O Gemini 4 Hydrogen é o modelo de alta eficiência da família Gemini 4 do Google, em disponibilidade geral desde 12 de novembro de 2026.
- Entrada
- texto imagem áudio vídeo $1.5/M
- Saída
- texto $7.5/M
- Leitura de cache
- $0.075/M
- Entrada de áudio
- $1.5/M
- Leitura do cache de áudio
- $0.075/M
- Contexto
- 1M
- vs GPT-4o
- ~70% mais barato
- Corte de conhecimento
- 2026-03
Preços por comprimento de entrada
Toda a solicitação usa a tarifa da faixa de comprimento de entrada. Preços em USD por milhão de tokens.
| Tokens de entrada | Entrada | Saída | Entrada (modo raciocínio) |
|---|
Benchmarks
Gemini 4 Hydrogen: 10 publicados, mas nenhum benchmark em comum com modelos suficientes para comparar.
Publicado pelos provedores: Google
O preço em contexto
Posição do preço entre 79 modelos comparáveis
A barra mostra onde fica o preço deste modelo entre todos os modelos do mesmo tipo na Synthorai. Nas extremidades aparecem o mais barato e o mais caro. São as tarifas base; os descontos de batch, região e escrita de cache estão na página de preços.
Especificações e limites
Tokens
| Janela de contexto (especificação do provedor) | 1.048.576 |
|---|---|
| Saída máxima (especificação do provedor) | 65.536 |
| Corte de conhecimento | 2026-03 |
Cache de prompts
| Modo | automático |
|---|---|
| Prefixo mín. | 4.096 |
Raciocínio
| Parâmetro do provedor | thinking_level |
|---|---|
| Valores aceitos | low · medium · high · xhigh; "minimal" and thinking_budget return 400 |
| Valor padrão | high usado quando a requisição não define nada |
| Pode ser desativado | Não |
| Comportamento do raciocínio | There is no off setting and no numeric thinking budget. Custom temperature, top_p and top_k values are ignored. |
| Parâmetro | reasoning_effort |
| Valores | minimal · low · medium · high parâmetros expostos pelo gateway; vale o mapeamento do provedor indicado acima |
Modelo
| Modalidades | texto + imagem + áudio + vídeo → texto |
|---|
- 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
conforme fonte das especificações do modelo ↗
Um prompt, medido pelo gateway
Gemini 4 Hydrogen passou · 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.
saída 1236 tok (+1136 raciocínio) latência 9.0 s
Se a instrução é seguida (exatamente três frases, dá para contar), a adequação ao público (tom para um CFO) e a diferença de cobrança causada pelo raciocínio oculto, que os medidores de tokens abaixo deixam à mostra.
Gemini 4 Hydrogen passou · 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.
saída 1489 tok (+1247 raciocínio) latência 10.8 s
Se a correção está mesmo certa (dá para executar), a densidade da explicação e a eficiência em tokens em uma tarefa bem delimitada.
Gemini 4 Hydrogen passou · 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" } ```
saída 3165 tok (+3100 raciocínio) latência 21.2 s
Aderência ao schema (sem campos inventados), pressão para alucinar (o texto diz explicitamente que o guidance não foi divulgado) e diferenças no caminho de saída estruturada.
Gemini 4 Hydrogen passou · 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.
saída 3710 tok (+3574 raciocínio) latência 24.1 s
Respeito às restrições (limite de palavras, lista de palavras proibidas, uma única pergunta), a marca de estilo de cada modelo e o controle do tamanho.
Use o Gemini 4 Hydrogen em 30 segundos
Compatível com OpenAI: troque a base_url, mantenha seu 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(""));Sobre o Gemini 4 Hydrogen
- A página oficial o descreve como um modelo que leva inteligência de ponta, com rapidez e eficiência, à programação do dia a dia e aos fluxos de trabalho agênticos corporativos, e o guia de migração do Google o aponta como a atualização do Gemini 3.8 Flash e dos modelos Gemini 3 Flash anteriores.
