Gemini 4 Hydrogen の4段階思考比較：XHighはHighよりわずか3点高いが、評価タスクのコストは69%増加

一言まとめ：Artificial Analysis の4段階評価によると、Gemini 4 Hydrogen は High から XHigh に上げても知能指数はわずか3ポイントしか増えず、評価タスクのコストは約69%増加します。そのため、タスクの難易度に応じて思考レベルを設定する方が適しています。

Google は2026年11月12日に Gemini 4 Hydrogen を正式リリースし、同時に Low、Medium、High、XHigh の4段階の思考レベルを提供しました。4つのレベルは同じモデル ID と同じトークン単価を使用しますが、第三者評価におけるスコア、コスト、待ち時間には大きな差があります。

これは「レベルが高いほどよい」という推奨ではありません。本記事では Artificial Analysis の標準化された評価データを用いて各レベルの限界便益（追加の効果）を計算し、タスク種別ごとに明確なレベル推奨を示します。

本記事の価値：本記事を読み終えると、自社の業務でどのレベルを使うべきか、また thinking_level パラメータで思考コストをどう制御するかを判断できるようになります。

Gemini 4 Hydrogen の4段階思考を比較する前に知っておきたい用語

• thinking_level：モデルの推論深度を制御する思考レベルパラメータです。Hydrogen は Low、Medium、High、XHigh の4つの値をサポートしています。
• 思考トークン：モデルが最終回答を出す前に推論に使うトークンです。Google 公式の料金ページによると、この部分は出力料金として計算されます。
• トークン：モデルがテキストや画像などの情報を処理する際の計量単位で、API では100万トークン単位で課金されます。
• Harness：モデルへの入力を構成し、ツール呼び出しを実行し、タスクを採点するテストフレームワークです。異なる Harness で測定されたスコアは直接比較できません。
• API：プログラムからサービスを呼び出すためのインターフェースです。本文のコード例では OpenAI 互換形式を使用しています。

同じ Gemini 4 Hydrogen なのに、なぜ4段階でここまで差が出るのか？

Gemini 4 Hydrogen は Google DeepMind が発表した高効率モデルで、主に日常的なプログラミングや AI エージェントのタスク実行に使われます。API モデル ID は gemini-4-hydrogen です。4段階の思考は4つのモデルではなく、同じモデルの4つの推論深度です。Google Cloud のドキュメントでは、各段階に推奨タスクが記載されています：

Hydrogen の4段階思考は単価が同じなのに、請求額が変わる理由

2026年11月13日時点で、Google 公式の Standard 呼び出し価格は入力 $1.50 / 100万トークン、出力 $7.50 / 100万トークンで、4段階の間に違いはありません。差はトークン使用量から生まれます。段階が高いほど、モデルが回答前に生成する思考トークンが増え、これらのトークンは出力価格で課金されます。

ですから「単価が同じ」は「1タスクあたりのコストが同じ」という意味ではありません。同じ質問でも XHigh では High の数倍の思考内容が生成される可能性があり、請求額もそれに伴って増えます。コストを見積もるときは、最終回答の長さだけではなく、目に見えない思考部分も計算に入れる必要があります。

Gemini 4 Hydrogen 4段階の実測データ：スコア、コスト、速度の比較

以下のデータは第三者機関 Artificial Analysis によるもので、公開当日に評価を完了しています。インテリジェンス指数、評価タスクのコスト、平均所要時間は同機関の Intelligence Index v5.0.1 に基づきます。最初の回答トークンまでの遅延と出力トークン総数は、2026年11月13日時点のページスナップショットによるものです。以下はすべて第三者機関による標準化評価の結果であり、当サイトでの実測ではありません。

3つの指標は混同しないでください

この表には意味の異なる3種類の指標があります。

• インテリジェンス指数：複数のベンチマークを総合した能力スコアで、この評価セット内での相対的な水準を示すだけです。
• タスクあたり平均所要時間：タスクの出力トークン数とエンドツーエンドの出力速度から計算される加重指標で、標準化された評価ワークロードを表します。ユーザーが簡単な質問をする場合、必ずしも8.3分待つわけではありません。
• 最初の回答トークンまでの遅延：リクエスト送信から最初の回答トークンが表示されるまでの待ち時間で、推論モデルの思考フェーズを含みます。対話シナリオでユーザーが最も体感しやすい指標です。

