Gemini 4 Hydrogen è il modello ad alta efficienza della famiglia Gemini 4 di Google, in disponibilità generale dal 12 novembre 2026.
- Input
- testo immagine audio video $1.5/M
- Output
- testo $7.5/M
- Lettura cache
- $0.075/M
- Input audio
- $1.5/M
- Lettura cache audio
- $0.075/M
- Contesto
- 1M
- vs GPT-4o
- ~70% più economico
- Knowledge cutoff
- 2026-03
Prezzi per lunghezza in ingresso
L’intera richiesta usa la tariffa della fascia di lunghezza in ingresso. Prezzi in USD per milione di token.
| Token in ingresso | Input | Output | Input (modalità ragionamento) |
|---|
Benchmark
Gemini 4 Hydrogen: 10 pubblicati, ma nessun benchmark in comune con abbastanza altri modelli per fare un confronto.
Dati pubblicati dai provider: Google
Il prezzo a confronto
Dove si colloca il prezzo tra 79 modelli confrontabili
La barra mostra dove si colloca il prezzo di questo modello tra tutti i modelli dello stesso tipo su Synthorai. Alle due estremità sono indicati il più economico e il più caro. Sono tariffe base; gli sconti per batch, regione e scrittura in cache sono nella pagina dei prezzi.
Specifiche e limiti
Token
| Finestra di contesto (specifica del provider) | 1.048.576 |
|---|---|
| Output massimo (specifica del provider) | 65.536 |
| Knowledge cutoff | 2026-03 |
Prompt caching
| Modalità | automatico |
|---|---|
| Prefisso min. | 4.096 |
Ragionamento
| Parametro del provider | thinking_level |
|---|---|
| Valori accettati | low · medium · high · xhigh; "minimal" and thinking_budget return 400 |
| Valore di default | high applicato se la richiesta non specifica nulla |
| Disattivabile | No |
| Comportamento del ragionamento | There is no off setting and no numeric thinking budget. Custom temperature, top_p and top_k values are ignored. |
| Parametro | reasoning_effort |
| Valori | minimal · low · medium · high parametri esposti dal gateway: vale la mappatura del provider indicata sopra |
Modello
| Modalità | testo + immagine + audio + video → testo |
|---|
- 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 solo prompt, misurato attraverso il gateway
Gemini 4 Hydrogen superato · 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.
out 1236 tok (+1136 ragionamento) latenza 9.0 s
Rispetto delle istruzioni (esattamente tre frasi: si contano), adattamento al destinatario (registro da CFO) e lo scarto di fatturazione dovuto al ragionamento nascosto, che i contatori di token qui sotto mettono in luce.
Gemini 4 Hydrogen superato · 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.
out 1489 tok (+1247 ragionamento) latenza 10.8 s
Se la correzione è davvero giusta (si può eseguire), quanto è densa la spiegazione e quanti token servono per un compito circoscritto.
Gemini 4 Hydrogen superato · 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" } ```
out 3165 tok (+3100 ragionamento) latenza 21.2 s
Aderenza allo schema (nessun campo inventato), tentazione di allucinare (il testo dice espressamente che la guidance non viene comunicata) e differenze tra i percorsi di output strutturato.
Gemini 4 Hydrogen superato · 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.
out 3710 tok (+3574 ragionamento) latenza 24.1 s
Rispetto dei vincoli (budget di parole, elenco di parole vietate, l'unica domanda), impronta stilistica e controllo della lunghezza.
Usa Gemini 4 Hydrogen in 30 secondi
Compatibile con OpenAI: cambi base_url e tieni il tuo 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(""));Informazioni su Gemini 4 Hydrogen
- La pagina ufficiale lo descrive come un modello che porta un'intelligenza all'avanguardia, con velocità ed efficienza, nella programmazione quotidiana e nei flussi di lavoro agentici aziendali, e la guida alla migrazione di Google lo indica come l'aggiornamento di Gemini 3.8 Flash e dei precedenti modelli Gemini 3 Flash.
