Gemini 4 Hydrogen est le modèle à haute efficacité de la famille Gemini 4 de Google, en disponibilité générale depuis le 12 novembre 2026.
- Entrée
- texte image audio vidéo $1.5/M
- Sortie
- texte $7.5/M
- Lecture de cache
- $0.075/M
- Entrée audio
- $1.5/M
- Lecture du cache audio
- $0.075/M
- Contexte
- 1M
- vs GPT-4o
- ~70% moins cher
- Coupure des connaissances
- 2026-03
Tarifs selon la longueur en entrée
Le tarif de la tranche de longueur en entrée s’applique à toute la requête. Prix en USD par million de tokens.
| Tokens en entrée | Entrée | Sortie | Entrée (mode réflexion) |
|---|
Benchmarks
Gemini 4 Hydrogen : 10 résultats publiés, mais aucun benchmark en commun avec assez d'autres modèles pour comparer.
Chiffres publiés par les fournisseurs : Google
Le prix en perspective
Position du prix parmi 79 modèles comparables
La barre situe le prix de ce modèle parmi tous les modèles du même type sur Synthorai. Le moins cher et le plus cher sont nommés à chaque extrémité. Ce sont des tarifs de base ; les remises liées au batch, à la région et aux écritures de cache figurent sur la page des tarifs.
Spécifications et limites
Tokens
| Fenêtre de contexte (spécification du fournisseur) | 1 048 576 |
|---|---|
| Sortie max (spéc. fournisseur) | 65 536 |
| Coupure des connaissances | 2026-03 |
Mise en cache
| Mode | automatique |
|---|---|
| Préfixe min. | 4 096 |
Réflexion
| Paramètre du fournisseur | thinking_level |
|---|---|
| Valeurs acceptées | low · medium · high · xhigh; "minimal" and thinking_budget return 400 |
| Valeur par défaut | high appliquée si la requête ne précise rien |
| Désactivable | Non |
| Comportement de la réflexion | There is no off setting and no numeric thinking budget. Custom temperature, top_p and top_k values are ignored. |
| Paramètre | reasoning_effort |
| Valeurs | minimal · low · medium · high paramètres exposés par la passerelle ; la correspondance avec ceux du fournisseur, ci-dessus, s'applique |
Modèle
| Modalités | texte + image + audio + vidéo → texte |
|---|
- Google's high-efficiency Gemini 4 model for everyday coding and agentic workflows
- Google's migration guide names it the upgrade from Gemini 3.8 Flash. The output price includes thinking tokens, and the default thinking level is high. Caching is implicit only
- Google says that from 12 January 2027 it adds cache control with a configurable lifetime and bills cache writes at 1.25x the input price by default
Un prompt, mesuré via la passerelle
Gemini 4 Hydrogen réussi · 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.
sortie 1236 tok (+1136 réflexion) latence 9.0 s
Le respect de la consigne (exactement trois phrases, ça se compte), l'adaptation au public visé (le registre d'un directeur financier) et l'écart de facturation dû à la réflexion masquée, que révèlent les compteurs de tokens ci-dessous.
Gemini 4 Hydrogen réussi · 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.
sortie 1489 tok (+1247 réflexion) latence 10.8 s
La justesse réelle du correctif (il s'exécute), la densité de l'explication et l'économie de tokens sur une tâche bien délimitée.
Gemini 4 Hydrogen réussi · 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" } ```
sortie 3165 tok (+3100 réflexion) latence 21.2 s
Le respect du schéma (aucun champ inventé), la tentation d'halluciner (le texte indique que la guidance n'est pas communiquée) et les différences entre les mécanismes de sortie structurée.
Gemini 4 Hydrogen réussi · 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.
sortie 3710 tok (+3574 réflexion) latence 24.1 s
Le respect des contraintes (nombre de mots, liste de mots interdits, une seule question), l'empreinte stylistique et la maîtrise de la longueur.
Utilisez Gemini 4 Hydrogen en 30 secondes
Compatible OpenAI : changez la base_url, gardez votre SDK. POST /v1/chat/completions
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",
messages=[{"role": "user", "content": "Summarize this diff"}],
reasoning_effort="medium",
)
print(resp.choices[0].message.content)import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.chat.completions.create({
model: "gemini-4-hydrogen",
messages: [{ role: "user", content: "Summarize this diff" }],
reasoning_effort: "medium",
});
console.log(resp.choices[0].message.content);curl https://synthorai.io/v1/chat/completions \
-H "Authorization: Bearer sk-syn-..." \
-H "Content-Type: application/json" \
-d '{
"model": "gemini-4-hydrogen",
"messages": [{"role": "user", "content": "Hello"}],
"reasoning_effort": "medium"
}'package main
import (
"context"
"fmt"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
resp, _ := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
Model: "gemini-4-hydrogen",
Messages: []openai.ChatCompletionMessageParamUnion{
openai.UserMessage("Summarize this diff"),
},
ReasoningEffort: openai.ReasoningEffortMedium,
})
fmt.Println(resp.Choices[0].Message.Content)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;
import com.openai.models.ReasoningEffort;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
ChatCompletion resp = client.chat().completions().create(
ChatCompletionCreateParams.builder()
.model("gemini-4-hydrogen")
.addUserMessage("Summarize this diff")
.reasoningEffort(ReasoningEffort.MEDIUM)
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));À propos de Gemini 4 Hydrogen
- Sa page officielle le décrit comme un modèle qui apporte une intelligence de pointe, avec rapidité et efficacité, au développement quotidien et aux workflows agentiques des entreprises, et le guide de migration de Google le désigne comme la mise à niveau de Gemini 3.8 Flash et des modèles Gemini 3 Flash antérieurs.
