Gemini 4 Hydrogen so với Claude Sonnet 5.5 so với GPT-6.1 Terra

Benchmark lập trình: Hydrogen thắng SWE-sweep, Sonnet thắng Terminal-Bench

Bảng công bố tháng 11 của Google chứa các kết quả sau. Đây là so sánh các kết quả được báo cáo, không phải benchmark của APIMaster. Phương pháp kết hợp các lần chạy của Google với báo cáo của nhà cung cấp và bảng xếp hạng công khai; không dùng một agent harness giống hệt nhau cho tất cả mô hình.

Hydrogen dẫn SWE-sweep với 10.4 điểm phần trăm so với Sonnet và 7.7 so với Terra. Sonnet dẫn Hydrogen với 6.9 điểm phần trăm trên Terminal-Bench 4.1 và 8.5 trên biến thể khoa học. Đây là các khoảng cách điểm phần trăm, không phải phần trăm cải thiện trong toàn bộ công việc lập trình. Kết quả Terminal-Bench 4.1 còn thiếu của Terra không phải là số không.

Google chạy Hydrogen SWE-sweep với Antigravity CLI 1.4.8 và bộ lọc an toàn được bật, báo cáo reward có trọng số theo sub-task. Terminal-Bench 4.1 dùng harness hình ảnh mini-swe-agent ở mức effort cao, trung bình năm lần thử mỗi tác vụ. Kết quả của đối thủ ở đó đến từ bảng xếp hạng chính thức. Hãy tách biệt biểu đồ chi phí/độ trễ Terminal-Bench 4.0 khỏi bảng 4.1.

Đối với công việc kho mã, hãy kiểm thử việc sửa issue, bộ kiểm thử hồi quy và đánh giá patch của chính bạn. Đối với quy trình làm việc nặng về terminal hoặc khoa học, các hạng mục được trích dẫn mạnh hơn của Sonnet biện minh cho việc đưa nó vào đánh giá ngay cả khi Hydrogen thắng các hạng mục khác.

Công việc tri thức, tệp đa phương thức và sử dụng máy tính

Hydrogen dẫn các hạng mục công việc tri thức, đa phương thức và suy luận được hiển thị. Sonnet dẫn tập con sử dụng máy tính OSWorld offline. Các con số đô-la của Vending-Bench là số dư benchmark mô phỏng, không phải giá API, doanh thu khách hàng hay lợi nhuận bạn có thể mong đợi.

Tài liệu phương pháp luận của Google (PDF) quy định thiết lập Agents' Last Exam v1.1 gồm 122 tác vụ dùng phiên bản tác vụ ngày 17 tháng 10, trước bản cập nhật ngày 26 tháng 10. OSWorld dùng 82 tác vụ offline, với điểm Hydrogen/Sonnet được lấy tối đa trên ba lần chạy một lần thử. Chartography, AutomationBench, MKA và HLE dùng các nguồn và thiết lập khác được nêu rõ. Các hạng mục này có đơn vị và cách tổng hợp khác nhau; việc đếm số lần thắng hay lấy trung bình chúng sẽ che khuất những khác biệt đó.

Trang Terra chính thức của OpenAI nhấn mạnh suy luận hình ảnh, sử dụng máy tính chính xác và viết lách. Điều đó khiến Terra trở thành ứng viên phù hợp cho quy trình làm việc trên màn hình, nhưng mô tả sản phẩm không xóa bỏ các kết quả benchmark hỗn hợp ở trên.

Giá API và ngân sách tác vụ cùng số token

Mức giá Standard không cache chính thức là Hydrogen $1.50 / $7.50, Sonnet 5.5 $2 / $10, và Terra $1 / $5 trên một triệu token input / output. Hydrogen thấp hơn 25% so với giá của Sonnet nhưng cao hơn 50% so với giá của Terra.

Giả định 100,000 token input và 20,000 token output được tính phí mỗi tác vụ, với 1,000 tác vụ riêng biệt để Terra vẫn nằm trong bậc giá ngắn hạn. Bao gồm cả suy luận trong output. Các tính toán bên dưới giữ cố định số token; các mô hình có thể dùng tokenizer và độ dài suy luận khác nhau trong công việc thực tế.

Mức giá quảng cáo thấp nhất không giống với chi phí thấp nhất trên mỗi tác vụ được chấp nhận. Một tuyến rẻ hơn nhưng cần nhiều lần thử lại hoặc chỉnh sửa thủ công hơn có thể tốn kém hơn tổng thể. Bài viết này chưa đo lường tỷ lệ chấp nhận, độ trễ hay chất lượng output ở cấp độ tuyến.

Mức giá Hydrogen Batch/Flex của Google là $0.75 / $3.75; mức giá Terra Batch/Flex của OpenAI là $0.50 / $2.50, và Anthropic Batch cung cấp giảm giá 50% token. Input có cache trực tiếp còn rẻ hơn nữa và cần tính toán riêng cho cache-write/hit. Prompt Terra vượt quá 272K token input kích hoạt mức giá toàn yêu cầu gấp 2 lần input/cache và 1.5 lần output; mức giá Standard hiện tại của Hydrogen là cố định trên toàn cửa sổ hợp nhất của nó. Công cụ, khu vực, thuế, phí nền tảng và các lần thử lại không được tính trong bảng.

