Водород
Оценка вывода
Верно: A+C+D, стоимость 16, ценность 31. Также определено, что A+C+E — единственный другой допустимый портфель с ценностью не менее 30.
Мы сравниваем опубликованные Google бенчмарки и цены API, а затем тестируем все три модели на одинаковых задачах с проверенными результатами, промптами, временем и использованием токенов.

Hydrogen имеет самую низкую официальную цену токена; Carbon нацелен на самое глубокое рассуждение; Argon балансирует передовые рассуждения и эффективность. Все три прошли наши четыре выполненных задания. Самый сложный тест кода выявил различия в форматировании и объяснениях, а не победителя в правильности.
У Google теперь есть три модели Gemini 4, названия которых почти ничего не говорят о том, какую выбрать. Стоит ли начать с Hydrogen, использовать Argon для сложных задач или платить за более глубокие рассуждения Carbon?
Полезное сравнение — это способность для каждой задачи: что каждая модель может решить, сколько рассуждений она использует и сколько стоит готовый ответ. Официальные результаты бенчмарков дают нам отправную точку; для того чтобы увидеть, где эти различия важны, нужны сложные задачи с одинаковыми запросами.
Мы протестировали все три модели на одних и тех же задачах через GlobalGPT. Если вы хотите сравнить свою рабочую нагрузку, начните с GlobalGPT и проверьте текущие варианты моделей и условия использования вашей учетной записи.
Создан для быстрое повседневное кодирование и агентное выполнение.
Может работать автономно или выполнять задачи вместе с моделями более глубокого рассуждения.
Индекс, сообщенный Google: 51 при высоком уровне мышления, 54 при xhigh.
Источник: Анонс Hydrogen от Google.
Самая высокопроизводительная модель рассуждений Gemini 4.
Предназначена для сложной отладки, научных исследований и расширенной проверки.
Может использовать больше токенов рассуждений, чем Argon, несмотря на одинаковую стоимость за токен.
Источник: Анонс доступности Carbon от Google.
Эффективное передовое рассуждение для сложных задач программирования, математики и науки.
Google позиционирует её как более быструю и менее токеноёмкую, чем Carbon.
Её роль — баланс между глубиной рассуждений и стоимостью задачи.
Источник: Документация Google по моделям и ценам.
ОПУБЛИКОВАННЫЙ БЕНЧМАРК · ЧЕМ ВЫШЕ, ТЕМ ЛУЧШЕ
Быстрый просмотр оценок, о которых сообщила Google.
Это опубликованные результаты, о которых сообщила Google, проверено 15 ноября 2026 г. Это не оценки наших собственных тестов. Показатель Carbon взят из его анонса; показатели Hydrogen и Argon взяты из анонса Hydrogen выше. Это сравнение источников по анонсам, а не новый прогон таблицы лидеров для трех моделей с независимо проверенными идентичными настройками.
Не помещайте показатели Terminal-Bench 4.0 и 4.1 в одну ранжированную колонку. Изменение версии оценки может изменить сложность задач, поэтому проценты не позволят сделать справедливый прямой вывод.

Стандартные цены Gemini API в долларах США за один миллион токенов, проверено 15 ноября 2026 г.:
СТАНДАРТНЫЙ GEMINI API · ДОЛЛ. США ЗА 1 МЛН ТОКЕНОВ
Ввод
ВЫВОД · ВКЛЮЧАЯ РАЗМЫШЛЕНИЯ
Ввод
ВЫВОД · ВКЛЮЧАЯ РАЗМЫШЛЕНИЯ
Ввод
ВЫВОД · ВКЛЮЧАЯ РАЗМЫШЛЕНИЯ
*Текущие опубликованные тарифы Hydrogen не предусматривают повышения в декабре; это не гарантия от будущих изменений. В выставление счетов за вывод включены токены мышления. Плата за поиск и другие инструменты взимается отдельно. Это тарифы Google API, а не цены подписки или конвертации кредитов GlobalGPT.
При фиксированном количестве токенов Hydrogen стоитна 25% меньше чем Carbon или Argon по их начальным тарифам. По сравнению с объявленными декабрьскими тарифами эта разница становится 62,5%. Фактическая стоимость задачи также зависит от токенов рассуждения, повторных попыток и использования инструментов.
Например, 100 000 входных токенов и 20 000 оплачиваемых выходных токенов стоят $0,30 на Hydrogen, $0,40 на Carbon или Argon до 30 ноября и $0,80 на Carbon или Argon с 1 декабря. Этот расчет не включает инструменты, кэширование, пакетные скидки и повторные попытки; он не предсказывает, сколько токенов потребуется каждой модели.
