Comparaison des quatre niveaux de réflexion de Gemini 4 Hydrogen : XHigh ne dépasse High que de 3 points, mais le coût des tâches d’évaluation augmente de 69 %

Résumé en une phrase : les évaluations à quatre niveaux d’Artificial Analysis montrent que, lorsque Gemini 4 Hydrogen passe de High à XHigh, l’indice d’intelligence n’augmente que de 3 points, alors que le coût des tâches d’évaluation augmente d’environ 69 %. Il est donc plus pertinent de configurer le niveau de réflexion en fonction de la difficulté de la tâche.

Google a officiellement publié Gemini 4 Hydrogen le 12 novembre 2026, avec les quatre niveaux de réflexion Low, Medium, High et XHigh. Les quatre niveaux utilisent le même ID de modèle et le même prix unitaire des tokens, mais les scores, les coûts et les temps d’attente des évaluations tierces varient considérablement.

Il ne s’agit pas d’une recommandation du type « plus le niveau est élevé, mieux c’est ». Cet article s’appuie sur les données d’évaluation standardisées d’Artificial Analysis pour calculer le gain marginal de chaque niveau, et formule des recommandations claires sur le niveau à choisir selon le type de tâche.

Valeur essentielle : après avoir lu cet article, vous pourrez déterminer quel niveau convient à votre activité et comment utiliser le paramètre thinking_level pour maîtriser le coût de la réflexion.

Termes à connaître avant de comparer les quatre niveaux de réflexion de Gemini 4 Hydrogen

• thinking_level : paramètre du niveau de réflexion qui contrôle la profondeur de raisonnement du modèle. Hydrogen prend en charge quatre valeurs : Low, Medium, High et XHigh.
• Tokens de réflexion : tokens utilisés par le modèle pour raisonner avant de fournir la réponse finale. D’après la page tarifaire officielle de Google, ils sont facturés au prix de sortie.
• Token : unité de mesure utilisée par le modèle pour traiter du texte, des images et d’autres informations. L’API facture par million de tokens.
• Harness : cadre de test qui organise les entrées du modèle, exécute les appels d’outils et attribue une note aux tâches. Les scores obtenus avec différents harness ne sont pas directement comparables.
• API : interface permettant à un programme d’appeler un service. Les exemples de code de cet article utilisent le format compatible OpenAI.

Pourquoi le même Gemini 4 Hydrogen affiche-t-il des performances si différentes selon les quatre niveaux ?

Gemini 4 Hydrogen est un modèle à haut rendement publié par Google DeepMind, principalement destiné à la programmation quotidienne et à l’exécution de tâches d’agent IA. Son ID de modèle API est gemini-4-hydrogen. Les quatre niveaux de réflexion ne correspondent pas à quatre modèles, mais à quatre profondeurs de raisonnement d’un même modèle. La documentation Google Cloud indique un usage recommandé pour chaque niveau :

Les quatre niveaux de réflexion de Hydrogen ont le même prix unitaire : pourquoi la facture diffère-t-elle ?

Au 13 novembre 2026, le tarif Standard officiel de Google est de $1.50 en entrée et $7.50 en sortie par million de tokens, sans différence entre les quatre niveaux. L’écart vient de la consommation de tokens : plus le niveau est élevé, plus le modèle génère de tokens de réflexion avant de répondre, et ces tokens sont facturés au prix de sortie.

Donc « même prix unitaire » ne signifie pas « même coût par tâche ». Une même question en XHigh peut générer plusieurs fois plus de contenu de réflexion qu’en High, et la facture augmente en conséquence. Pour estimer le coût, il ne faut pas seulement regarder la longueur de la réponse finale : il faut aussi compter la partie invisible de la réflexion.

Gemini 4 Hydrogen : données de test des quatre niveaux — comparaison des scores, des coûts et des vitesses

Les données ci-dessous proviennent de l’organisme tiers Artificial Analysis et ont été obtenues le jour de la publication. L’indice d’intelligence, le coût par tâche d’évaluation et la durée moyenne par tâche proviennent de son Intelligence Index v5.0.1 ; la latence du premier token de réponse et le volume total de tokens de sortie proviennent d’une capture de page datée du 13 novembre 2026. Tous les résultats ci-dessous sont des résultats d’évaluation standardisés produits par un tiers, et non des mesures réalisées par nos soins.

