Два прогона одного и того же короткого промпта через Gemini 4 Hydrogen с разными настройками режима расставляют все по местам. В режиме high модель потратила 5 311 выходных токенов и обошлась в 3,99 цента. В режиме xhigh она потратила 31 477 токенов и обошлась в 23,61 цента. Аналогичное сравнение наблюдается и в запуске Gemini 4 Neon в тот же день, где верхняя ступень обошлась в 39,83 цента против 14,55 в режиме high. Саймон Уиллисон опубликовал обе пары 20 ноября 2026 года, через четыре дня после того, как Google выпустила Gemini 4 Hydrogen 12 ноября, и эти цифры представляют собой первое публичное прямое сравнение на самом верху лестницы возможностей Gemini 4, с которым большинство людей еще не сталкивалось.
Самое интересное здесь вовсе не то, что более глубокая настройка стоит дороже. А то, что тариф за токен никогда не менялся. Hydrogen взимает 1,50 доллара за миллион входных токенов и 7,50 доллара за миллион выходных токенов на любой ступени, включая xhigh и включая токены размышления (thinking tokens). Умножьте количество токенов на этот тариф, и вы получите счета с точностью до цента. Так что xhigh — это не премиум-уровень, за который вы доплачиваете сверху. Это решение позволить модели писать примерно в шесть раз больше, а счет приходит автоматически.
The two bills, and why the rate held
Арифметику стоит проделать вручную хотя бы раз, потому что это позволяет четко понять, за что именно вы платите. Тариф Hydrogen на вывод составляет 7,50 доллара за миллион токенов. При 5 311 токенах это дает 3,98 цента; измеренный счет составил 3,99. При 31 477 токенах это 23,61 цента, что ровно совпадает с выставленным счетом. Входные данные при таком масштабе — это просто шум: промпт из нескольких десятков токенов стоит долю сотой доли цента при тарифе 1,50 доллара за миллион.
• Выходные токены — 5 311 в режиме high против 31 477 в xhigh, коэффициент 5,9
• Стоимость в центах — 3,99 против 23,61, тот же коэффициент 5,9
• Тариф на вывод — 7,50 доллара за миллион токенов на обоих уровнях, без изменений
• Тариф на ввод — 1,50 доллара за миллион токенов на обоих уровнях, без изменений
• Контекст — единый тариф до 1 млн токенов, без указания надбавки за длинный контекст
Это имеет практическое значение для любого, кто планирует бюджет на использование этой модели. Прайс-листы поставщиков структурированы по тарифу за токен, и этот тариф является единственной переменной, которая здесь не меняется. Планирование затрат на режим xhigh на основе таблицы стоимости за токен приведет к недооценке счета примерно в шесть раз для задач, в которых модель решает думать дольше. Единственный показатель, позволяющий предсказать стоимость — это выходные токены на один ответ, и единственный способ узнать его — измерить на собственных промптах. Собственная документация Google признает этот факт, не вдаваясь в конкретные цифры: она предупреждает, что xhigh «увеличивает задержку и использование токенов».
В тесте с пеликаном на велосипеде ответом служит заметно более качественный рисунок. Согласно выводам Уиллисона, результат в режиме high представлял собой плоского пеликана без корзины и фона, в то время как в режиме xhigh получился бирюзовый велосипед на пляже с синей рыбой в корзине — на уровне того, что Gemini 4 Neon выдает по умолчанию примерно за те же деньги. Около 26 000 дополнительных токенов размышления ушло на композицию, сцену и цвет, а не на правильный ответ.
Рассматривайте это как отдельное наблюдение, а не как бенчмарк. Это один промпт, один образец на каждую настройку и задача без единственного правильного ответа, а значит, к ней нельзя привязать оценку точности. Что это действительно подтверждает, так это то способна изменить характер результата при работе с генеративным контентом открытого типа, и при этом изменение оказывается далеко не тонким. Будет ли этот шестикратный рост затрат полезен для вашей рабочей нагрузки — отдельный вопрос, и следующие два раздела посвящены тем случаям, когда ответ измеряется, а не оценивается на глаз.
