Gemini 4 Hydrogen 四檔思考對比：XHigh 只比 High 高 3 分，評測任務成本卻增加 69%

一句話摘要：Artificial Analysis 的四檔評測顯示，Gemini 4 Hydrogen 從 High 升到 XHigh，智能指數只增加 3 分，評測任務成本卻增加約 69%，因此更適合按任務難度配置思考檔位。

Google 於 2026 年 11 月 12 日正式發佈 Gemini 4 Hydrogen，同時提供 Low、Medium、High、XHigh 四檔思考。四檔使用同一個模型 ID 和同一套 Token 單價，但第三方評測中的分數、費用和等待時間相差很大。

這不是一份“檔位越高越好”的推薦。本文用 Artificial Analysis 的標準化評測數據計算每一檔的邊際收益，並按任務類型給出明確的檔位建議。

核心價值：讀完本文，你可以判斷自己的業務應該用哪一檔，以及怎樣用 thinking_level 參數控制思考成本。

Gemini 4 Hydrogen 四檔思考對比前需要知道的術語

• thinking_level：控制模型推理深度的思考等級參數。Hydrogen 支持 Low、Medium、High、XHigh 四個取值。
• 思考 Token：模型在給出最終答案前用於推理的 Token。按 Google 官方價格頁說明，這部分計入輸出價格。
• Token：模型處理文本、圖片等信息的計量單位，API 按百萬 Token 計費。
• Harness：組織模型輸入、執行工具調用、給任務打分的測試框架。不同 Harness 測出的分數不能直接比較。
• API：供程序調用服務的接口。本文的代碼示例使用 OpenAI 兼容格式。

同一個 Gemini 4 Hydrogen，爲什麼四檔表現差這麼大？

Gemini 4 Hydrogen 是 Google DeepMind 發佈的高效率模型，主要用於日常編程和 AI Agent 任務執行，API 模型 ID 爲 gemini-4-hydrogen。四檔思考並不是四個模型，而是同一個模型的四種推理深度。Google Cloud 文檔給每一檔都標註了推薦任務：

Hydrogen 四檔思考的單價相同，賬單爲何不同

截至 2026 年 11 月 13 日，Google 官方 Standard 調用價格爲輸入 $1.50 / 百萬 Tokens、輸出 $7.50 / 百萬 Tokens，四檔之間沒有區別。差異來自 Token 用量：檔位越高，模型在作答前生成的思考 Token 越多，而這些 Token 按輸出價格計費。

所以“單價一樣”不代表“每個任務的花費一樣”。同一個問題在 XHigh 下可能生成數倍於 High 的思考內容，賬單也會隨之上漲。估算成本時不能只看最終回答的長度，還要把看不見的思考部分算進去。

Gemini 4 Hydrogen 四檔實測數據：分數、費用和速度對比

以下數據來自第三方機構 Artificial Analysis，發佈當天完成測評。智能指數、評測任務成本和平均耗時出自其 Intelligence Index v5.0.1；首個答案 Token 延遲和輸出 Token 總量來自 2026 年 11 月 13 日的頁面快照。以下均爲第三方標準化評測結果，不是本站實測。

三個時間指標不要混用

這張表裏有三類指標，含義不同：

• 智能指數：綜合多項基準的能力分數，只表示在這套評測中的相對水平。
• 每任務平均耗時：根據任務輸出 Token 數和端到端輸出速度計算的加權指標，代表標準化評測工作負載。用戶問一個簡單問題，並不一定要等 8.3 分鐘。
• 首個答案 Token 延遲：從發出請求到看到第一個答案 Token 的等待時間，包含推理模型的思考階段，是對話場景中用戶最能感受到的指標。

從表中可以看出，Medium 到 High 的分數差距（10 分）比 High 到 XHigh 大得多。同一個模型名稱，不同檔位的實際能力差距可以超過 20 分，比較 Hydrogen 與其他模型時，必須先確認對方使用的是哪一檔。

Gemini 4 Hydrogen XHigh 比 High 多花 69%，究竟買到了什麼？

把四檔數據兩兩比較，可以得到每次升檔的收益和代價。下表的增量比例由編輯根據 Artificial Analysis 公佈的數據計算。

收益遞減：Hydrogen 四檔思考的邊際成本

從 High 升到 XHigh，智能指數從 51 提高到 54，約提升 5.9%；每任務成本從 $1.87 漲到 $3.16，耗時從 8.3 分鐘增加到 13.5 分鐘，首個答案延遲從約 18.9 秒翻倍到約 37.8 秒。按“每多 1 分”計算，XHigh 的邊際成本大約是 Low → Medium 的 12 倍。

原因主要是 Token 用量。High 全套評測輸出約 1.10 億 Token，XHigh 約 3.04 億 Token，是前者的約 2.76 倍。不過賬單並沒有漲 2.76 倍，因爲總費用還包括輸入 Token、緩存命中情況以及評測任務的加權方式，不能用輸出 Token 的倍數直接推算費用。