Trois indicateurs à ne pas confondre

Ce tableau présente trois types d’indicateurs aux significations différentes :

• Indice d’intelligence : un score de capacité qui synthétise plusieurs benchmarks ; il ne reflète que le niveau relatif au sein de cette suite d’évaluations.
• Durée moyenne par tâche : un indicateur pondéré calculé à partir du nombre de tokens de sortie de la tâche et de la vitesse de sortie de bout en bout ; il correspond à une charge de travail d’évaluation standardisée. Pour une question simple, l’utilisateur n’attend pas nécessairement 8,3 minutes.
• Latence du premier token de réponse : le temps d’attente entre l’envoi de la requête et l’affichage du premier token de réponse, y compris la phase de réflexion du modèle de raisonnement. C’est l’indicateur que l’utilisateur ressent le plus dans un contexte conversationnel.

On constate dans le tableau que l’écart de score entre Medium et High (10 points) est bien plus grand qu’entre High et XHigh. Pour un même nom de modèle, l’écart de capacité réelle entre les niveaux peut dépasser 20 points. Avant de comparer Hydrogen à un autre modèle, il faut donc d’abord vérifier le niveau utilisé pour ce dernier.

Gemini 4 Hydrogen XHigh coûte 69 % de plus que High : qu’achetez-vous réellement ?

En comparant les quatre niveaux deux à deux, on voit le gain et le coût de chaque montée en gamme. Les pourcentages d’augmentation du tableau ci-dessous ont été calculés par la rédaction à partir des données publiées par Artificial Analysis.

Rendements décroissants : le coût marginal des quatre niveaux de réflexion de Hydrogen

En passant de High à XHigh, l’indice d’intelligence grimpe de 51 à 54, soit environ 5,9 % de mieux ; le coût par tâche passe de 1,87 $ à 3,16 $, la durée de 8,3 à 13,5 minutes, et le délai de la première réponse double, d’environ 18,9 secondes à environ 37,8 secondes. Rapporté au « point supplémentaire gagné », le coût marginal de XHigh est environ 12 fois celui de Low → Medium.

La raison principale tient au volume de tokens. Sur l’ensemble du benchmark, High génère environ 110 millions de tokens en sortie, contre environ 304 millions pour XHigh, soit environ 2,76 fois plus. Pour autant, la facture ne gonfle pas de 2,76 fois : le coût total dépend aussi des tokens d’entrée, des hits de cache et de la pondération des tâches du benchmark. On ne peut donc pas déduire le coût directement à partir du multiple de tokens de sortie.

Un score moyen plus faible ne veut pas dire un gain faible sur les tâches complexes

L’indice d’intelligence est une moyenne calculée sur de nombreuses tâches : un écart de 3 points peut s’expliquer simplement — la plupart des tâches se comportent à l’identique sur les deux niveaux, tandis qu’une minorité de tâches très difficiles est nettement mieux réussie par XHigh. Pour les tâches où une seule erreur fait tout échouer — raisonnement scientifique, preuve mathématique, gros refactoring multi-fichiers — la réflexion supplémentaire d’XHigh peut faire la différence entre réussite et échec.

La formulation la plus juste est donc celle-ci : XHigh offre un rapport qualité-prix médiocre sur les tâches ordinaires, mais peut s’avérer indispensable sur quelques tâches très difficiles. Pour savoir si les 69 % supplémentaires en valent la peine, il faut le vérifier sur vos propres échantillons de tâches, et pas seulement sur un score moyen.

🎯 Conseil technique : commencez par sélectionner 20 à 50 échantillons de tâches réelles, lancez-les une fois avec High et une fois avec XHigh, puis comparez le taux de réussite et le coût par tâche. Avec APIYI apiyi.com, il suffit de changer de paramètre avec la même clé API pour mener ce test A/B, sans toucher à la structure du code métier.

À quelles tâches correspondent les quatre niveaux de réflexion de Gemini 4 Hydrogen ?