表からわかるように、Medium から High へのスコア差（10ポイント）は、High から XHigh への差よりもはるかに大きくなっています。同じモデル名でも、レベルが異なると実際の能力差は20ポイントを超えることがあります。Hydrogen と他のモデルを比較する際は、比較相手がどのレベルを使用しているかを必ず確認してください。

Gemini 4 Hydrogen XHigh は High より69%高コスト、いったい何を買っているのか？

4段階のデータを2つずつ比較すれば、各段階アップグレードの利益とコストが得られます。以下の表の増分比率は、編集部がArtificial Analysisの公表データに基づいて計算したものです。

収益逓減：Hydrogen 4段階思考の限界コスト

HighからXHighに上げると、知能指数は51から54に向上し、約5.9%の改善です。タスクあたりのコストは$1.87から$3.16に上昇し、所要時間は8.3分から13.5分に増加し、最初の回答までの遅延は約18.9秒から約37.8秒へ倍増しました。「1ポイント追加あたり」で計算すると、XHighの限界コストはLow → Mediumの約12倍です。

主な原因はトークン使用量です。Highのフル評価セットの出力は約1.10億トークン、XHighは約3.04億トークンで、前者の約2.76倍です。ただし請求額は2.76倍にはなっていません。総費用には入力トークン、キャッシュヒットの状況、評価タスクの重み付け方法も含まれるため、出力トークンの倍数から直接費用を推算することはできません。

平均スコアが低いからといって、複雑なタスクでの収益も低いとは限らない

知能指数は複数のタスクの平均結果であり、3点の差は2つの状況から生じる可能性があります。ほとんどのタスクで2段階のパフォーマンスが同じで、少数の高難度タスクでXHighが明らかに優れているというケースです。科学推論、数学的証明、ファイルをまたぐ大規模リファクタリングのような「一歩間違えれば全滅」のタスクでは、XHighの余分な思考がタスク成否を左右するかもしれません。

したがって、より正確な言い方はこうです：XHighは通常タスクではコストパフォーマンスが非常に低く、少数の高難度タスクでは必要になる可能性がある。 69%余分に支払う価値があるかどうかは、自分のタスクサンプルで検証すべきであり、平均スコアだけで判断してはいけません。

🎯 技術的な提案：まず20〜50個の実際のタスクサンプルを選び、HighとXHighのそれぞれで実行して、成功率とタスクあたりのコストを比較することをお勧めします。APIYI apiyi.com経由で同じAPIキーを使ってパラメータを切り替えれば、ビジネスコードの構造を変更せずにA/Bテストを完了できます。

Gemini 4 Hydrogen の4段階思考レベルは、それぞれどのタスクに適しているか？

Google の公式推奨と上記のコストデータを組み合わせると、タスクの難易度に応じて次のような提案ができます。

Hydrogen の低いレベル帯が適する場面

Low と Medium は、タスクの目的が明確で、答えを検証しやすい場面に向いています。たとえば契約書から金額や日付を抽出する、ユーザーフィードバックを10個のカテゴリに分類する、といったタスクでは、考える時間を増やしても精度はほとんど上がらず、遅延とコストだけが増えます。リアルタイムチャットや検索サジェストのように、最初のトークンまでの遅延に敏感な場面では、Low の約5.7秒は XHigh の約37.8秒よりも明らかに優れています。

Hydrogen の高いレベル帯が適する場面

High は Google が設定したデフォルトレベルで、ほとんどのエージェントワークフローに適しています。「High で繰り返し失敗し、リトライコストがレベルを上げるコストを上回る」ような場合にのみ、XHigh へのアップグレードが必要です。注意すべき点として、Google の公式モデルカードでも、高い思考レベルでは所要時間とコストが大幅に増える可能性があり、まれに遅延やタイムアウトが発生すると述べられています。長い処理チェーンを持つタスクでは、タイムアウトとリトライ戦略を適切に設定してください。

開発者が Gemini 4 Hydrogen の思考コストを制御する方法

thinking_level パラメータとデフォルト値

Hydrogen では thinking_level パラメータで思考レベルを選択します。指定しない場合のデフォルトは High です。Gemini 3.8 Flash から移行する際には、次の点に注意してください。