平均分低，不代表複雜任務收益也低

智能指數是多個任務的平均結果，3 分的差距可能來自兩種情況：大部分任務兩檔表現相同，少數高難度任務 XHigh 明顯更好。對於科學推理、數學證明、跨文件的大型重構這類“錯一步就全錯”的任務，XHigh 多出的思考可能決定任務能否成功。

因此更準確的說法是：XHigh 對普通任務性價比很低，對少數高難度任務可能是必要的。 是否值得多花 69%，要用你自己的任務樣本去驗證，不能只看平均分。

🎯 技術建議：建議先挑 20~50 個真實任務樣本，分別用 High 和 XHigh 跑一遍，對比成功率和單任務花費。通過 API易 apiyi.com 用同一個 API Key 切換參數即可完成 A/B 測試，不需要改動業務代碼結構。

Gemini 4 Hydrogen 四檔思考分別適合什麼任務？

結合 Google 官方推薦和上面的成本數據，可以按任務難度給出以下建議：

Hydrogen 低檔位的適用場景

Low 和 Medium 適合任務目標明確、答案容易校驗的場景。例如從合同中抽取金額和日期、把用戶反饋分到十個類別裏，這類任務多想一會兒也很難提高準確率，只會增加延遲和費用。對實時聊天、搜索補全這類對首字延遲敏感的場景，Low 的約 5.7 秒也明顯優於 XHigh 的約 37.8 秒。

Hydrogen 高檔位的適用場景

High 是 Google 設定的默認檔，適合大部分 Agent 工作流。只有當任務出現“High 反覆失敗、重試成本已經超過升檔成本”的情況時，才需要升到 XHigh。需要注意，Google 官方模型卡也提到，高思考等級的耗時和成本可能明顯增加，偶爾會出現延遲或超時，長鏈路任務要設置好超時與重試策略。

開發者如何控制 Gemini 4 Hydrogen 思考成本

thinking_level 參數與默認值

Hydrogen 通過 thinking_level 參數選擇思考檔位，不傳時默認是 High。從 Gemini 3.8 Flash 遷移時有幾點要注意：

• 3.8 Flash 默認是 Medium，遷移後不傳參數會自動變成 High，賬單可能上漲。
• thinking_budget 和 MINIMAL 已不受支持，使用會返回 HTTP 400。
• 自定義 temperature、top_p、top_k 會被忽略。
• 多輪工具調用需要正確保存並回傳 thought signatures。

極簡示例：按檔位調用 Hydrogen

下面用 OpenAI 兼容格式調用，通過 extra_body 傳入思考檔位。不同平臺對該參數的透傳字段可能不同，具體字段名以平臺文檔爲準。

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # API易 統一接口
)

resp = client.chat.completions.create(
    model="gemini-4-hydrogen",
    messages=[{"role": "user", "content": "把這條反饋分類：退款太慢"}],
    extra_body={"thinking_level": "low"}  # 簡單分類用 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"
)

# 任務類型與默認檔位的映射
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:
    """先用低檔，校驗失敗再逐級升檔，max_level 限制最高檔位"""
    level = LEVEL_MAP.get(task_type, "medium")
    while True:
        answer, usage = call_hydrogen(prompt, level)
        print(f"[{level}] usage={usage}")  # 記錄 Token,用於計算成功任務成本
        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="提取訂單號，只返回數字：訂單 A-20261113-889 已發貨",
    task_type="extract",
    validator=lambda s: s.strip().replace("-", "").isalnum(),
)
print(result)

🚀 快速開始:API易 apiyi.com 提供 OpenAI 兼容接口，一個 API Key 即可調用 Gemini、Claude、OpenAI 等主流模型，新用戶有免費測試額度，適合先跑通上面的分級策略再上線。

分級策略：先低檔，失敗再升檔

推薦的做法是“默認低檔，按需升檔”：簡單任務固定用 Low 或 Medium；複雜任務從 High 起步，只有校驗失敗時才升到 XHigh；並給每類任務設置最高檔位上限，避免意外的成本暴漲。這和 Google 在 Antigravity Orchestrator 中讓不同模型分工的思路一致，只是這裏調整的是同一模型的思考深度。

用四個指標衡量 Hydrogen 檔位優化效果

“成功任務成本”最能反映真實花費。如果 Medium 有 30% 的任務需要重跑，而 High 一次就能成功，那麼 High 的成功任務成本反而可能更低。

常見問題 FAQ

Gemini 4 Hydrogen 四檔思考 Key Takeaways

• 同模型不同檔位：四檔單價相同，實際任務成本由思考 Token 用量決定。
• 收益遞減明顯:High → XHigh 加 3 分，評測任務成本增加約 69%。
• 延遲翻倍:XHigh 首個答案延遲約 37.8 秒，是 High 的兩倍。
• 默認是 High：從 3.8 Flash 遷移時需要顯式設置檔位。
• 按難度選檔：分類用 Low，常規用 Medium，Agent 用 High，難題才用 XHigh。
• 看成功任務成本：把重試也計入，才能比較不同檔位的真實花費。
• 用樣本驗證：可以通過 API易 apiyi.com 一個 Key 對比四檔效果。