En combinant les recommandations officielles de Google et les données de coût ci-dessus, on peut proposer les conseils suivants selon la difficulté de la tâche :

Quand utiliser les niveaux bas de Hydrogen

Low et Medium conviennent aux situations où l’objectif de la tâche est clair et où la réponse est facile à vérifier. Par exemple, extraire un montant et une date d’un contrat, ou classer des retours utilisateurs dans dix catégories : pour ce genre de tâche, réfléchir plus longtemps n’améliore guère la précision et ne fait qu’ajouter de la latence et des frais. Pour le chat en temps réel ou l’autocomplétion de recherche, où la latence du premier token est critique, les ~5,7 s de Low sont nettement préférables aux ~37,8 s de XHigh.

Quand utiliser les niveaux hauts de Hydrogen

High est le niveau par défaut défini par Google et convient à la plupart des workflows d’agents. Il ne faut passer à XHigh que lorsque la situation suivante se présente : « High échoue à répétition et le coût des nouvelles tentatives dépasse déjà celui du passage au niveau supérieur ». À noter : la fiche modèle officielle de Google indique aussi que les niveaux de réflexion élevés peuvent augmenter sensiblement la durée et le coût, avec parfois des ralentissements ou des dépassements de délai ; sur les tâches à longue chaîne, il faut donc prévoir une stratégie de timeout et de nouvelle tentative.

Comment les développeurs peuvent maîtriser le coût de réflexion de Gemini 4 Hydrogen

Le paramètre thinking_level et sa valeur par défaut

Hydrogen choisit son niveau de réflexion via le paramètre thinking_level. Si vous ne le transmettez pas, la valeur par défaut est High. Lors d’une migration depuis Gemini 3.8 Flash, plusieurs points méritent votre attention :

• Avec 3.8 Flash, la valeur par défaut est Medium. Après la migration, si vous ne transmettez aucun paramètre, elle passera automatiquement à High, ce qui peut faire augmenter la facture.
• thinking_budget et MINIMAL ne sont plus pris en charge ; leur utilisation renvoie une erreur HTTP 400.
• Les valeurs personnalisées de temperature, top_p et top_k sont ignorées.
• Les appels d’outils multi-tours doivent conserver et renvoyer correctement les thought signatures.

Exemple minimal : appeler Hydrogen selon le niveau

Voici un appel au format compatible OpenAI, avec le niveau de réflexion transmis via extra_body. Selon la plateforme, le champ utilisé pour faire passer ce paramètre peut varier ; reportez-vous à la documentation de la plateforme pour le nom exact.

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # Interface unifiée APIYI
)

resp = client.chat.completions.create(
    model="gemini-4-hydrogen",
    messages=[{"role": "user", "content": "把这条反馈分类：退款太慢"}],
    extra_body={"thinking_level": "low"}  # Classification simple : utiliser Low
)
print(resp.choices[0].message.content)

import openai
from typing import Optional

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

# Correspondance entre le type de tâche et le niveau par défaut
LEVEL_MAP = {
    "classify": "low",
    "extract": "low",
    "content": "medium",
    "code": "medium",
    "agent": "high",
    "reasoning": "xhigh",
}
ESCALATE = {"low": "medium", "medium": "high", "high": "xhigh"}


def call_hydrogen(prompt: str, level: str) -> tuple[str, dict]:
    resp = client.chat.completions.create(
        model="gemini-4-hydrogen",
        messages=[{"role": "user", "content": prompt}],
        extra_body={"thinking_level": level},
    )
    usage = resp.usage.model_dump() if resp.usage else {}
    return resp.choices[0].message.content, usage


def run_task(prompt: str, task_type: str, validator=None,
             max_level: Optional[str] = "high") -> str:
    """Commencer par le niveau bas, puis augmenter progressivement en cas d'échec de validation ; max_level limite le niveau maximal"""
    level = LEVEL_MAP.get(task_type, "medium")
    while True:
        answer, usage = call_hydrogen(prompt, level)
        print(f"[{level}] usage={usage}")  # Enregistrer les tokens pour calculer le coût des tâches réussies
        if validator is None or validator(answer):
            return answer
        if level == max_level or level not in ESCALATE:
            return answer
        level = ESCALATE[level]


result = run_task(
    prompt="提取订单号，只返回数字：订单 A-20261113-889 已发货",
    task_type="extract",
    validator=lambda s: s.strip().replace("-", "").isalnum(),
)
print(result)

🚀 Démarrage rapide : APIYI apiyi.com propose une interface compatible OpenAI. Une seule clé API suffit pour appeler les principaux modèles comme Gemini, Claude ou OpenAI. Les nouveaux utilisateurs disposent d’un quota d’essai gratuit, idéal pour valider d’abord la stratégie de niveaux ci-dessus avant de passer en production.

