
Gemini 4 Hydrogen: giá $1.50/$7.50, khi nào bỏ 3.8 Flash
Google DeepMind ra Gemini 4 Hydrogen ngày 12/11, giá $1.50/$7.50 mỗi triệu token. Bài viết so số liệu với 3.8 Flash và cách chốt ngân sách token.
Bạn đang chạy Gemini 3.8 Flash cho một pipeline agent, hoá đơn token tháng này phình ra, mà độ trễ vẫn chưa đẹp. Sếp hỏi "có model nào rẻ hơn không", bạn chưa có con số nào để trả lời.
Ngày 12/11/2026, Google DeepMind công bố Gemini 4 Hydrogen kèm bảng giá và benchmark cụ thể. Bài này gom đúng các số đó, rồi chỉ cách dựng chốt chặn ngân sách token trước khi bạn đổi model trên production.
Giá: $1.50 vào, $7.50 ra, phẳng trên toàn bộ 1 triệu token
Theo thông báo của Google DeepMind, Gemini 4 Hydrogen có giá $1.50 / 1 triệu token input và $7.50 / 1 triệu token output, và mức giá này phẳng trên toàn bộ cửa sổ ngữ cảnh 1 triệu token.
Chi tiết "phẳng" quan trọng hơn con số tuyệt đối. Nhiều bảng giá tính bậc cao hơn khi prompt vượt một ngưỡng context nhất định. Ở đây không có bậc đó, nên chi phí cho một request dài có thể ước lượng tuyến tính theo số token — bạn chỉ cần đếm token, không cần dò bậc giá.
Google đặt Hydrogen cạnh hai model frontier của họ: "While our frontier models, Gemini 4 Carbon and Gemini 4 Argon, excel at deep, long-horizon reasoning on your hardest problems, Hydrogen is built for rapid execution across diverse agentic workflows." Nói cách khác, đây là model để chạy việc, không phải để nghĩ kiến trúc.
Nếu bạn đang ở 3.8 Flash: ba con số cần nhìn
Google mô tả Hydrogen là bước nhảy lớn cho đội đang migrate từ Gemini 3.8 Flash, với ba điểm đo được:
- Nhanh hơn 2.5 lần ở mức thinking high mặc định.
- Điểm Terminal-Bench 4.1 đạt 57%, so với 18.2% của 3.8 Flash.
- Giảm hơn 5 lần số câu bịa (fabricated claims), và xử lý gọn hơn khi một tool call lỗi hoặc search trả về rỗng.
Về tiêu thụ token, Google dẫn kết quả thử nghiệm sớm từ đối tác: Hydrogen chạy "2x to 2.8x faster while reducing token usage by 12% to 23%, compared to 3.8 Flash" trên các workload đồ thị phức tạp, SQL và dữ liệu nặng. Đây là số do Google công bố từ thử nghiệm nội bộ với đối tác, không phải đo độc lập — hãy coi nó là giả thuyết cần kiểm chứng trên workload của bạn, không phải cam kết.
Hydrogen đứng ở đâu so với Carbon và Argon
Điểm gây chú ý nhất trong thông báo: Hydrogen vượt chính model frontier Argon trên Artificial Analysis Intelligence Index ở mức thinking high mặc định, 51 so với 50, và lên 54 ở mức thinking xhigh cao nhất.
Đừng đọc con số đó thành "Hydrogen mạnh hơn Argon ở mọi việc". Một chỉ số tổng hợp không nói gì về suy luận dài hơi trên codebase lớn, và chính Google vẫn xếp Carbon với Argon vào nhóm frontier cho bài toán khó nhất.
Cách Google đề xuất dùng chung là Orchestrator trong Google Antigravity — thay vì một model chạy từ đầu tới cuối, nó tự chuyển qua lại giữa Carbon và Hydrogen trong cùng một session. Trên Terminal-Bench 4.0, Google cho biết Orchestrator đạt tỉ lệ hoàn thành gần bằng Carbon trong khi tiêu tốn ít hơn 24% quota và nhanh hơn 19%.