Независимая шкала говорит о том же
Artificial Analysis оценивает Hydrogen на каждой из четырех настроек, и форма кривой совпадает со счетом за пеликана. По данным страницы модели от 22 ноября 2026 года, индекс интеллекта (Intelligence Index) составляет 26,9 для low, 41,2 для medium, 50,8 для high и 53,9 для xhigh. Стоимость одной задачи по индексу составляет 0,29, 0,80, 1,87 и 3,16 доллара на тех же четырех ступенях, а время выполнения задачи составляет 1,5, 4,0, 9,0 и 15,8 минут.
Если перевести это в маржинальную стоимость — цену за следующий балл — аргумент против того, чтобы использовать верхнюю ступень по умолчанию, становится скорее арифметическим, чем делом вкуса:
• от low к medium — +14,3 балла индекса за +51 цент, примерно 3,5 цента за балл
• от medium к high — +9,6 балла за +$1,08, примерно 11,3 цента за балл
• от high к xhigh — +3,1 балла за +$1,29, примерно 41,1 цента за балл
• Итого от low к xhigh — +27 баллов за +$2,87, в среднем около 10,6 цента за балл
Последний шаг является самым дорогим: он почти в четыре раза дороже предыдущего шага, а также требует на 76% больше реального времени на выполнение одной задачи. Первый шаг от low к medium по-прежнему остается самым выгодным приобретением на этой шкале с большим отрывом, о чем стоит помнить, учитывая, что high является настройкой по умолчанию. Это сторонние измерения от Artificial Analysis, а не показатели вендора, причем стоимость одной задачи включает в себя ввод, вывод и многошаговое поведение агента — именно поэтому они масштабируются иначе, чем счет за отдельный промпт.
Где режим xhigh не дает абсолютно ничего
Документация Google предельно откровенно говорит о верхней ступени, что редко случается с материалами при запуске. В ней рекомендуется резервировать xhigh «для сложных, многошаговых задач по программированию и агентских задач, где high оказывается недостаточно», и предупреждается, что на более простых промптах это «может привести к чрезмерным размышлениям или исчерпанию лимита max_output_tokens». Второй сценарий сбоя проявляется незаметно: лимит токенов распространяется как на размышления, так и на видимый вывод, поэтому промпт, который успешно выполнился бы в режиме high, может полностью исчерпать бюджет на рассуждения и вернуться со статусом неполного, усеченного или пустого. Это выглядит как сбой модели. На самом деле это сбой конфигурации.
Независимая серия из 56 запросов, опубликованная в ноябре 2026 года, проверила предположение, на которое намекает предупреждение Google. На трех промптах от простого к среднему сложности и при двух прогонах на каждом уровне выяснилось, что режим xhigh в целом использовал примерно в 3,1 раза больше токенов размышления, чем high, а на промпте по программированию — примерно в пять раз больше, причем каждый ответ на каждом уровне все равно оставался правильным. Дополнительные затраты принесли лишь токены и задержки, но не точность. Выборка мала, о чем автор прямо говорит; полученное направление согласуется как с предупреждением вендора, так и с кривой Artificial Analysis, где финальная ступень добавляет три балла вместо пятнадцати.
Следовательно, разделение зависит от класса задачи, а не от возможностей модели. Извлечение данных, классификация, форматирование и короткие фактические ответы имеют потолок, близкий к их первому правильному ответу, и платить за это в шесть раз дороже — чистая трата денег. Генерация открытого типа не имеет такого потолка, поскольку сам результат является артефактом, и всегда можно добавить новые детали.
Тот самый рубеж, который действительно имеет значение
Вот цифра, которая должна изменить ваше представление о том, как вы используете модель. Hydrogen на уровне xhigh обходится в 23,61 цента за один короткий промпт для рисования. Gemini 4 Neon при своем стандартном высоком уровне стоит 14,55 цента за тот же промпт в тот же день и выдает результат, который Уилсон счел как минимум не хуже. Переход Hydrogen на самую верхнюю ступень обходится на 62 процента дороже, чем оставление его на настройке по умолчанию и переход на модель более высокого уровня вместо этого. Если ваша причина выбирать xhigh заключается в том, что «ответ недостаточно хорош», более крупная модель со стандартными настройками зачастую оказывается более дешевым решением, и именно этот вариант большинство команд не проверяют.
