Gemini 4 Hydrogen vs GPT-6.1 Terra

vs

Welches Modell wofür

Wählen Sie gemini-4-hydrogen, wenn beim Programmieren neben Screenshots auch Audio oder Video direkt eingegeben wird. Bei 272000 Eingabetokens kostet die Ein- und Ausgabe je Million Tokens bei gemini-4-hydrogen $1.5/$7.5 und bei gpt-6.1-terra $1/$5.

Benchmarks

Gemini 4 Hydrogen: 10 veröffentlicht, aber kein Benchmark, den genug andere Modelle teilen.

GPT-6.1 Terra: 9 veröffentlicht, aber kein Benchmark, den genug andere Modelle teilen.

Gemini 4 Hydrogen GPT-6.1 Terra weitere gemessene Modelle Durchschnitt der Vergleichsmodelle ★ kein anderes Modell war besser
SWE-sweep Hydrogen: Antigravity CLI 1.4.8. Peers: official leaderboard
13.5%
5.8%
OSWorld 2.1 82 offline tasks, partial score. Hydrogen and Sonnet: best of 3. Terra: system card
77.6%
74.2%
Agents’ Last Exam v1.1 Oct 17 task set. Hydrogen: Antigravity CLI. Sonnet: ALE-Claw. Terra: official leaderboard
71.6%
69.8%
HLE-Diamond Artificial Analysis leaderboard, November report
58.8%
47.3%
Vending-Bench 2 (USD) Andon Labs leaderboard, Hydrogen report · 9107-14549
14549
9107
Chartography No tools. Hydrogen and Terra: Google evaluation. Sonnet: system card
66.6%
63.2%

Anbieterangaben: Google

Preise

Gemini 4 Hydrogen GPT-6.1 Terra Δ
Eingabe / 1M Tokens $1.5 $1 1.5×
Ausgabe / 1M Tokens $7.5 $5 1.5×
Cache-Lesen / 1M Tokens $0.075 $0.05 1.5×
Cache-Schreiben - 1.25x (30m) / 2.5x (12h) -

Preise aus dem Live-Katalog, Stand des letzten Builds. Die aktuellen Preise stehen auf der jeweiligen Modellseite. Die Haupttabelle zeigt Basistarife. Die Promptlänge kann den Tarif für die gesamte Anfrage ändern. Die Modellseiten führen alle Preisstufen auf.

GPT-6.1 Terra · Preise nach Eingabelänge

Für die gesamte Anfrage gilt der Tarif ihrer Eingabelängenstufe. Preise in USD pro Million Tokens.

Eingabe-TokensEingabeAusgabe
0 - 272.000 $1 $5
272.001 - 1.050.000 $2 $7.5

Einordnung: Eingabepreis pro 1M Tokens aller 86 Chat-Modelle mit dieser Abrechnungseinheit (logarithmische Skala)

Fähigkeiten

Gemini 4 Hydrogen GPT-6.1 Terra
Tool-Nutzung ja ja
Thinking-Steuerung immer aktiv konfigurierbar
Strukturierte Ausgabe ja ja
Prompt-Caching implizit (automatisch) implizit + explizit
Cache-Lebensdauer nicht veröffentlicht at least 30m by default, 12h option on the Responses API
Mindestlänge des gecachten Präfixes 4,096 Tokens 1,024 Tokens

Spezifikationen

Gemini 4 Hydrogen GPT-6.1 Terra
Eingabemodalitäten Text Bild Audio Video Text Bild
Ausgabemodalitäten Text Text
Veröffentlicht 2026-11-12 2026-10-26
Knowledge-Cutoff 2026-03 2026-06
Kontextfenster 1.048.576 1.050.000
Maximale Ausgabe 65.536 128.000
Thinking-Parameter thinking_level reasoning.effort
Zulässige Werte
thinking_level
  • low
  • medium
  • high
  • xhigh

"minimal" and thinking_budget return 400

reasoning.effort
  • none
  • low
  • medium
  • high
  • xhigh
  • max
Standardwert high medium

