Gemini 4 Hydrogen 與 Claude Haiku 5.5：15 倍價差，換算每項完成任務後縮小至 7 倍

在價目表上，這個差距荒謬至極。Claude Haiku 5.5 在提示詞最多 100,000 個 token 時，每百萬輸入 token 收費 $0.10，每百萬輸出 token 收費 $0.50；G​emini 4 Hydrogen 則收 $1.50 和 $7.50。也就是說，兩項費率都貴了十五倍，而這款模型直到 2026 年 11 月 12 日才進入 G​oogle 的產品目錄。不過，本週在兩者之間做選擇的人，並不是在兩種價格之間做選擇。他們是在一個於 Artificial Analysis Intelligence Index 上得分 54 的模型，和一個得分 36 的模型之間做選擇；而一旦你衡量的是各自完成一項工作要花多少成本，而不是開始一項工作的成本，十五倍這個數字就會煙消雲散。

每個 token 的數值與每項任務的數值相差一半

Artificial Analysis 讓兩個模型跑同一套測試框架，並在公布每 token 價格的同時，一併公布每項已完成索引任務的成本。結果與費率表所暗示的數字相去甚遠。

• 以每 token 計，輸入與輸出方面——Gemini 4 Hydrogen $1.50 / $7.50 對比 Claude Haiku 5.5 $0.10 / $0.50。Haiku 在輸入上便宜 15.0 倍，在輸出上也便宜 15.0 倍，且維持不變。

• 每完成一項索引任務 — Gemini 4 Hydrogen 在最高思考設定下為 $3.16，而 Claude Haiku 5.5 為 $0.41。Haiku 便宜 7.7 倍，而非 15 倍。

• 為何差距減半——囉唆程度。Haiku 5.5 產生了 2.98 億個輸出 token 來處理索引，而同一比較類別中的中位數模型則為 1.07 億個——Carbon 與 Hydrogen 是以 7,280 萬的中位數為基準衡量，因此這兩個中位數並非同一把尺。它的單位 token 成本低廉，但單位答案成本高昂，因為需要更多 token 才能得出一個答案。

• 在相同的 7:2:1 快取/輸入/輸出比例下，混合費率 — G​emini 4 Hydrogen 每百萬 $1.10，對比 Claude Haiku 5.5 每百萬 $0.077。

把最後兩行放在一起讀，定價論證的樣貌就變了。依價目表編列預算的團隊，會預期節省十五倍，實際卻略低於八倍。依每項任務成本編列預算的團隊，則能得到真實數字；那個數字依然壓倒性地有利於 Haiku——但這是你可據以規劃的數字，價目表則不然。

Haiku 的定價卡裡藏著一個門檻，這兩個數字都未能反映出來。以上的價格都是低於 10 萬 token 的價格。當提示超過 100,000 個 token 後，Haiku 5.5 會轉為每百萬 token 輸入 $0.50、輸出 $2.50——這是一波五倍的跳升，使其正好落在 Hydrogen 輸出價格的三分之一，而非十五分之一。兩款模型都具備 1,048,576 個 token 的上下文視窗，因此這個交叉點是實際可達的，而非僅止於理論：在長上下文工作負載下，Haiku 為 $0.50/$2.50，對上 Hydrogen 的 $1.50/$7.50，每 token 差距縮小到 3 倍，而能力差距則完全維持原樣。

十八個指數分數，在人們實際執行的任務中能換來什麼

在紙面上，指數相差十八點是很大的差距。實際上是否為大差距，完全取決於工作型態；而廠商基準測試會因你閱讀的是哪一份，而指向不同的方向。

• 代理式終端機工作 — Google 報告 Gemini 4 Hydrogen 在 Terminal-Bench 4.1 上達到 57.0%，並標註為經作弊調整。Anthropic 報告 Claude Haiku 5.5 在 Terminal-Bench 4.0 上達到 39.2%。由於兩者使用不同版本的基準測試，這項比較僅具方向性而非精確，但方向一致，且以大幅差距有利於 Hydrogen。

• 電腦操作 — Hydrogen 在 OSWorld-2.1 上達到 77.6%，為廠商回報；Haiku 5.5 在同一基準的離線子集上達到 72.4%，同樣為廠商回報。Hydrogen 的領先幅度較小，而子集限定意味著這兩個數字測量的並不完全是同一件事。

• 無工具輔助的艱難推理——Hydrogen 在 HLE-Diamond 上達到 58.8%；Haiku 5.5 在沒有工具的情況下，於 Humanity's Last Exam 上達到 45.9%，使用工具後升至 57.4%。這是兩者之間最懸殊且最誠實的差距，也正是對應到「這個模型能否在沒有輔助框架的情況下撐住一道難題」的那一項。