• 3.8 Flash のデフォルトは Medium でした。移行後にパラメータを指定しないと自動的に High になり、請求額が増える可能性があります。
• thinking_budget と MINIMAL はサポートされなくなりました。使用すると HTTP 400 が返されます。
• 独自に設定した temperature、top_p、top_k は無視されます。
• マルチターンのツール呼び出しでは、thought signatures を正しく保存して返送する必要があります。

最小限の例：ティア別に Hydrogen を呼び出す

以下では OpenAI 互換形式で呼び出し、extra_body 経由で思考ティアを渡します。プラットフォームによってこのパラメータの透過フィールドは異なる場合があるため、具体的なフィールド名は各プラットフォームのドキュメントを参照してください。

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # APIYI の統一インターフェース
)

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"}  # 単純な分類には Low を使う
)
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"
)

# タスク種別とデフォルトティアのマッピング
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:
    """まず低いティアで実行し、検証に失敗したら段階的にティアを上げます。max_level は上限ティアを指定します"""
    level = LEVEL_MAP.get(task_type, "medium")
    while True:
        answer, usage = call_hydrogen(prompt, level)
        print(f"[{level}] usage={usage}")  # Token を記録し、成功したタスクのコスト計算に使う
        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)

🚀 クイックスタート: APIYI apiyi.com は OpenAI 互換インターフェースを提供しており、1 つの API キーで Gemini、Claude、OpenAI などの主要モデルを呼び出せます。新規ユーザーには無料のテスト枠が用意されており、まず上記のティア戦略を動作確認してから本番導入するのに適しています。

段階的戦略：まず低档位、失敗したら昇格

推奨される方法は「デフォルトは低档位、必要に応じて昇格」です。シンプルなタスクは Low または Medium を固定で使い、複雑なタスクは High からスタートし、検証に失敗したときだけ XHigh に上げます。さらにタスク種別ごとに最高档位の上限を設定して、予期しないコストの急増を防ぎます。これは Google が Antigravity Orchestrator で異なるモデルに役割を分担させる考え方と同じですが、ここでは同じモデルの思考深度を調整している点が異なります。

4つの指標で Hydrogen の档位最適化効果を測る

「成功タスクのコスト」が実際の支出を最もよく反映します。Medium で 30% のタスクが再実行を必要とし、High なら一度で成功する場合、High の成功タスクあたりのコストの方がかえって低くなる可能性があります。

よくある質問 FAQ

Gemini 4 Hydrogen 4段階思考の主なポイント

• 同一モデル・異なる段階：4段階の単価は同じで、実際のタスクコストは思考トークンの使用量によって決まります。
• 改善幅の逓減が顕著：High → XHigh は3ポイントの追加に対して、評価タスクのコストが約69%増加します。
• レイテンシが倍増：XHigh では最初の回答までのレイテンシが約37.8秒で、High の2倍です。
• デフォルトは High：3.8 Flash から移行する際は、段階を明示的に設定する必要があります。
• 難易度に応じて段階を選ぶ：分類には Low、通常は Medium、Agent には High、難しい問題にだけ XHigh を使います。
• 成功タスクのコストを見る：リトライも含めて計上することで、異なる段階の真のコストを比較できます。
• サンプルで検証する：APIYI apiyi.com の1つのキーで、4段階の効果を比較できます。

まとめ

Gemini 4 Hydrogen の4段階思考を比較した核心的な結論は次のとおりです。

1. 能力差が大きい：Low の27ポイントから XHigh の54ポイントまで、同じモデル名でも能力が2倍異なります。
2. 限界コストが逓増する：1ポイント追加あたりのコストは、Low → Medium の約 $0.036 から High → XHigh の約 $0.43 へと上昇します。
3. XHigh は必要に応じて使う：平均スコアの差は小さいものの、少数の高難度タスクでは依然として鍵を握る可能性があります。

日常業務でのアドバイスは、thinking_level を明示的に設定し、簡単なタスクには低い段階を、複雑なステップにはより高い段階を使い、最終的な評価基準として成功タスクのコストを用いることです。

実際のタスクサンプルを使って APIYI apiyi.com で各段階の効果をすばやく検証することをお勧めします。プラットフォームは OpenAI 互換インターフェースと無料のテストクレジットを提供しています。

