenAI: GPT-6.2 Sol2026-11-17$2.00 / $10.00 每百萬 tokens · 151 tok/s
- tencent新Tencent: Hy4 Flash2026-11-16$0.02 / $0.07 每百萬 tokens · 234 tok/s
- Alibaba新Qwen: Qwen4 Max2026-11-16$1.50 / $4.50 每百萬 tokens · 125 tok/s
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百萬 tokens · 94 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百萬 tokens · 212 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百萬 tokens · 99 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百萬 tokens · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 每百萬 tokens · 82 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 每百萬 tokens · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百萬 tokens · 105 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百萬 tokens · 68 tok/s
- openaiOpenAI: GPT-6.1 Terra2026-10-26$1.00 / $5.00 每百萬 tokens · 36 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 39 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百萬 tokens · 222 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百萬 tokens · 104 tok/s
同一個簡短提示詞透過 Gemini 4 Hydrogen 跑了兩次,只差一個設定。在 high 設定下,模型用了 5,311 個輸出 token,計費 3.99 美分。在 xhigh 設定下,它用了 31,477 個,計費 23.61 美分。同樣的比較也出現在同一天的一次 Gemini 4 Neon 執行中,其中最高階層級花費 39.83 美分,而 high 為 14.55 美分。Simon Willison 於 2026 年 11 月 20 日公布了這兩組數據,距離 Google 在 11 月 12 日推出 Gemini 4 Hydrogen 過了四天;而這些數字是大多數人尚未觸及的 Gemini 4 投入程度階梯最頂端,首批公開的並排比較。
有趣的部分不是更深層的設定費用更高,而是每 token 的費率從未變動。Hydrogen 在每一個層級都收取每百萬輸入 token 1.50 美元和每百萬輸出 token 7.50 美元,包括 xhigh,也包括思考 token。把 token 數量乘以該費率,帳單就能分毫不差地還原。所以 xhigh 不是你要額外付費的高級層級。它是一個讓模型多寫大約六倍的決定,而帳單會自動隨之而來。
兩項法案,以及利率為何維持不變
這筆算術值得親手算一次,因為它能釐清你實際買到的是什麼。Hydrogen 的輸出費率是每百萬個 token 7.50 美元。以 5,311 個 token 計算,那是 3.98 美分;實測帳單是 3.99。以 31,477 個 token 計算,則是 23.61 美分,正好就是實測帳單。在這個規模下,輸入端只是雜訊:幾十個 token 的提示,以每百萬 1.50 美元計算,成本只有百分之一美分的一小部分。
• 輸出 token 數 — high 下為 5,311,xhigh 下為 31,477,相差 5.9 倍
• 以美分計的成本 — 3.99 對 23.61,同樣是 5.9 倍
• 輸出費率 — 兩種設定下皆為每百萬個 token $7.50,維持不變
• 輸入費率 — 兩種設定下皆為每百萬個 token 1.50 美元,維持不變