Với team đang tự viết router model, đây là mô hình đáng tham khảo: model mạnh làm coordinator, model nhanh làm worker và verifier chạy song song trên các workspace tách biệt.
Các số về an toàn agent mà Google đưa ra
Phần này toàn là số do Google tự đánh giá, nên đọc với đúng trọng lượng của một self-report. Google công bố Hydrogen giảm tới 81% hành vi vượt quyền (overreach) và tới 79% hành vi làm thiếu việc trong tác vụ agentic, đồng thời cắt 12 lần các hành động lệch mục tiêu và cắt góc trong đánh giá tool-use lẫn coding.
Hai số đáng chú ý khác cho ai chạy agent có quyền thao tác hệ thống: tỉ lệ trung thực 96.7% trên bài đánh giá honesty nội bộ, và Hydrogen "preserves 99.9% chain-of-thought legibility with zero deceptive reasoning edits across more than 200,000 audited turns". Với indirect prompt injection, Google nói Hydrogen bền hơn từ 2.3 lần trở lên trên benchmark Gray Swan IPI.
Trước khi đổi model, hãy chốt ngân sách token
Đây là phần hay bị bỏ qua: đổi sang model rẻ hơn mỗi token không tự động làm hoá đơn nhỏ lại. Một bài hướng dẫn trên Dev.to về kiểm soát chi phí AI trong Node.js nêu đúng gốc vấn đề: "The application pays for the complete request, not just the latest user message." System instructions, lịch sử hội thoại, tài liệu RAG và định nghĩa tool đều tính tiền.
Bốn chốt chặn nên có trước khi bật model mới:
- Giới hạn output cho từng tính năng. Bài viết nhắc: một bản tóm tắt tài liệu không cần tới 5.000 token sinh ra. Lưu ý kỹ thuật kèm theo: giới hạn kiểu
max_completion_tokenscó thể bao gồm cả reasoning token không hiện trong phản hồi cuối. - Chặn kích thước input trước khi gọi model. Một check độ dài chuỗi chỉ là chặn payload, không phải chặn token — số token phụ thuộc nội dung và tokenizer, nên hãy dùng tokenizer đúng model hoặc endpoint đếm token của nhà cung cấp.
- Tách hạn mức theo từng workload. Chatbot, dịch thuật và tóm tắt tài liệu không nên dùng chung một giới hạn input; một ngưỡng toàn cục hiếm khi hợp với mọi tính năng.
- Đừng nhầm rate limit với cost control. Nguyên văn: "request rate limiting controls how frequently users call your application. It does not guarantee control over how much those requests cost."
Một bẫy triển khai cụ thể đáng nhớ nếu bạn đếm quota bằng Redis: INCR và EXPIRE là hai lệnh tách rời, nếu app chết ở giữa thì counter có thể nằm lại vĩnh viễn không hạn. Cách bài viết đề xuất là gộp hai thao tác vào một Redis Lua script để chúng chạy nguyên tử.
Cuối cùng, hãy ghi usage thật về phía ứng dụng thay vì chỉ nhìn dashboard của nhà cung cấp. Có log token theo từng tính năng và từng user, bạn mới so được chi phí Hydrogen với 3.8 Flash trên cùng một tập request.
Dùng thử ở đâu, và theo dõi tiếp cái gì
Hydrogen đã mở cho developer qua Gemini API trong AI Studio và bậc trả phí trong Android Studio; người đăng ký Google AI Pro hoặc Ultra dùng được trong Google Antigravity. Với người dùng cuối, Google ghi chú rằng tài khoản miễn phí trong Gemini app sẽ chạm Hydrogen qua cơ chế tự chọn model khi prompt phù hợp.
Việc cần làm tuần này: lấy 100 request thật từ log, chạy lại trên Hydrogen và 3.8 Flash, so ba cột — token in, token out, thời gian hoàn thành. Con số "rẻ hơn 12–23% token" chỉ có nghĩa khi nó xuất hiện trên chính workload của bạn.
Không spam, hủy đăng ký bất kỳ lúc nào.
Bài viết liên quan


llama.cpp 1.0: API đã ổn định, nhưng vẫn nên pin version
14 thg 11, 2026