Gemini 4 Hydrogen: сравнение четырёх уровней рассуждения — XHigh всего на 3 балла выше High, но стоимость задачи оценки выросла на 69%

Краткое резюме в одном предложении: По данным четырёхуровневого тестирования Artificial Analysis, при переходе Gemini 4 Hydrogen с High на XHigh индекс интеллекта вырос всего на 3 балла, а стоимость выполнения тестовых заданий увеличилась примерно на 69%. Поэтому уровень мышления лучше выбирать под сложность задачи.

12 ноября 2026 года компания Google официально выпустила Gemini 4 Hydrogen и одновременно предложила четыре уровня мышления: Low, Medium, High и XHigh. Все четыре уровня используют один и тот же ID модели и один и тот же тариф за токены, но в независимых тестах их баллы, стоимость и время ожидания сильно различаются.

Это не рекомендация в духе «чем выше уровень, тем лучше». В этой статье на основе стандартизированных данных тестирования Artificial Analysis мы рассчитываем предельную выгоду каждого уровня и даём чёткие рекомендации по выбору уровня в зависимости от типа задачи.

Ключевая ценность: после прочтения вы сможете определить, какой уровень подходит вашему бизнесу, и как управлять расходами на рассуждения с помощью параметра thinking_level.

Термины, которые нужно знать перед сравнением четырёх уровней рассуждения Gemini 4 Hydrogen

• thinking_level: параметр уровня рассуждения, который задаёт глубину размышлений модели. Hydrogen поддерживает четыре значения: Low, Medium, High и XHigh.
• Токены рассуждения: токены, которые модель использует для размышлений перед выдачей финального ответа. Согласно официальной странице цен Google, они тарифицируются как выходные токены.
• Токен: единица измерения, которой модель обрабатывает текст, изображения и другую информацию; API тарифицируется за миллион токенов.
• Harness: тестовый фреймворк, который формирует входные данные для модели, выполняет вызовы инструментов и оценивает задачи. Результаты, полученные с разными Harness, нельзя сравнивать напрямую.
• API: интерфейс, через который программы вызывают сервис. Примеры кода в этой статье используют формат, совместимый с OpenAI.

Почему результаты четырёх уровней одного и того же Gemini 4 Hydrogen так сильно отличаются?

Gemini 4 Hydrogen — высокоэффективная модель от Google DeepMind, предназначенная в первую очередь для повседневного программирования и выполнения задач AI-агентов. Идентификатор модели в API — gemini-4-hydrogen. Четыре уровня рассуждения — это не четыре разные модели, а четыре глубины рассуждения одной и той же модели. В документации Google Cloud для каждого уровня указаны рекомендуемые задачи:

Почему при одинаковой цене четырёх уровней рассуждения Hydrogen счёт получается разным?

По состоянию на 13 ноября 2026 года официальная цена Google для тарифа Standard составляет $1.50 за миллион входных токенов и $7.50 за миллион выходных токенов — между четырьмя уровнями разницы нет. Всё дело в расходе токенов: чем выше уровень, тем больше токенов рассуждения модель создаёт до ответа, и эти токены тарифицируются по цене выходных.

Поэтому «одинаковая цена за токен» не означает «одинаковая стоимость каждой задачи». Один и тот же вопрос на XHigh может породить в несколько раз больше рассуждений, чем на High, и счёт тоже вырастет. Оценивая стоимость, нельзя смотреть только на длину финального ответа — нужно учитывать и невидимую часть рассуждений.

Четыре режима Gemini 4 Hydrogen в реальных тестах: сравнение баллов, стоимости и скорости

Данные ниже взяты у сторонней организации Artificial Analysis; тестирование провели в день публикации. Индекс интеллекта, стоимость задачи оценки и среднее время взяты из её Intelligence Index v5.0.1; задержка до первого токена ответа и общее количество выходных токенов — из снимка страницы от 13 ноября 2026 года. Все приведённые данные — результаты сторонних стандартизированных оценок, а не собственных измерений на этом сайте.

Не путайте три временных показателя

В таблице есть три типа показателей, и они означают разное:

• Индекс интеллекта: агрегированная оценка способностей по нескольким бенчмаркам; показывает только относительный уровень в рамках этого набора оценок.
• Среднее время на задачу: взвешенный показатель, рассчитанный по числу выходных токенов задачи и сквозной скорости вывода; отражает стандартизированную нагрузку оценки. Если пользователь задаёт простой вопрос, ему не обязательно ждать 8,3 минуты.
• Задержка до первого токена ответа: время ожидания от отправки запроса до появления первого токена ответа, включая этап рассуждений модели; в диалоговых сценариях это наиболее ощутимый для пользователя показатель.