- Il accepte en entrée du texte, des images, de l'audio, de la vidéo et des PDF, et renvoie du texte.
- La fenêtre de contexte est une limite unique de 1,048,576 tokens partagée entre entrée et sortie, et une seule requête renvoie jusqu'à 65,536 tokens de sortie, en streaming ou non.
- Le raisonnement compte quatre niveaux, low, medium, high (par défaut) et xhigh pour le raisonnement approfondi, sans option de désactivation ni budget numérique ; via Synthorai, une requête qui demande le moins de raisonnement s'exécute donc en low et une qui en demande le plus, en xhigh.
- La documentation de Google précise aussi que les valeurs personnalisées de temperature, top_p et top_k sont ignorées.
- Le tableau Standard publié par Google indique $1.50 par million de tokens d'entrée et $7.50 par million de tokens de sortie, avec un seul tarif d'entrée pour le texte, l'image, la vidéo et l'audio et sans palier selon la longueur du contexte.
- Le prix de sortie inclut les tokens de raisonnement et le niveau par défaut est high : dimensionnez le nombre maximal de tokens de sortie en conséquence.
- La mise en cache est uniquement implicite, pour les prompts d'au moins 4,096 tokens, et l'entrée en cache coûte $0.075 par million de tokens.
- Selon Google, à partir du 12 janvier 2027, Hydrogen prend en charge un contrôle du cache avec une durée de vie configurable, et les écritures en cache sont facturées par défaut à 1.25 fois le prix d'entrée.
- Synthorai le sert via l'endpoint chat completions compatible OpenAI, de sorte qu'il s'insère dans une intégration existante sans client propre à Google.
FAQ
Peut-on essayer l'API Gemini 4 Hydrogen gratuitement ?
Oui : les nouveaux comptes reçoivent 10 appels d'essai et jusqu'à $1 de crédit gratuit, sans carte bancaire. À $1.5/M de tokens en entrée, ce crédit couvre à lui seul environ 83 requêtes de ~8K tokens sur Gemini 4 Hydrogen.
Quels sont les points forts de Gemini 4 Hydrogen ?
Gemini 4 à haute efficacité pour le code et les agents ; quatre niveaux de réflexion, de low à xhigh ; une limite de 1M de tokens partagée entre entrée et sortie. La section À propos en donne un aperçu complet, tiré des notes de version du fournisseur.
Combien coûte Gemini 4 Hydrogen ?
Sur Synthorai, Gemini 4 Hydrogen coûte $1.5 par million de tokens en entrée et $7.5 par million de tokens en sortie, soit le tarif public du fournisseur, sans majoration de plateforme. Entrée audio: $1.5/M tokens · Lecture du cache audio: $0.075/M tokens Les tokens d'entrée en cache sont facturés $0.075/M.
Quelle est la fenêtre de contexte de Gemini 4 Hydrogen ?
Gemini 4 Hydrogen dispose d'une fenêtre de contexte de 1M tokens sur Synthorai. Une réponse peut compter jusqu'à 65,536 tokens.
Gemini 4 Hydrogen prend-il en charge la mise en cache des prompts ?
Oui, automatiquement : les prompts servis par Google sont mis en cache sans modification de code. Les tokens d'entrée en cache sont facturés $0.075/M contre $1.5/M hors cache ; les prompts doivent avoir un préfixe stable de 4,096 tokens pour être mis en cache. Guide de mise en cache des prompts →
Comment obtenir l'accès à Gemini 4 Hydrogen ?
Dans votre SDK OpenAI actuel, indiquez base_url="https://synthorai.io/v1" et model="gemini-4-hydrogen", et c'est tout. Une seule clé API donne accès à tous les modèles de la passerelle.
Quelle est la date de coupure des connaissances de Gemini 4 Hydrogen ?
Date de coupure des connaissances de Gemini 4 Hydrogen : 2026-03, selon la documentation officielle du fournisseur (au 2026-11-13).
Modèles associés
Comparer
Les spécifications et les benchmarks des fournisseurs renvoient à leurs sources. La prise en charge par la passerelle décrit l’implémentation de Synthorai. Les exemples archivés sont des requêtes individuelles, sans garantie de performance générale du modèle. Les prix proviennent du flux public ou de son instantané utilisé lors de la compilation.