У Hydrogen есть бесплатный уровень API с ограничением скорости. У Carbon и Argon его нет. Потребительские подписки — это отдельная покупка со своими правилами доступа.
Источник: Цены на Google API.

Мы протестировали Hydrogen, Carbon и Argon на четырех одинаковых задачах. Первые три проверяли базовую точность; последняя задача требовала полной программы точного поиска, которую мы запустили и сверили с независимо вычисленным ответом.
Одинаковые входные данные и системная инструкция для каждой задачи.
Новые запросы, контекст проекта отключён, без использования инструментов модели.
Правильность, формат вывода, время и использование токенов оцениваются отдельно.
ТЕСТ 1 · БАЗОВЫЙ УРОВЕНЬ ТОЧНОСТИ
Выберите оптимальный портфель и определите все подходящие альтернативы.
Solve exactly, showing verifiable arithmetic and a proof of optimality. Six indivisible projects have (cost, value): A(7,13), B(6,12), C(5,10), D(4,8), E(3,7), F(2,4). Budget=16. C requires A. D and E cannot both be selected. B requires at least one of D or F. Select projects maximizing total value; break ties by lower cost then alphabetically sorted project-list. Give chosen list, cost, value and enumerate all feasible candidates with value at least 30. No external tools or web.
Верно: A+C+D, стоимость 16, ценность 31. Также определено, что A+C+E — единственный другой допустимый портфель с ценностью не менее 30.
Верно: A+C+D, стоимость 16, ценность 31. Также определено, что A+C+E — единственный другой допустимый портфель с ценностью не менее 30.
Верно: A+C+D, стоимость 16, ценность 31. Также определил A+C+E как единственный другой допустимый портфель с ценностью не менее 30.
Вердикт по задаче: Все три прошли основные проверки ответов.
ТЕСТ 2 · БАЗОВЫЙ УРОВЕНЬ ТОЧНОСТИ
Отделите совокупную конверсию от эффектов на уровне устройств и стандартизированного прироста.
Analyze a randomized experiment using only these counts. Variant A: mobile 90 purchases/900 visitors; desktop 80/100. Variant B: mobile 20/100; desktop 630/900. Show overall and device-specific conversion rates, absolute lifts B-A, and a standardized B-A lift using 50% mobile/50% desktop. Explain the reversal, distinguish observational aggregate from randomized causal interpretation, and state exactly what randomization details are missing. May we claim B wins overall and in both devices? Do not invent significance or revenue. No external tools or web.
Верно: B лидирует на 48 процентных пунктов в целом, но теряет 10 пунктов на десктопе. Обычное сочетание устройств 50/50 дает нулевой лифт. Отклонена победа в обоих сегментах.
Верно: B лидирует на 48 процентных пунктов в целом, но теряет 10 пунктов на десктопе. Обычное сочетание устройств 50/50 дает нулевой лифт. Отклонил победу в обоих сегментах.
Верно: B лидирует на 48 процентных пунктов в целом, но теряет 10 пунктов на десктопе. Обычное соотношение устройств 50/50 дает нулевой прирост. Отклонил победу в обоих сегментах.
Вердикт по задаче: Все три прошли основные проверки ответов.
ТЕСТ 3 · БАЗОВЫЙ УРОВЕНЬ ТОЧНОСТИ
Правильно применяйте изменения, аннулирования и возвраты, затем возвращайте строгий JSON.
Return valid JSON only, no Markdown. Reconcile event ledger by event_id: retain highest revision, then exclude void=true. Amounts are integer cents; refund amounts subtract from captured revenue even when received before capture; group by order_id; ignore pending. Ledger: [e1,r1,o1,capture,1000,false];[e1,r2,o1,capture,1200,false];[e2,r1,o1,refund,200,false];[e3,r1,o2,refund,300,false];[e4,r1,o2,capture,2000,false];[e5,r1,o3,capture,500,false];[e5,r2,o3,capture,500,true];[e6,r1,o3,pending,900,false];[e7,r1,o4,capture,700,false];[e8,r1,o4,refund,800,false];[e8,r2,o4,refund,600,false];[e9,r1,o2,refund,100,false]. Output keys orders (array sorted by order_id with order_id,net_cents,retained_event_ids sorted lexically), total_net_cents, excluded_event_ids (superseded event versions written as event_id:rN plus void and pending versions). Include o3 with zero net. No external tools or web.
Верно: итоги заказа 1 000, 1 600, 0 и 100 центов; всего 2 700 центов. Необработанный вывод разобран как JSON без очистки.