Die Spezifikationen stammen aus der Dokumentation des jeweiligen Anbieters. Veröffentlicht ein Anbieter eine Angabe nicht, lassen wir die Zeile weg, statt sie zu schätzen. Vollständige Quellen: Gemini 4 Hydrogen · GPT-6.1 Terra

Ein Prompt, beide Modelle, gemessen über das Gateway

PROMPT Explain to a CFO, in exactly three sentences, why our LLM bill doubled after we enabled reasoning. KRITERIUM genau 3 Sätze

Gemini 4 Hydrogen bestanden · 3 sentences

When reasoning is enabled, the AI generates extensive hidden "thinking" tokens to verify its logic step-by-step before delivering a final answer. Because vendors bill us for every token produced—meaning we pay full output-token rates for this invisible internal work—our billable consumption doubled even though the user-facing responses stayed the same length. To protect our margins, we should restrict reasoning mode strictly to complex, high-value tasks and route routine queries back to standard models.

Ausgabe 1236 tok (+1136 Thinking) Latenz 9.0 s

GPT-6.1 Terra bestanden · 3 sentences

Enabling reasoning caused the model to process additional internal tokens before producing each answer, even though those tokens are not visible to users. Those tokens are generally billable, increasing the cost per request and potentially doubling the bill even if usage stayed the same. To confirm the cause, compare request counts, model pricing, and token usage—including reasoning tokens—before and after the change.

Ausgabe 196 tok (+115 Thinking) Latenz 4.6 s

Befolgen der Anweisung (genau drei Sätze, das lässt sich zählen), Zuschnitt auf die Zielgruppe (Tonfall für einen CFO) und die Abrechnungslücke durch nicht sichtbares Thinking, die die Token-Zähler unten offenlegen.

PROMPT This function is supposed to return the longest run of consecutive equal items, but callers report it is off by one on single-element inputs and misses runs that end at the last index. Fix it and explain the bug in one paragraph. KRITERIUM Fix besteht die Tests

Gemini 4 Hydrogen bestanden · 8/8 cases

```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 best = max(best, cur) else: cur = 1 return best ``` The bug is that `best` and `cur` were initialized (and `cur` was reset) to `0` instead of `1`, causing the loop to count matching adjacent transitions rather than the number of elements in a run. As a result, any non-empty input was off by one—returning `0` on single-element lists where the loop doesn't execute at all, and undercounting every run (including runs ending at the last index) by 1. Returning `0` early for empty inputs and starting/resetting the run length at `1` ensures each element is counted accurately while still updating `best` on the final iteration when a run ends at the last index.

Ausgabe 1489 tok (+1247 Thinking) Latenz 10.8 s

GPT-6.1 Terra bestanden · 8/8 cases

```python def longest_run(xs): if len(xs) == 0: return 0 best = cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 else: cur = 1 best = max(best, cur) return best ``` The original code counted matching *adjacent pairs* rather than items, so every nonempty run was undercounted by one, including a single-element input. It did update `best` for matches at the last index, but still undercounted those runs. The fix starts each run at length one and updates `best` as the run grows.

Ausgabe 331 tok (+172 Thinking) Latenz 6.3 s

Ob der Fix wirklich korrekt ist (er lässt sich ausführen), wie dicht die Erklärung ist und wie sparsam das Modell bei einer klar begrenzten Aufgabe mit Tokens umgeht.

PROMPT Extract a JSON object with fields {company, quarter, revenue_usd_m, growth_pct, guidance} from this text. Use null for anything not stated; add no other fields. KRITERIUM gültiges JSON, Schema exakt