• 上下文 — 每 100 萬個 token 採單一費率,未列出長上下文附加費
這對任何要為這個模型編列預算的人來說,有實際後果。供應商價目表是按 token 費率編排的,而費率正是這裡唯一不會變動的變數。若依據每 token 計價表來規劃 xhigh,在模型選擇思考更久的任務上,會把帳單低估約六倍。唯一能預測成本的數字,是每次回答的輸出 token 數,而唯一取得這個數字的方法,是用你自己的提示詞實測。Google 自己的文件承認了方向,卻未提供幅度:它警告 xhigh「會增加延遲與 token 用量」。

額外 26,000 個 token 產生了什麼
在鵜鶘騎腳踏車測試中,答案是:一幅明顯更好的圖。Willison 的總結是,high 輸出是一隻扁平的鵜鶘,沒有籃子也沒有背景;而 xhigh 輸出則是一輛在海灘上的藍綠色腳踏車,籃子裡有一條藍色的魚——在花費大致相同的情況下,可與 Gemini 4 Neon 預設產生的結果相媲美。大約有 26,000 個額外的思考 token 花在構圖、場景和色彩上,而不是花在正確答案上。
把它視為單一觀察,而非基準測試。它是一個提示、每種設定一個樣本,而且是一個沒有單一正確答案的任務,這意味著無法為它附加準確度分數。它確實能確立的是:最高檔位可以改變開放式生成工作的輸出性質,而且當改變發生時,並不細微。同樣的六倍花費是否能在你的工作負載上買到任何東西,則是另一個問題;接下來兩節要談的是答案以測量而非目測得出的情況。
獨立階梯也這麼說
Artificial Analysis 對 Hydrogen 的四種設定分別評分,而曲線形狀與鵜鶘喙相符。於 2026 年 11 月 22 日閱讀該模型頁面時,Intelligence Index 在 low 為 26.9、在 medium 為 41.2、在 high 為 50.8、在 xhigh 為 53.9。每項 Index 任務成本在上述四個級別中分別為 $0.29、$0.80、$1.87 與 $3.16,每項任務時間則為 1.5、4.0、9.0 與 15.8 分鐘。
將那些轉化為邊際成本——也就是下一點的價格——那麼反對預設選擇最高層級的論點,就變成算術問題,而不是品味問題:
• 低至中等 — 以 +51 美分換取 +14.3 指數點,約每點 3.5 美分
• 中至高 — 以 +$1.08 換取 +9.6 點,約每點 11.3 美分
• high 到 xhigh — +3.1 分,代價 +$1.29,約每分 41.1 美分
• 總計,低到 xhigh — 以 +$2.87 換取 +27 點,平均每點約 10.6 美分
最後一步的成本高昂,幾乎是前一步的四倍,而且每項任務的實際耗時也多出 76%。從低到中的第一步仍然是這套階梯中遙遙領先的最佳選擇,考慮到高檔是預設值,這一點值得記住。這些是來自 Artificial Analysis 的第三方測量,而非廠商數據;每項任務成本彙總了輸入、輸出與多輪代理行為,因此它們的規模變化不像單一提示的帳單那樣。

在 xhigh 完全一無所獲的地方
Google 的文件對最高檔位的說明直白得罕見,發表素材很少這樣。文件說要把 xhigh「保留給高難度、多步驟的程式設計與代理式問題,也就是 high 仍不足的情況」,並警告在較簡單的提示上,它「可能導致過度思考,或耗盡 max_output_tokens」。第二種失敗模式會無聲地反噬:token 上限同時涵蓋思考與可見輸出,因此一個在 high 下本可輕鬆回答的提示,可能把整個預算都耗在推理上,最後回傳時被標記為不完整、遭截斷或空白。這讀起來像是模型失敗。其實是設定失敗。

一項於 2026 年 11 月發表的獨立 56 次請求測試,檢驗了 Google 警告所暗示的問題。測試涵蓋三個簡單到中等難度的提示,每個等級各執行兩次,結果發現 xhigh 整體使用的思考 token 約為 high 的 3.1 倍,在程式設計提示上則約為五倍,而且每個等級的每個答案仍然正確。額外花費換來的是 token 與延遲,而非準確度。樣本很小,作者也這麼說;這個方向與廠商警告及 Artificial Analysis 的曲線一致,其中最後一階只增加三分,而非十五分。
因此,分界在於任務類別,而非模型能力。擷取、分類、格式化與簡短的事實性回答,其上限接近於它們的第一個正確答案,為此付出六倍代價純屬浪費。開放式生成則沒有這種上限,因為輸出本身就是成品,而且總是有更多細節可以補充。
真正重要的跨界