Stratégie de gradation : commencer par le niveau bas, remonter en cas d’échec

L’approche recommandée, c’est « niveau bas par défaut, montée en charge à la demande » : pour les tâches simples, on reste fixé sur Low ou Medium ; pour les tâches complexes, on démarre sur High et on ne passe à XHigh qu’en cas d’échec de validation ; enfin, on fixe un plafond de niveau par type de tâche, pour éviter une explosion inattendue des coûts. C’est la même logique que celle de Google dans Antigravity Orchestrator, où différents modèles se répartissent le travail — sauf qu’ici, ce que l’on ajuste, c’est la profondeur de réflexion d’un même modèle.

Mesurer l’effet de l’optimisation des niveaux Hydrogen avec quatre indicateurs

Le « coût par tâche réussie » est le plus fidèle reflet de la dépense réelle. Si Medium oblige à relancer 30 % des tâches alors que High réussit du premier coup, le coût par tâche réussie de High peut très bien être inférieur.

FAQ

Gemini 4 Hydrogen — les quatre niveaux de réflexion : points clés à retenir

• Même modèle, niveaux différents : les quatre niveaux ont un prix unitaire identique ; le coût réel d’une tâche dépend de la consommation de tokens de réflexion.
• Rendements décroissants évidents : de High à XHigh, on gagne 3 points, mais le coût des tâches d’évaluation augmente d’environ 69 %.
• Latence doublée : en XHigh, la latence de la première réponse est d’environ 37,8 secondes, soit le double de High.
• Le niveau par défaut est High : lors d’une migration depuis 3.8 Flash, il faut définir explicitement le niveau.
• Choisir le niveau selon la difficulté : Low pour la classification, Medium pour les tâches courantes, High pour les agents, XHigh uniquement pour les problèmes difficiles.
• Regarder le coût des tâches réussies : en incluant les nouvelles tentatives, on peut comparer le coût réel des différents niveaux.
• Valider avec des échantillons : on peut comparer les quatre niveaux avec une seule clé API via APIYI apiyi.com.

Conclusion

Les conclusions essentielles de la comparaison des quatre niveaux de réflexion de Gemini 4 Hydrogen :

1. Écart de capacités important : de 27 points en Low à 54 points en XHigh, les capacités varient du simple au double sous un même nom de modèle.
2. Coût marginal croissant : chaque point supplémentaire coûte environ 0,036 $ pour Low → Medium, contre environ 0,43 $ pour High → XHigh.
3. Utiliser XHigh selon les besoins : l’écart sur la moyenne est faible, mais pour quelques tâches très difficiles, cela peut rester déterminant.

Pour les activités quotidiennes, le conseil est le suivant : définissez explicitement thinking_level, utilisez un niveau bas pour les tâches simples, remontez d’un cran pour les étapes complexes et prenez le coût des tâches réussies comme mesure finale.

Nous recommandons de valider rapidement l’effet de chaque niveau avec de vrais échantillons de tâches via APIYI apiyi.com ; la plateforme propose une interface compatible OpenAI et un quota de test gratuit.