- Ele aceita entrada de texto, imagens, áudio, vídeo e PDF e retorna texto.
- A janela de contexto é um único limite de 1,048,576 tokens compartilhado entre entrada e saída, e uma única solicitação retorna até 65,536 tokens de saída, com ou sem streaming.
- O raciocínio tem quatro níveis, low, medium, high (o padrão) e xhigh para raciocínio profundo, sem opção de desligar nem orçamento numérico, então pela Synthorai uma solicitação que pede o mínimo de raciocínio roda em low e uma que pede o máximo roda em xhigh.
- A documentação do Google também diz que valores personalizados de temperature, top_p e top_k são ignorados.
- A tabela Standard publicada pelo Google indica $1.50 por milhão de tokens de entrada e $7.50 por milhão de tokens de saída, com uma única tarifa de entrada para texto, imagem, vídeo e áudio e sem faixa por tamanho de contexto.
- O preço de saída inclui os tokens de raciocínio e o nível padrão é high, então dimensione o máximo de tokens de saída com isso em mente.
- O cache é apenas implícito, para prompts de pelo menos 4,096 tokens, e a entrada em cache custa $0.075 por milhão de tokens.
- O Google informa que, a partir de 12 de janeiro de 2027, o Hydrogen passa a ter controle de cache com vida útil configurável, com gravações em cache cobradas por padrão a 1.25 vez o preço de entrada.
- A Synthorai o oferece pelo endpoint chat completions compatível com OpenAI, então ele entra numa integração existente sem um cliente específico do Google.
Perguntas frequentes
A API do Gemini 4 Hydrogen é gratuita para testar?
Sim. Contas novas recebem 10 chamadas de teste e até $1 em créditos gratuitos, sem precisar de cartão. A $1.5/M de tokens de entrada, só esse crédito já cobre cerca de 83 requisições de ~8K tokens ao Gemini 4 Hydrogen.
Em que o Gemini 4 Hydrogen é melhor?
Gemini 4 de alta eficiência para código e agentes; quatro níveis de raciocínio, de low a xhigh; um limite de 1M de tokens compartilhado entre entrada e saída. Veja na seção Sobre o quadro completo, tirado das notas de lançamento do próprio provedor.
Quanto custa o Gemini 4 Hydrogen?
Na Synthorai, o Gemini 4 Hydrogen custa $1.5 por milhão de tokens de entrada e $7.5 por milhão de tokens de saída. É o preço de tabela do provedor, sem markup da plataforma. Entrada de áudio: $1.5/M tokens · Leitura do cache de áudio: $0.075/M tokens Tokens de entrada em cache são cobrados a $0.075/M.
Qual é a janela de contexto do Gemini 4 Hydrogen?
O Gemini 4 Hydrogen tem uma janela de contexto de 1M tokens na Synthorai. Uma única resposta pode ter até 65,536 tokens.
O Gemini 4 Hydrogen suporta cache de prompts?
Sim, automaticamente: prompts servidos pela Google entram em cache sem nenhuma mudança no código. Tokens de entrada em cache são cobrados a $0.075/M, contra $1.5/M sem cache; os prompts precisam de um prefixo estável de 4,096 tokens para entrar em cache. Guia de cache de prompts →
Como obtenho acesso ao Gemini 4 Hydrogen?
Aponte o SDK da OpenAI que você já usa para base_url="https://synthorai.io/v1", defina model="gemini-4-hydrogen" e pronto. Uma única chave de API cobre todos os modelos do gateway.
Qual é o corte de conhecimento do Gemini 4 Hydrogen?
O corte de conhecimento do Gemini 4 Hydrogen é 2026-03, segundo a documentação oficial do provedor (verificado em 2026-11-13).
Modelos relacionados
Comparar
As especificações e os benchmarks dos fornecedores incluem links para as fontes. O suporte do gateway descreve a implementação da Synthorai. Os exemplos arquivados são solicitações individuais e não garantem o desempenho geral do modelo. Os preços vêm da API pública ou do snapshot usado na compilação.