Gemini 4 Hydrogen bestanden · 5/5 fields, guidance "withheld pending the Q4 close"

```json { "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": null, "growth_pct": null, "guidance": "withheld pending the Q4 close" } ```

Ausgabe 3165 tok (+3100 Thinking) Latenz 21.2 s

GPT-6.1 Terra bestanden · 5/5 fields, guidance "Withheld pending the Q4 close"

{ "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": null, "growth_pct": null, "guidance": "Withheld pending the Q4 close" }

Ausgabe 317 tok (+261 Thinking) Latenz 6.9 s

Schema-Treue (keine erfundenen Felder), Anreiz zum Halluzinieren (der Text nennt ausdrücklich keine guidance) und Unterschiede zwischen den Wegen zur strukturierten Ausgabe.

PROMPT Write a 120-word product announcement for an API gateway feature that caches prompts across providers. Forbidden words: "seamless", "unlock", "game-changer", "revolutionize", "empower". Exactly one sentence must be a question. KRITERIUM 120 Wörter, 0 verbotene Wörter

Gemini 4 Hydrogen bestanden · 120 words, 0 banned, 1 question

Introducing unified prompt caching, the newest capability in our enterprise API gateway. Are you tired of paying repeatedly for identical prompts sent across different AI providers? Our gateway now caches prompts across major AI providers within a unified, shared memory layer. When an application submits a matching query, the gateway intercepts the request and returns the saved output in milliseconds, completely bypassing external inference fees. Engineering teams gain predictable latency and substantial cost reductions without modifying any existing application code. Managing cache policies at the infrastructure edge helps your organization prevent provider dependency while maintaining strict data privacy standards. Enable unified prompt caching in your dashboard today to build faster, more economical artificial intelligence applications across your entire technology stack.

Ausgabe 3710 tok (+3574 Thinking) Latenz 24.1 s

GPT-6.1 Terra bestanden · 120 words, 0 banned, 1 question

Meet Prompt Cache, a new API gateway feature that stores reusable prompts across providers, helping teams reduce latency and control costs without changing how they build. When a request matches a cached prompt, the gateway retrieves the stored result instead of sending the same work again. Need to route traffic between models or vendors? Prompt Cache works across supported providers, giving your applications a consistent caching layer as your stack evolves. Set expiration policies, monitor cache performance, and choose which requests qualify through familiar gateway controls. Your team can spend less time repeating requests and more time improving the experiences customers rely on. Start using Prompt Cache today and make every request work harder for your application and your budget.

Ausgabe 579 tok (+440 Thinking) Latenz 9.1 s

Einhaltung der Vorgaben (Wortbudget, Liste verbotener Wörter, genau eine Frage), stilistische Handschrift und Kontrolle über die Länge.

Eine Zeile genügt für den Wechsel

Beide IDs stehen in jedem Tab unten. Die beiden hervorgehobenen Zeilen sind die einzige Änderung. Gleicher Endpunkt, gleicher Schlüssel, gleiches Anfrageformat.

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.chat.completions.create(
    model="gemini-4-hydrogen",
    # model="gpt-6.1-terra",  # diese Zeile einkommentieren, die darüberliegende auskommentieren
    messages=[{"role": "user", "content": "Summarize this diff"}],
    reasoning_effort="medium",
)
print(resp.choices[0].message.content)

API-Schlüssel erstellen →

FAQ

Welches Modell ist günstiger: Gemini 4 Hydrogen oder GPT-6.1 Terra?

Die Haupttabelle zeigt Basistarife. Die Promptlänge kann den Tarif für die gesamte Anfrage ändern. Die Modellseiten führen alle Preisstufen auf.

Kann ich Gemini 4 Hydrogen gegen GPT-6.1 Terra A/B-testen, ohne zweimal zu integrieren?

Ja. Beide laufen über denselben OpenAI-kompatiblen Endpunkt mit einem API-Schlüssel. Für den Wechsel ändern Sie nur eine Zeile, den Modellnamen. So können Sie einen Teil des Traffics an jedes Modell schicken und die Kosten direkt vergleichen.

Unterstützen Gemini 4 Hydrogen und GPT-6.1 Terra Prompt-Caching?

Ja. Beide berechnen Cache-Lesezugriffe günstiger als die normale Eingabe. Workloads mit einem wiederkehrenden, bereits gecachten Präfix kosten deshalb weniger, als die Listenpreise vermuten lassen. Die genauen Preise stehen in den Cache-Zeilen der Preistabelle oben.

Verwandte Vergleiche

Aus unseren Studien mit eigenen Messungen