Этот порядок нарушается при изменении рабочей нагрузки — именно этот нюанс теряется, когда тест с коротким промптом выдают за общий рейтинг. В тесте агентских задач большой длины от Artificial Analysis модель Neon со стоимостью high обходится в $3,74 за задачу против Hydrogen на xhigh за $3,16, так что более дешевая модель на задаче с сорока токенами для рисования становится более дорогой на долгой многошаговой задаче. Ни одна из этих цифр не является ошибочной. Короткий промпт и 15-минутный запуск агента задействуют разные части шкалы, и смена ступени, экономящая деньги на одной задаче, может привести к их потере на другой.
Одна устаревающая деталь, которую стоит учесть: в прайс-листе Google указано, что расценки на Carbon и Argon удвоятся 1 декабря 2026 года: с $2 за ввод и $10 за вывод до $4 и $20. Для Hydrogen таких изменений не наблюдается. Таким образом, у любого из приведенных выше сравнений со старыми моделями осталось девять дней до того, как разрыв увеличится в пользу Hydrogen.
Настройка и тестирование за один послеобеденный час
Этот уровень задается одним полем. В родном API generateContent это thinkingConfig.thinkingLevel; в Interactions API — generation_config.thinking_level; в маршруте, совместимом с OpenAI, параметр приходит как reasoning_effort. Значение представляет собой строку в нижнем регистре — low, medium, high или xhigh, причем для Hydrogen по умолчанию установлено high. Мышление в этой модели нельзя полностью отключить, а старый параметр thinkingBudget устарел в пользу указания уровня.
Измерение затрат требует одного дополнительного считывания. Токены мышления отображаются в usageMetadata.thoughtsTokenCount в родном API, usage.total_thought_tokens в Interactions и reasoning_tokens в совместимом маршруте, так что вы можете разделить то, о чем модель думала, и то, что она сказала, и оценить каждое отдельно. План на продуктивный полдень: возьмите двадцать реальных промптов из собственных логов, запустите каждый на уровнях high и xhigh с щедрым лимитом вывода, чтобы ничего не обрезалось, и запишите количество токенов, а также прошел ли ответ проверку. Сравните общую стоимость с процентом успешных ответов. Если xhigh недостаточно повышает процент успеха, чтобы оправдать примерно в шесть раз большие затраты на тех промптах, где этот режим задействуется, у вас есть ответ для этой рабочей нагрузки, и он будет точнее любого опубликованного бенчмарка.
Запуск двух настроек параллельно упрощается, если обе находятся за одним ключом — именно это обеспечивает OrcaRouter. Мы предлагаем Gemini 4 Argon и Gemini 4 Carbon по прайс-листу провайдера с наценкой 0%, поэтому указанные в этой статье тарифы — это именно те расценки, которые вы платите у нас за эти две модели. Gemini 4 Hydrogen сегодня нет в нашем каталоге, поэтому все показатели Hydrogen здесь основаны на прайс-листе Google, а не на нашем. Стоит сказать об этом прямо, поскольку уязвимость в данном посте заключается как раз в том, что прейскурант может скрывать шестикратный множитель. Если модель маршрутизируется через нас, уровень усилий задается на уровне конкретного маршрута, поэтому тестовый маршрут на xhigh наряду с производственным маршрутом на high — это изменение конфигурации, а не ветки кода.
Что с этим делать в понедельник
Правило, которое подтверждается всеми цифрами, звучит не как «используйте наивысшую настройку для сложных задач». Оно звучит так: спускайтесь по шкале вниз, пока не ухудшится качество, затем сделайте один шаг назад вверх и проверьте, не окажется ли другая модель со стандартной настройкой дешевле дополнительных затрат на эту ступень, прежде чем принимать окончательное решение. Собственная шкала Hydrogen оценивает этот шаг примерно в сорок центов за балл в индексе и шестикратное увеличение токенов на рисунок, в то время как переход от low к medium стоит три с половиной цента за балл. Большая часть ценности этой модели сосредоточена в нижней половине шкалы, а значение по умолчанию находится выше нее.
Открытым остается вопрос о том, как верхняя ступень ведет себя в агентской работе, а не при генерации картинок — выражаются ли 3,1 балла индекса, измеренные Artificial Analysis на xhigh, в меньшем количестве неудачных вызовов инструментов или в большем числе шагов, потраченных на размышления о них. Никто пока не опубликовал такую разбивку, а именно она подсказала бы, стоит ли оставлять Hydrogen в продакшене на уровне high.