• 程式碼審查與修復——Hydrogen 在 Chartography 上為 66.6%；Haiku 5.5 在無工具情況下於 Chartography 上為 46.4%。二十個百分點，相同基準名稱，相同無工具條件。

• 前沿程式設計 — A​nthropic 回報 Haiku 5.5 在 FrontierCode 1.1 上達到 46.4%，並回報當 Haiku 5.5 在 Devin Fusion 內以助手身分運行時，來自 Cognition 的 FrontierCode 分數為 66.2。請注意，第二個數字是不同的配置，並非同一任務的不同分數；且 A​nthropic 將兩者皆標示為客戶回報，而非第一方。

上面每一個數字都是由銷售該模型的廠商自行回報。沒有任何一項有獨立的重現結果，而且各基準測試的版本差異大到若把它們加總成單一「Hydrogen 好 X%」的說法，會是不誠實的。它們所能支持的結論更狹窄，但也更有用：Hydrogen 在長時間執行且會使用工具的任務上明顯更好；而在工作只是單一有限問題的地方，差距最小。

兩者啟動都很慢，而這一點沒有人會寫進標題。

這是這項比較中，讓那些當初以價格或指標做選擇、後來卻看著第一個 token 出現的人感到意外的地方。

• 首個回答 token 時間——Gemini 4 Hydrogen 在其最高思考設定下為 40.55 秒，對比 Claude Haiku 5.5 在其最高設定下為 175.95 秒。Hydrogen 的啟動速度快四倍，而這兩個數字都遠高於互動介面所能容忍的範圍。

• 啟動後的輸出速度——Claude Haiku 5.5 每秒 256 個 token，相比 G​emini 4 Hydrogen 每秒 188 個 token。Haiku 寫得更快，但較晚開始。

• 每個索引任務的平均時間 — Claude Haiku 5.5 為 14.7 分鐘。這兩個模型在每個已完成任務上的最終表現相近；但他們是透過相反的路徑達到這個結果。

• 在 Hydrogen 的預設思考層級下，首個 token 的數值降至約 16.7 秒；這才是聊天介面真正關鍵的數字，而這個設定所產生的指數分數是 51 分，而非 54 分。

如果你要打造的是任何有人會等待的產品，那麼這兩款模型的招牌配置都不合適。尤其是 Haiku 5.5 屬於可調整努力程度的模型——從 Low 到 Max——而 175.95 秒與 index-36 這兩個數字是 Max 設定下的結果。在較低的努力程度下，它會更早開始，分數也較低，而 Anthropic 並未公布能將兩者對應起來的對照表。這是你必須自己實測的測試。

快取才是價格比真正所在之處

對於任何具有穩定前綴的工作負載——系統提示、儲存庫映射、文件集——快取輸入佔了帳單的大部分，而這兩張卡的表現差異大到足以改變比較的排序。

• 快取讀取價格 — Claude Haiku 5.5 每百萬 $0.01，較其 $0.10 輸入費率低 90%。G​emini 4 Hydrogen 每百萬 $0.075，較其 $1.50 費率低 95%。

• 快取機制 — Claude Haiku 5.5 支援明確的快取寫入，每百萬個 token 為 0.125 美元，因此你可以控制要快取哪些內容以及快取多久。G​emini 4 Hydrogen 僅支援隱含快取，沒有明確的快取控制代碼，因此折扣是服務本身的行為，而不是你呼叫的 API。

• 這代表什麼：一個具有 60,000 個 token 共享前綴的工作負載，每天被讀取一千次，在 Haiku 上的快取讀取每天成本為 $0.60，在 Hydrogen 上則為 $4.50，差距是 7.5 倍而非 15 倍，因為 Hydrogen 提供 95% 折扣，而 Haiku 提供 90% 折扣。將同一個前綴推到 200,000 個 token、超過 Haiku 的門檻後，情況就反轉了：Haiku 的長層級快取讀取為每百萬 $0.05，因此該讀取在 Haiku 上花費 $10.00，而在 Hydrogen 上則為 $15.00，同時該請求中每個全新輸入 token 在 Haiku 上都便宜了三倍。快取差距正好在輸入差距擴大之處縮小，這並不是長上下文工作負載所預期的取捨。

這種不對稱性對 Hydrogen 最擅長的工作負載影響最大。具有大型穩定上下文的長時間代理工作階段，正是隱式快取能發揮作用之處，也正是你會希望明確控制哪些內容保持常駐之處。Haiku 在任何前綴長度下都為你提供控制權與較便宜的快取；Hydrogen 則為你提供能力，並要求你信任服務會注意到重複。