📚 参考資料

1. Artificial Analysis – Gemini 4 Hydrogen 4段階評価ページ：インテリジェンス指数、タスクコスト、所要時間とレイテンシのデータ
2. リンク： artificialanalysis.ai/models/gemini-4-hydrogen-low
3. リンク： artificialanalysis.ai/models/gemini-4-hydrogen-medium
4. リンク： artificialanalysis.ai/models/gemini-4-hydrogen-high
5. リンク： artificialanalysis.ai/models/gemini-4-hydrogen

6. 説明：本記事における4段階比較データすべての出典。レイテンシは動的指標です

7. Google 公式ブログ – Introducing Gemini 4 Hydrogen：公開のお知らせ

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

9. 説明：モデルの位置づけ、能力範囲、パートナー企業の事例

10. Google Cloud 開発者ガイド – Gemini 4 Hydrogen：thinking_level と移行時の注意事項

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

12. 説明：4段階それぞれの推奨用途、デフォルト段階、互換性のないパラメータ

13. Google AI Studio 料金ページ：Hydrogen 公式 API の価格

14. リンク： aistudio.google.com/docs/pricing

15. 説明：Standard、Batch、Flex、Priority 各モードの価格、思考 Token の課金ルール

16. Google DeepMind モデルカード：限界と安全性評価

17. リンク： deepmind.google/models/model-cards/gemini-4-hydrogen/
18. 説明：高思考レベルにおける所要時間リスク、拒否応答やハルシネーションなどの既知の問題

著者：APIYI 技術チーム
技術交流：APIYI 公式サイトのトップページからお気軽にお問い合わせください。Gemini シリーズモデルの接続資料をさらに入手できます

関連記事

• ランキングのスコアを鵜呑みにできない理由：benchmaxingを生む3つの要因と、自分のタスクを使った4ステップのモデル評価・選定法:benchmaxingが公開ランキングのスコアをなぜ実態より高く見せるのかを説明し、ランキングの信頼性を確認する5項目のチェックリストと、「サンプルを選ぶ、合格基準を定める、複数モデルで実行する、定期的に更新する」という4ステップの非公開テストセット作成・運用手順を示して、開発者が自分のタスクでモデルを評価・選択できるようにしてください。
• Gemini 4 Argonの推論強度設定ガイド：デフォルトはhighではなくmedium、Cherry Studioの設定を含む3つの方法:Gemini 4 Argonの推論強度のデフォルトはhighではなくmediumで、デフォルトが最高レベルのgemini-3.1-pro-previewとは異なります。本記事では、thinking_levelの3段階の値、reasoning_effortとの対応関係、Cherry Studioでのカスタムパラメータ設定方法、max_tokensによる切り詰めや400エラーなど、よくある落とし穴を詳しく解説します。
• トークン単価だけを見ない：1回のタスクの完全なコストを見積もる7つのステップ:入力、出力、推論、キャッシュ、リトライから検証・アップグレードまで、7つのステップで「100万トークンあたりいくらか」を「1回のタスク完了あたりいくらか」に換算する。
• Gemini 4 Hydrogenはどれほど強力？公式表で10項目中7項目に勝利:Googleは2026年11月12日にGemini 4 Hydrogenを発表し、公式モデルカードの10項目中7項目で比較に勝利、Gemini 3.8 Flashより2.5倍高速で、Terminal-Bench 4.1が18.2%から57%に向上したとし、これらの数値の基準、価格、呼び出し状況を説明した。
• Gemini 4 Hydrogen と Claude Sonnet 5.5 の比較：10項目でどう選ぶ:公式モデルカードの10項目集計と公式価格に基づき、Gemini 4 HydrogenとClaude Sonnet 5.5を比較すると、Hydrogenは7項目でリードし短いプロンプトではより安価で、Sonnetはターミナル、コンピュータ操作、科学ターミナルの3項目で上回り、選定アドバイスとAPIYI接続説明を付す。
• Gemini 4 Hydrogen と Gemini 4 Carbon の比較：日常ではどう選ぶか:位置づけ、思考レベル、コンテキストと出力、価格、Orchestratorの使い方の5つの観点から、日常利用におけるGemini 4 HydrogenとGemini 4 Carbonの役割分担、およびAPIYIで現在呼び出し可能なモデルを説明する。