📚 Références

1. Artificial Analysis – page d’évaluation des quatre niveaux de Gemini 4 Hydrogen : indice d’intelligence, coût par tâche, durée et données de latence
2. Lien : artificialanalysis.ai/models/gemini-4-hydrogen-low
3. Lien : artificialanalysis.ai/models/gemini-4-hydrogen-medium
4. Lien : artificialanalysis.ai/models/gemini-4-hydrogen-high
5. Lien : artificialanalysis.ai/models/gemini-4-hydrogen

6. Remarque : source de toutes les données comparatives des quatre niveaux présentées dans cet article, la latence étant un indicateur dynamique

7. Blog officiel de Google – Introducing Gemini 4 Hydrogen : annonce de sortie

8. Lien : blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-hydrogen/

9. Remarque : positionnement du modèle, étendue des capacités et cas d’usage des partenaires

10. Guide développeur Google Cloud – Gemini 4 Hydrogen : thinking_level et points d’attention pour la migration

11. Lien : docs.cloud.google.com/gemini-enterprise-agent-platform/models/guides/gemini-4-hydrogen

12. Remarque : usages recommandés des quatre niveaux, niveau par défaut, paramètres incompatibles

13. Page de tarifs Google AI Studio : tarifs officiels de l’API Hydrogen

14. Lien : aistudio.google.com/docs/pricing

15. Remarque : tarifs des modes Standard, Batch, Flex et Priority, règles de facturation des tokens de réflexion

16. Fiche de modèle Google DeepMind : limites et évaluation de sûreté

17. Lien : deepmind.google/models/model-cards/gemini-4-hydrogen/
18. Remarque : risques de durée au niveau de réflexion élevé, refus de réponse et hallucinations parmi les problèmes connus

Auteur : équipe technique APIYI
Échanges techniques : n’hésitez pas à nous contacter depuis la page d’accueil du site officiel APIYI pour obtenir davantage de ressources sur l’intégration des modèles de la série Gemini

Articles connexes

• Pourquoi ne pas se fier aveuglément aux scores des classements : comprendre les 3 causes du benchmaxing et choisir un modèle en 4 étapes en l’évaluant sur ses propres tâches: Expliquez pourquoi le benchmaxing gonfle les scores publics, proposez une liste de contrôle de fiabilité en 5 points et un processus de test privé en 4 étapes : échantillonner, fixer les critères d’acceptation, tester plusieurs modèles et actualiser régulièrement, pour choisir selon ses propres tâches.
• Guide de réglage de l’intensité de raisonnement de Gemini 4 Argon : « medium » par défaut n’est pas « high », 3 méthodes dont la configuration de Cherry Studio: Gemini 4 Argon est par défaut en medium, pas high, contrairement à gemini-3.1-pro-preview (niveau maximal) ; cet article détaille les trois niveaux de thinking_level, le mapping de reasoning_effort, les paramètres personnalisés de Cherry Studio, la troncature de max_tokens et l’erreur 400.
• Ne vous limitez pas au prix unitaire des tokens : 7 étapes pour estimer le coût complet d'une tâche: De l’entrée, de la sortie, de l’inférence, du cache et des réessais à la vérification et à la mise à niveau, convertissez en 7 étapes « combien coûte chaque million de tokens » en « combien coûte chaque tâche accomplie ».
• Quelle est la puissance de Gemini 4 Hydrogen ? 7 victoires sur 10 dans le tableau officiel: Google a publié le 12 novembre 2026 Gemini 4 Hydrogen : sa fiche officielle remporte 7 des 10 comparaisons, 2,5 fois plus rapide que Gemini 3.8 Flash, et Terminal-Bench 4.1 passe de 18,2 % à 57 %, avec des précisions sur la méthode de calcul de ces chiffres, le prix et l'état actuel des appels.
• Gemini 4 Hydrogen face à Claude Sonnet 5.5 : comment choisir selon 10 critères: Selon la fiche modèle officielle (10 points) et les prix officiels, comparez Gemini 4 Hydrogen et Claude Sonnet 5.5 : Hydrogen mène sur 7 points et coûte moins cher en invites courtes ; Sonnet est meilleur sur 3 points (terminal, contrôle d'ordinateur, terminal scientifique), avec conseils de choix et intégration APIYI.
• Gemini 4 Hydrogen vs Gemini 4 Carbon : comment choisir au quotidien: En expliquant selon cinq aspects (positionnement, niveaux de réflexion, contexte et sortie, prix et utilisation d’Orchestrator) comment Gemini 4 Hydrogen et Gemini 4 Carbon se répartissent les tâches au quotidien, ainsi que les modèles actuellement appelables via APIYI.