Из таблицы видно, что разрыв в баллах между Medium и High (10 баллов) намного больше, чем между High и XHigh. У модели с одним и тем же названием реальная разница в возможностях между уровнями может превышать 20 баллов, поэтому, сравнивая Hydrogen с другими моделями, сначала нужно уточнить, какой уровень используется у другой модели.

Gemini 4 Hydrogen XHigh стоит на 69% дороже, чем High, — так что же вы за это получаете?

Если сравнить все четыре уровня попарно, можно увидеть выгоду и цену каждого шага повышения. Проценты прироста в таблице ниже рассчитаны редакцией на основе данных, опубликованных Artificial Analysis.

Убывающая отдача: предельная стоимость четырёх уровней мышления Hydrogen

При переходе с High на XHigh индекс интеллекта растёт с 51 до 54, примерно на 5.9%; стоимость одной задачи увеличивается с $1.87 до $3.16, время выполнения — с 8.3 до 13.5 минуты, а задержка первого ответа удваивается с примерно 18.9 секунды до примерно 37.8 секунды. Если считать «за каждый дополнительный балл», предельная стоимость XHigh примерно в 12 раз выше, чем у перехода Low → Medium.

Причина в основном в объёме токенов. На полном наборе тестов High выдаёт около 110 млн токенов, а XHigh — около 304 млн, то есть примерно в 2.76 раза больше. Однако счёт не вырос в 2.76 раза, потому что общая стоимость включает ещё и входные токены, попадания в кэш и способ взвешивания тестовых задач, так что пересчитывать расходы напрямую по кратности выходных токенов нельзя.

Низкий средний балл не означает, что на сложных задачах выгода тоже низкая

Индекс интеллекта — это средний результат по множеству задач, и разница в 3 балла может объясняться двумя сценариями: на большинстве задач оба уровня показывают одинаковый результат, а на нескольких особо сложных XHigh заметно лучше. Для таких задач, как научные рассуждения, математические доказательства или крупный рефакторинг с переходом между файлами, где «одна ошибка — и всё рушится», дополнительные размышления XHigh могут решить, справится ли модель с задачей вообще.

Поэтому точнее будет сказать так: на обычных задачах XHigh даёт очень низкую отдачу за деньги, но на некоторых особо сложных задачах может быть необходим. Стоит ли платить на 69% больше — нужно проверять на собственной выборке задач, а не смотреть только на средний балл.

🎯 Технический совет: возьмите сначала 20–50 реальных задач и прогоните их на High и XHigh, сравнив долю успешных решений и затраты на одну задачу. Через APIYI apiyi.com можно провести A/B-тест, переключая параметры с тем же API-ключом, без изменения структуры бизнес-кода.

Для каких задач подходят четыре уровня размышления Gemini 4 Hydrogen?

Если совместить официальные рекомендации Google с приведёнными выше данными о стоимости, можно дать такие советы по сложности задач:

Когда подходят низкие уровни Hydrogen

Low и Medium подходят для задач с чётко поставленной целью и легко проверяемым ответом. Например, вытащить сумму и дату из договора или разложить отзывы пользователей по десяти категориям: в таких задачах даже долгие размышления вряд ли повысят точность — они лишь добавят задержку и расходы. А в сценариях, чувствительных к задержке до первого токена (живой чат, автодополнение поиска), примерно 5.7 секунды у Low заметно лучше, чем примерно 37.8 секунды у XHigh.

Когда подходят высокие уровни Hydrogen

High — это уровень по умолчанию, заданный Google, он подходит для большинства агентных рабочих процессов. Переходить на XHigh стоит только тогда, когда задача «снова и снова проваливается на High, и стоимость повторных попыток уже превышает стоимость повышения уровня». Учтите: в официальной карточке модели Google тоже отмечает, что высокие уровни размышления могут заметно увеличивать время работы и стоимость, иногда случаются задержки и таймауты, поэтому для длинных цепочек задач нужно заранее настроить таймауты и политику повторных попыток.