Hydrogen so với Carbon và Argon: khi nào nên giữ một mô hình frontier

Google khuyến nghị Hydrogen cho lập trình thường ngày, ứng dụng phản hồi nhanh, tài liệu đa phương thức và thực thi song song. Carbon vẫn là mô hình frontier mạnh nhất của họ cho kiến trúc khó, khoa học, bảo mật và gỡ lỗi phức tạp. Argon hướng tới công việc dài hạn phức tạp với lượng token sử dụng thấp hơn Carbon. Đây là sự phân biệt theo loại tác vụ, không phải quy tắc rằng Hydrogen phải đảm nhận mọi tác vụ dễ hay Carbon thắng mọi benchmark.

Google báo cáo 51 điểm Intelligence Index cho Hydrogen ở mức high mặc định, 54 ở mức xhigh, và 50 cho Argon khi ra mắt. So sánh Hydrogen xhigh với Argon mặc định mà không nêu rõ thiết lập sẽ phóng đại một kết quả cùng-effort thuần túy. Hydrogen mặc định ở mức high; mức mặc định gốc của Carbon/Argon là medium.

Mức giá Hydrogen Standard hiện tại của Google thấp hơn 25% so với mức giá giới thiệu $2/$10 của Carbon/Argon. Mức giá $4/$20 theo lịch trình tháng 12 của họ sẽ khiến Hydrogen rẻ hơn 62.5%, tức 37.5% chi phí của họ cho cùng số token cố định. Tuy nhiên, trên APIMaster, báo giá khởi điểm hiện tại của Carbon/Argon đã thấp hơn Standard Hydrogen trực tiếp. Đó là so sánh các mô hình và kênh mua khác nhau, không phải bằng chứng về giá Hydrogen trên APIMaster.

Xem Carbon so với Argon để có so sánh chuyên biệt của chúng và tổng quan Hydrogen để biết chi tiết di chuyển từ Flash.

Cách chạy so sánh công bằng trước khi di chuyển

Dùng cùng các input đã lưu, công cụ, giới hạn tác vụ và tiêu chí chấp nhận. Khai báo rõ ràng các thiết lập suy luận và ghi lại tổng input, suy luận/output, cache hits, số lần thử lại, thời gian trôi qua và các chỉnh sửa thủ công. Bắt đầu với một tập nhỏ đại diện thay vì coi bảng xếp hạng khi ra mắt là bảo đảm cho môi trường production.

Các endpoint gốc và tương thích có hợp đồng tính năng khác nhau. Cửa sổ chia sẻ của Hydrogen là 1,048,576 token với 65,536 token output đồng bộ mỗi hop; decode dài cần tiếp tục hoặc thực thi nền. Các công cụ và thought signature của Google phải được bảo toàn chính xác. Terra hỗ trợ input văn bản/hình ảnh và output văn bản; gọi công cụ chính thức của nó yêu cầu Responses. Xác minh hỗ trợ công cụ của một tuyến trước khi chuyển client.

Để biết khả năng truy cập APIMaster hiện tại: đăng ký → tạo API key → dùng https://apimaster.ai/v1 và gpt-6.1-terra hoặc claude-sonnet-5-5 sau khi kiểm tra thẻ Terra và thẻ Sonnet. Model ID của Hydrogen là gemini-4-hydrogen, nhưng không có tuyến APIMaster công khai nào được liệt kê tại thời điểm kiểm tra này.

FAQ

Hydrogen có tốt hơn Claude Sonnet 5.5 không?

Nó dẫn đầu nhiều hạng mục trong bảng được báo cáo của Google, bao gồm SWE-sweep và MKA. Sonnet dẫn đầu Terminal-Bench 4.1, biến thể khoa học và tập con OSWorld offline. Hãy chọn theo tác vụ của bạn thay vì tuyên bố một người thắng phổ quát.

Hydrogen có rẻ hơn GPT-6.1 Terra không?

Không, ở mức giá Standard ngắn hạn không cache trực tiếp: Hydrogen là $1.50/$7.50 so với $1/$5 của Terra. Độ dài ngữ cảnh, suy luận, cache và tuyến được mua có thể thay đổi chi phí thực tế.

APIMaster có chạy các benchmark này không?

Không. Các con số được chép lại từ đánh giá khi ra mắt chính thức của Google và các nguồn bên ngoài được ghi chép của nó. Bảng ngân sách là phép tính số học từ các mức giá được công bố; đây không phải bài kiểm tra hiệu suất có trả phí.

Tôi có nên thay Carbon hoặc Argon bằng Hydrogen không?

Hãy kiểm thử Hydrogen cho việc thực thi lặp lại và giữ Carbon hoặc Argon ở nơi suy luận sâu hơn cải thiện kết quả được chấp nhận. Google hỗ trợ quy trình làm việc đa mô hình; điều đó không xác lập hành vi giống hệt nhau trên mọi endpoint tương thích.

Tôi có thể dùng cả ba mô hình qua APIMaster ngay bây giờ không?

Sonnet 5.5 và Terra có tuyến công khai tại thời điểm kiểm tra. Hydrogen không có tuyến nào; các tuyến Hydrogen giảm giá đang được triển khai. Không nên cấp vốn cho việc di chuyển sang Hydrogen cho đến khi tuyến thực tế của nó được liệt kê.

Nguồn

• Ra mắt Google Hydrogen, phương pháp luận/kết quả đánh giá và hướng dẫn di chuyển/lựa chọn.
• Giá hiện tại của Google.
• Đặc tả OpenAI GPT-6.1 Terra và giá API.
• Giá Anthropic.
• Model card APIMaster, kiểm tra ngày 13 tháng 11 năm 2026.
• So sánh nhà cung cấp Hydrogen · tổng quan Hydrogen.