這個數字應該會改變你使用模型的方式。Hydrogen 在 xhigh 設定下,一個簡短的繪圖提示詞要價 23.61 美分。Gemini 4 Neon 在同一天、同一個提示詞下,以其預設的 high 設定花費 14.55 美分,且產出的結果 Willison 判定至少一樣好。將 Hydrogen 調到最高檔次,比讓它維持預設並改為升級一個模型層級,貴了 62%。如果你會想用 xhigh 的原因是「答案不夠好」,那麼改用更大的模型並維持其預設設定,往往是更便宜的做法,而這正是大多數團隊不會去檢查的選項。
那種排序在工作負載改變後就站不住腳,而這正是短提示測試被拿來當作通用排名時所流失的部分。在 Artificial Analysis 的長時間代理任務組合中,Neon 在 high 設定下每項任務要價 $3.74,而 Hydrogen 在 xhigh 設定下是 $3.16,所以在四十個 token 的繪圖上較便宜的模型,在長時間多輪任務上反而較貴。這兩個數字都沒有錯。短提示和 15 分鐘的代理執行會鍛鍊階梯的不同部分,而在某一部分能省錢的換階操作,在另一部分可能反而虧錢。
有一個有時效性的細節要納入考量:Google 的定價頁面列出 Carbon 和 Argon 的費率將於 2026 年 12 月 1 日翻倍,輸入從 $2 漲到 $4,輸出從 $10 漲到 $20。Hydrogen 則沒有這項變動。因此,上述所有涉及較舊模型的比較,距離差距朝 Hydrogen 有利方向擴大只剩九天。
設定它,並在一個下午內測試它
等級是單一欄位。在原生 generateContent API 中,它是 thinkingConfig.thinkingLevel;在 Interactions API 中,它是 generation_config.thinking_level;在 OpenAI 相容路由上,它會以 reasoning_effort 形式傳入。值是小寫字串——low、medium、high 或 xhigh——而 high 是 Hydrogen 的預設值。此模型無法完全關閉思考,且較舊的 thinkingBudget 參數已棄用,改以等級設定取代。
{{1}}衡量成本只需多讀一項資料。思考 token 會出現在原生 API 的 usageMetadata.thoughtsTokenCount、Interactions 的 usage.total_thought_tokens,以及相容路由的 reasoning_tokens 中——因此你可以把模型「想了什麼」和「說了什麼」分開,並分別計價。一個可行的午後安排:從你自己的日誌中取出二十個真實提示詞,分別以 high 和 xhigh 各跑一次,並設定寬裕的輸出上限,確保不會被截斷,然後記錄 token 用量以及答案是否通過。比較總成本與通過率。如果 xhigh 在它會生效的提示詞上,無法把通過率提升到足以證明大約六倍費用合理的地步,那麼你就得到了針對該工作負載的答案,而且這會是比任何已公布的對照表更好的答案。{{/1}}
當兩組設定並排運行時,若兩者都放在同一把金鑰之後,會更容易;而這正是 OrcaRouter 涵蓋的部分。我們提供 Gemini 4 Argon 與 Gemini 4 Carbon,以供應商定價加上 0% 加價,因此本文中的費率就是這兩款在我們這邊的實付費率。Gemini 4 Hydrogen 目前不在我們的目錄中,所以這裡每個 Hydrogen 數字都是 Google 的定價,而不是我們的——這點值得直說,因為本文談的失效模式,正是價目表藏著六倍乘數的那一種。當模型經由我們路由時,effort 等級是每條路由的欄位,因此一條 xhigh 的金絲雀路由與一條 high 的生產路由並存,是設定變更,而不是程式碼路徑。
週一該怎麼處理這個?
在所有數字中仍然成立的那條規則,比「難題就用最高設定」更狹窄。它是:沿著階梯往下,直到品質開始崩壞,再往回上一階,並在定案前檢查另一個模型在其預設設定下,是否比多爬那一階更便宜。Hydrogen 自己的階梯把那一階定在 Index 上每分約四十美分,以及在繪圖上六倍的 token,而從低到中這一階每分要花三點五美分。這個模型大部分的價值在階梯的下半部,而預設值位於它之上。
尚未解答的問題是:最高階模型在代理式工作上、而非在鵜鶘上的表現究竟如何——Artificial Analysis 在 xhigh 測得的 3.1 Index 分數,會反映為工具呼叫失敗次數較少,還是反映為花更多輪次去思考這些呼叫。目前還沒有人公布這項細分數據,而這正是能告訴你是否該在生產環境中把 Hydrogen 維持在 high 的關鍵。