Как разработчику контролировать затраты на рассуждения Gemini 4 Hydrogen

Параметр thinking_level и значения по умолчанию

Hydrogen выбирает уровень рассуждений с помощью параметра thinking_level; если его не передать, по умолчанию используется High. При миграции с Gemini 3.8 Flash стоит учесть несколько моментов:

• В 3.8 Flash по умолчанию был Medium. После миграции, если не передавать параметр, автоматически включится High, и счёт может вырасти.
• thinking_budget и MINIMAL больше не поддерживаются — при их использовании вернётся HTTP 400.
• Пользовательские значения temperature, top_p и top_k будут игнорироваться.
• При многораундовых вызовах инструментов необходимо корректно сохранять и передавать обратно thought signatures.

Минимальный пример: вызов Hydrogen по уровням

Ниже — вызов в формате, совместимом с OpenAI, с передачей уровня размышлений через extra_body. На разных платформах поля для передачи этого параметра могут отличаться — конкретное имя поля уточняйте в документации платформы.

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # единый интерфейс 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"}  # для простой классификации используем 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"
)

# сопоставление типов задач с уровнями по умолчанию
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:
    """Начинаем с низкого уровня, при неудачной проверке повышаем его шаг за шагом; max_level ограничивает максимальный уровень"""
    level = LEVEL_MAP.get(task_type, "medium")
    while True:
        answer, usage = call_hydrogen(prompt, level)
        print(f"[{level}] usage={usage}")  # логируем токены — для расчёта стоимости успешных задач
        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)

🚀 Быстрый старт: APIYI apiyi.com предоставляет OpenAI-совместимый интерфейс — одного API-ключа достаточно, чтобы вызывать Gemini, Claude, OpenAI и другие популярные модели. Новым пользователям доступен бесплатный тестовый лимит — удобно сначала обкатать описанную выше стратегию уровней, а потом выходить в прод.

Стратегия уровней: сначала низкий, при неудаче — повышаем

Рекомендуемый подход — «по умолчанию низкий, повышаем по необходимости»: для простых задач фиксируем Low или Medium; сложные начинаем с High и поднимаем до XHigh только при провале проверки; и для каждого типа задач задаём максимальный потолок уровня, чтобы избежать неожиданного роста затрат. Это та же логика разделения труда между моделями, что Google использует в Antigravity Orchestrator, только здесь мы регулируем глубину рассуждений одной и той же модели.

Четыре метрики для оценки оптимизации уровней Hydrogen

«Стоимость успешной задачи» лучше всего отражает реальные расходы. Если в Medium 30% задач приходится перезапускать, а High справляется с первого раза, то стоимость успешной задачи у High может оказаться даже ниже.

Часто задаваемые вопросы (FAQ)

Gemini 4 Hydrogen: четыре уровня рассуждения — ключевые выводы

• Одна модель, разные уровни: цена за единицу одинакова для всех четырёх уровней, а фактическая стоимость задачи зависит от расхода токенов рассуждения.
• Убывающая отдача очевидна: High → XHigh добавляет 3 балла, а стоимость оценочной задачи увеличивается примерно на 69%.
• Задержка удваивается: у XHigh задержка до первого ответа около 37.8 секунды — вдвое больше, чем у High.
• По умолчанию — High: при переходе с 3.8 Flash нужно явно указывать уровень.
• Выбирайте уровень по сложности: для классификации — Low, для обычных задач — Medium, для агентов — High, а XHigh — только для действительно сложных задач.
• Смотрите на стоимость успешных задач: учитывайте и повторные попытки — только так можно сравнить реальные расходы разных уровней.
• Проверяйте на примерах: через APIYI apiyi.com можно одним ключом сравнить эффект всех четырёх уровней.

Итог

Основные выводы из сравнения четырёх уровней рассуждения Gemini 4 Hydrogen:

1. Разрыв в возможностях велик: от 27 баллов у Low до 54 баллов у XHigh — в рамках одного и того же названия модели возможности отличаются вдвое.
2. Маржинальная стоимость растёт: дополнительные расходы за каждый следующий балл увеличиваются с примерно $0.036 при переходе Low → Medium до примерно $0.43 при переходе High → XHigh.
3. XHigh стоит использовать по необходимости: средний балл отличается незначительно, но для немногих особо сложных задач он всё ещё может быть решающим.

Рекомендация для повседневной работы: явно задавайте thinking_level, для простых задач используйте низкий уровень, для сложных этапов повышайте его, а окончательным критерием считайте стоимость успешных задач.