- Accetta in input testo, immagini, audio, video e PDF e restituisce testo.
- La finestra di contesto è un unico limite di 1,048,576 token condiviso tra input e output, e una singola richiesta restituisce fino a 65,536 token di output, in streaming o meno.
- Il ragionamento ha quattro livelli, low, medium, high (il predefinito) e xhigh per il ragionamento approfondito, senza opzione di disattivazione né budget numerico, quindi tramite Synthorai una richiesta che chiede il ragionamento minimo viene eseguita a low e una che chiede il massimo a xhigh.
- La documentazione di Google precisa anche che i valori personalizzati di temperature, top_p e top_k vengono ignorati.
- La tabella Standard pubblicata da Google indica $1.50 per milione di token di input e $7.50 per milione di token di output, con un'unica tariffa di input per testo, immagini, video e audio e nessuno scaglione per lunghezza del contesto.
- Il prezzo di output include i token di ragionamento e il livello predefinito è high, quindi dimensiona i token massimi di output tenendone conto.
- Il caching è solo implicito, per prompt di almeno 4,096 token, e l'input in cache costa $0.075 per milione di token.
- Google indica che dal 12 gennaio 2027 Hydrogen supporta il controllo della cache con una durata configurabile, con le scritture in cache fatturate per impostazione predefinita a 1.25 volte il prezzo di input.
- Synthorai lo serve tramite l'endpoint chat completions compatibile con OpenAI, così si inserisce in un'integrazione esistente senza un client specifico di Google.
FAQ
L'API di Gemini 4 Hydrogen si può provare gratis?
Sì: i nuovi account ricevono 10 chiamate di prova e fino a $1 di credito gratuito, senza bisogno di carta. A $1.5/M per i token di input, quel credito basta da solo per circa 83 richieste da ~8K token a Gemini 4 Hydrogen.
In cosa eccelle Gemini 4 Hydrogen?
Gemini 4 ad alta efficienza per codice e agenti; quattro livelli di ragionamento, da low a xhigh; un limite di 1M di token condiviso tra input e output. Il quadro completo è nella sezione «Informazioni», ripreso dalle note di rilascio ufficiali del provider.
Quanto costa Gemini 4 Hydrogen?
Su Synthorai Gemini 4 Hydrogen costa $1.5 per milione di token di input e $7.5 per milione di token di output: è il prezzo di listino del provider, senza sovrapprezzo di piattaforma. Input audio: $1.5/M token · Lettura cache audio: $0.075/M token I token di input letti dalla cache costano $0.075/M.
Qual è la finestra di contesto di Gemini 4 Hydrogen?
Gemini 4 Hydrogen ha una finestra di contesto di 1M token su Synthorai. Una singola risposta può arrivare a 65,536 token.
Gemini 4 Hydrogen supporta il prompt caching?
Sì, in automatico: i prompt serviti da Google vanno in cache senza modifiche al codice. I token di input letti dalla cache costano $0.075/M, contro $1.5/M senza cache; per andare in cache un prompt deve avere un prefisso stabile di 4,096 token. Guida al prompt caching →
Come ottengo l'accesso a Gemini 4 Hydrogen?
Fai puntare l'SDK OpenAI che usi già a base_url="https://synthorai.io/v1", imposta model="gemini-4-hydrogen" e hai finito: una sola chiave API vale per tutti i modelli del gateway.
Qual è il knowledge cutoff di Gemini 4 Hydrogen?
Il knowledge cutoff di Gemini 4 Hydrogen è 2026-03, secondo la documentazione ufficiale del provider (dato aggiornato al 2026-11-13).
Modelli correlati
Confronta
Le specifiche e i benchmark dei fornitori rimandano alle rispettive fonti. Il supporto del gateway descrive l’implementazione di Synthorai. Gli esempi archiviati sono singole richieste e non garantiscono le prestazioni generali del modello. I prezzi provengono dal servizio pubblico o dalla sua istantanea usata durante la compilazione.