三種工作負載，三種不同答案

再進一步抽象反而會幫倒忙，因此實務上的界線就落在這裡。

對數百萬份短文件進行分類或抽取的管線，是 Haiku 5.5 的工作負載，而且差距明顯。輸入有界、輸出有界、不使用工具、沒有長時程：索引差距無關緊要，因為這項任務不會觸及它，而 $0.10/$0.50 對比 $1.50/$7.50，是在本來就佔主導成本的帳單上節省十五倍。把它移到 Hydrogen 毫無收益，代價卻高出一個數量級。

會編輯檔案、執行測試並從失敗中復原的編碼代理，正是 Hydrogen 的工作負載。Terminal-Bench 與 Chartography 的差距就是直接證據，而每項任務的成本數字——3.16 美元對上 0.41 美元——還低估了這個差異，因為 Haiku 無法完成的任務，其每次完成成本是無限大，而非低廉。這項比較僅對兩個模型都能完成的任務成立。

用來摘要長文件的夜間批次作業落在模糊地帶，取決於 100K 門檻。每次呼叫低於 100,000 tokens 時，Haiku 每 token 便宜十五倍，每完成一項任務約便宜八倍。超過此門檻，Haiku 的價格會變成五倍，而誠實的答案是拿兩者在自己的語料庫上實測，因為交叉點取決於你的輸入中有多少是提示、多少是文件。

互動式助理則兩者皆非。這兩個模型以最高設定啟動都太慢，而聊天介面的正確配置，是採用預設等級的 Hydrogen，或採用投入程度較低設定的 Haiku——這是一場兩種降級方案的比較，幾乎沒有人會對其進行基準測試，而這也正是這個問題唯一真正觸及使用者的版本。

同時執行兩者，而不事先選出優勝者

對大多數團隊而言，明智的立場是：這不是一次搬遷，而是一項路由決策；而路由決策比搬遷更容易逆轉。

OrcaRouter 並未提供這兩款位居其產品線頂端的模型：Claude Haiku 4.5 已列入型錄，價格為每百萬 token 1.00 美元與 5.00 美元，具備 200,000 個 token 的視窗，而 Gemini 3.8 Flash 每百萬 token 為 0.75 美元與 3.75 美元，具備完整的 1,048,576 個 token 視窗——兩者皆按供應商牌價、0% 加價，只需一組金鑰，並可在供應商之間自動容錯移轉。Haiku 5.5 與 Hydrogen 都來自各自廠商自家的 API。因此，可行的安排是一套路由政策：在基準測試領先優勢確實存在的長程執行回合中，直接呼叫 Hydrogen；在價格優勢確實存在的高流量有界呼叫中，直接呼叫 Haiku 5.5；並在兩者背後設置一個路由模型，作為當任一廠商限流、調升速率限制或推出價格變更時，請求所退回的路徑。

最後那項條件並非假設。G​oogle 的價目表已排定 Gemini 4 Carbon 與 Gemini 4 Argon 於 2026 年 12 月 1 日價格翻倍，從 $2.00/$10.00 漲到 $4.00/$20.00，而 Hydrogen 則沒有附帶日期的調價階段。A​nthropic 在本週期內已調整過 Haiku 的價格一次，當 5.5 取代 4.5 時，將 10 萬以下級別的價格調降約 90%。一個不加價、直接轉嫁供應商定價的路由層，意味著這些變動會在生效當天就反映到你身上，而不是等到下一次合約續約——對於一場整個論點都圍繞價格的比較來說，這正是真正重要的功能。

什麼會改變這個答案

三件事，按它們能對它產生多大推動作用來排序。

Terminal-Bench 差距的獨立重現。上述每一項 agentic 數據都是雙方各自由廠商報告，且基於不同的基準測試版本；而 Hydrogen 價格溢價的最大單一依據，建立在兩家公司都未曾請人審計過的數字上。Artificial Analysis 為兩個模型發布了指數，但沒有發布能據此定論的各基準測試子分數。

Haiku 5.5 的投入程度與品質曲線已公開。若「低」投入能以一小部分延遲保住「最高」設定的大部分分數，互動情境就會縮窄，價格優勢也會向上延伸到目前分配給 Hydrogen 的工作負載。Anthropic 推出的是這項設定，而不是那張表。

Hydrogen 這張卡上的一個動作。它目前完全沒有，這在一個三口之家、其中兩口會在三個星期內翻倍的情況下並不尋常。如果這一點改變，每項任務成本——那個讓這項比較變得有趣的數字——也會隨之變動，而 7.7 倍就會變成完全不同的東西。

在這些方案之一真正落地之前，站得住腳的總結是獨立測試框架所支持的那個，而不是定價表所暗示的那個：取決於你計的是 token 還是完成的任務，Haiku 5.5 便宜七到十五倍；凡是長時間執行並使用工具的工作，Hydrogen 都明顯更勝一籌；而唯一應該決定這個分工的數字，是兩者各自在你實際能完成的每項任務上花你多少成本。