Рекомендуем быстро проверить эффект каждого уровня на реальных примерах задач через APIYI apiyi.com: платформа предоставляет OpenAI-совместимый интерфейс и бесплатные тестовые квоты.

📚 Справочные материалы

1. Artificial Analysis — страница оценки Gemini 4 Hydrogen по четырём уровням: индекс интеллекта, стоимость задачи, время выполнения и задержка
2. Ссылка: artificialanalysis.ai/models/gemini-4-hydrogen-low
3. Ссылка: artificialanalysis.ai/models/gemini-4-hydrogen-medium
4. Ссылка: artificialanalysis.ai/models/gemini-4-hydrogen-high
5. Ссылка: artificialanalysis.ai/models/gemini-4-hydrogen

6. Пояснение: источник всех сравнительных данных по четырём уровням в этой статье; задержка — динамический показатель

7. Официальный блог Google — Introducing Gemini 4 Hydrogen: анонс релиза

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

9. Пояснение: позиционирование модели, спектр возможностей и кейсы партнёров

10. Руководство для разработчиков Google Cloud — Gemini 4 Hydrogen: thinking_level и моменты, важные при миграции

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

12. Пояснение: рекомендуемое применение каждого из четырёх уровней, уровень по умолчанию, несовместимые параметры

13. Страница цен Google AI Studio: официальные цены API для Hydrogen

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

15. Пояснение: цены для режимов Standard, Batch, Flex и Priority, правила тарификации thinking-токенов

16. Карточка модели Google DeepMind: ограничения и оценка безопасности

17. Ссылка: deepmind.google/models/model-cards/gemini-4-hydrogen/
18. Пояснение: риски по времени выполнения при высоком уровне размышлений, известные проблемы вроде отказов от ответа и галлюцинаций

Автор: техническая команда APIYI
Обсудить технические вопросы: заходите на главную страницу сайта APIYI и свяжитесь с нами — там вы найдёте больше материалов по подключению моделей серии Gemini.

Читайте также

• Почему нельзя слепо доверять баллам в рейтингах: 3 причины benchmaxing и выбор модели в 4 шага с помощью оценки на собственных задачах: Объясните, почему benchmaxing завышает оценки в публичных рейтингах, приведите чек-лист из 5 пунктов для проверки их надёжности и 4 шага работы с приватным набором задач: выборка, критерии приёмки, тестирование нескольких моделей и регулярное обновление — для выбора модели на собственных задачах.
• Руководство по настройке интенсивности рассуждений Gemini 4 Argon: по умолчанию medium, а не high; 3 способа, включая настройку в Cherry Studio: По умолчанию уровень рассуждений Gemini 4 Argon — medium, а не high, в отличие от gemini-3.1-pro-preview, у которого по умолчанию выбран максимальный уровень; в статье подробно разбираются три значения thinking_level, соответствие reasoning_effort, настройка пользовательских параметров в Cherry Studio и распространённые проблемы, такие как усечение max_tokens и ошибки 400.
• Не смотрите только на цену за токен: 7 шагов для оценки полной стоимости одной задачи: От ввода, вывода, инференса, кеширования и повторных попыток до валидации с обновлением — за 7 шагов пересчитайте «сколько стоит за миллион токенов» в «сколько стоит за выполнение одной задачи».
• Насколько силён Gemini 4 Hydrogen? В официальной таблице побеждает в 7 из 10 пунктов: Google 12.11.2026 выпустила Gemini 4 Hydrogen: в официальной карточке модели 7 побед из 10 сравнений, она в 2,5 раза быстрее Gemini 3.8 Flash, Terminal-Bench 4.1 вырос с 18,2% до 57%; также указаны методика расчёта, цена и текущий статус вызова.
• Gemini 4 Hydrogen против Claude Sonnet 5.5: как выбрать по 10 критериям: По 10 пунктам официальных карточек моделей и официальным ценам: Gemini 4 Hydrogen лидирует в 7 пунктах и дешевле при коротких промптах, Claude Sonnet 5.5 выше в терминале, управлении компьютером и научном терминале (3 пункта), плюс рекомендации по выбору и инструкция по подключению через APIYI.
• Gemini 4 Hydrogen против Gemini 4 Carbon: что выбрать на каждый день: С учетом пяти аспектов — позиционирования, уровня размышления, контекста и вывода, цены и использования Orchestrator — объясните, как Gemini 4 Hydrogen и Gemini 4 Carbon разделяют задачи в повседневном использовании и какие модели сейчас доступны для вызова через APIYI.