總結

Gemini 4 Hydrogen 四檔思考對比的核心結論：

1. 能力差距大:Low 27 分到 XHigh 54 分，同一模型名稱下能力相差一倍。
2. 邊際成本遞增：每多 1 分的額外成本，從 Low → Medium 的約 $0.036 上升到 High → XHigh 的約 $0.43。
3. XHigh 要按需使用：平均分差距小，但對少數高難度任務仍可能是關鍵。

日常業務的建議是：顯式設置 thinking_level，簡單任務用低檔，複雜步驟再提高檔位，並用成功任務成本作爲最終衡量標準。

推薦通過 API易 apiyi.com 用真實任務樣本快速驗證各檔位效果，平臺提供 OpenAI 兼容接口和免費測試額度。

📚 參考資料

1. Artificial Analysis – Gemini 4 Hydrogen 四檔評測頁：智能指數、任務成本、耗時與延遲數據
2. 鏈接： artificialanalysis.ai/models/gemini-4-hydrogen-low
3. 鏈接： artificialanalysis.ai/models/gemini-4-hydrogen-medium
4. 鏈接： artificialanalysis.ai/models/gemini-4-hydrogen-high
5. 鏈接： artificialanalysis.ai/models/gemini-4-hydrogen

6. 說明： 本文所有四檔對比數據的來源，延遲爲動態指標

7. Google 官方博客 – Introducing Gemini 4 Hydrogen：發佈公告

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

9. 說明： 模型定位、能力範圍與合作伙伴案例

10. Google Cloud 開發者指南 – Gemini 4 Hydrogen:thinking_level 與遷移注意事項

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

12. 說明： 四檔推薦用途、默認檔位、不兼容參數

13. Google AI Studio 價格頁:Hydrogen 官方 API 價格

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

15. 說明： Standard、Batch、Flex、Priority 各模式價格，思考 Token 計費規則

16. Google DeepMind 模型卡：侷限與安全評估

17. 鏈接： deepmind.google/models/model-cards/gemini-4-hydrogen/
18. 說明： 高思考等級耗時風險、拒答與幻覺等已知問題

作者:APIYI 技術團隊
技術交流：歡迎在 API易官網首頁聯繫我們，獲取更多 Gemini 系列模型接入資料

延伸閱讀

• 榜單分數爲何不可盡信：看懂 benchmaxing 的 3 種成因，用 4 步自有任務評測選模型:解釋 benchmaxing 爲何讓公開榜單分數虛高，給出 5 項榜單可信度檢查表，以及“取樣、定驗收、跑多模型、定期更新”4 步私有題單流程，幫助開發者用自有任務評測選模型。
• Gemini 4 Argon 推理強度設置指南：默認 medium 不是 high，3 種方法含 Cherry Studio 配置:Gemini 4 Argon 的推理強度默認是 medium 而不是 high，與默認最高檔的 gemini-3.1-pro-preview 不同。本文詳解 thinking_level 三檔取值、reasoning_effort 映射關係、Cherry Studio 自定義參數配置方法，以及 max_tokens 截斷、400 報錯等常見坑。
• 別隻看 token 單價：估算一次任務完整成本的 7 個步驟:從輸入、輸出、推理、緩存、重試到校驗升級，用 7 個步驟把“每百萬 token 多少錢”換算成“每完成一次任務多少錢”
• Gemini 4 Hydrogen 有多強？官方表10項贏7項:谷歌 2026-11-12 發佈 Gemini 4 Hydrogen：官方模型卡 10 項對比贏 7 項，相對 Gemini 3.8 Flash 快 2.5 倍、Terminal-Bench 4.1 從 18.2% 到 57%，並說明這些數字的口徑、價格與調用現狀。
• Gemini 4 Hydrogen 對比 Claude Sonnet 5.5：10項怎麼選:基於官方模型卡 10 項彙總和官方價格，對比 Gemini 4 Hydrogen 與 Claude Sonnet 5.5：Hydrogen 7 項領先且短提示更便宜，Sonnet 在終端、電腦操作、科學終端 3 項更高，附選型建議與 API易 接入說明。
• Gemini 4 Hydrogen 對比 Gemini 4 Carbon：日常怎麼選:從定位、思考檔位、上下文與輸出、價格和 Orchestrator 用法五個方面，說明 Gemini 4 Hydrogen 和 Gemini 4 Carbon 在日常使用中如何分工，以及 API易 目前可調用的型號。