Верно: итоги заказа 1 000, 1 600, 0 и 100 центов; всего 2 700 центов. Необработанный вывод разобран как JSON без очистки.
Верно: итоги заказа 1 000, 1 600, 0 и 100 центов; всего 2 700 центов. Необработанный вывод разобран как JSON без очистки.
Вердикт по задаче: Все три прошли основные проверки ответов.
ТЕСТ 4 · ЗАДАЧА ЖЁСТКОГО КОДИРОВАНИЯ
Сгенерируйте исполняемый код Python для поиска с ограничениями; мы запускали каждую программу и сравнивали с независимым исчерпывающим эталоном.
Find the EXACT top 5 feasible portfolios, ranked by highest total value, then lowest total cost, then lexicographic sorted ID string. Items (ID,cost,value): [('A', 9, 19), ('B', 7, 16), ('C', 11, 25), ('D', 6, 13), ('E', 8, 18), ('F', 5, 12), ('G', 10, 23), ('H', 4, 9), ('I', 12, 29), ('J', 3, 8), ('K', 7, 17), ('L', 6, 15), ('M', 9, 22), ('N', 5, 11), ('O', 8, 20), ('P', 4, 10), ('Q', 11, 27), ('R', 2, 5)]. Budget 55; choose between 6 and 9 items inclusive. Dependencies: C requires A; G requires B and D; I requires E; M requires F and H; Q requires J and K. Mutually exclusive pairs: (A,B),(E,F),(L,N),(O,Q). At least 2 of C,G,I,M,Q. Exactly 2 of D,H,L,P. At least one of B,F,J,N,R. If O is selected then P is selected and K is absent. If R is selected then exactly one of A,E is selected. Return ONLY executable Python 3 code, at most 120 lines. Implement an exact exhaustive search, print JSON with keys feasible_count and top5 (each row [sorted_ID_string,cost,value]). Do NOT manually calculate or hardcode the answer. State complexity in a code comment. Use only itertools and json; no filesystem, network, subprocess or other imports. The code will be executed and checked against an independent exhaustive reference.Пройдено: исполняемый код вернул 121 допустимых портфелей и правильную пятёрку лучших. Включал правильное количество комбинаций и более полное объяснение сложности.
Пройдено: возвращён исполняемый код 121 допустимых портфелей и правильная первая пятёрка. Количество комбинаций было верным; в примечании о сложности опущен последний член сортировки.
Пройдено после удаления ограждения Markdown: код возвращён 121 допустимых портфелей и правильная первая пятёрка. В комментарии утверждалось 115 379 комбинаций вместо 142 766, и в примечании о сложности была опущена сортировка.
Вердикт по задаче: Функциональная корректность равна. Hydrogen дал самое чистое сочетание исполняемого форматирования и объяснения в этом запуске.
Время — это наблюдения за однократными сквозными запусками, включая время сети и очереди, при этом запросы выполнялись одновременно. Токены отражают использование ввода/вывода и могут включать токены рассуждений или обертки запроса; это не долларовые сборы. Отдельная попытка прямого ответа достигла ограничений скорости или локального тайм-аута и была исключена из оценки качества. В приведенной выше задаче по кодированию использовался новый согласованный промпт.
Начните с Hydrogen, когда его более низкие официальные тарифы на токены подходят для вашей рабочей нагрузки. Оставьте Argon в сравнении, если вы цените эффективное фронтирное рассуждение: он правильно решил нашу задачу кодирования с точным поиском после очистки форматирования. Оцените Carbon для работы, требующей более глубокого исследования; этот набор тестов не продемонстрировал преимущества в корректности, которое оправдало бы выбор его по умолчанию. Проверяйте отображаемую плату платформы отдельно от тарифов Google API.
У Hydrogen самые низкие указанные стандартные тарифы API: 1,50 доллара за миллион входных токенов и 7,50 доллара за миллион выходных токенов, проверено 15 ноября 2026 года.
Их указанные стандартные тарифы на токены равны. Carbon всё равно может стоить дороже за задачу, если использует больше токенов рассуждения или шагов проверки.
Нет. Проверьте версию бенчмарка и настройку мышления, затем протестируйте модель на репрезентативных задачах с независимо проверяемыми ответами.
Мы запустили каждый сгенерированный Python-решатель и сравнили его допустимое количество и пять лучших портфелей с независимым эталоном полного перебора.
Наше руководство по доступу к Argon объясняет различия между доступом к платформе, подписками Google, AI Studio и биллингом API.
Подробнее о доступе читайте в как использовать Gemini 4 Argon. Чтобы сравнить модели в одной учетной записи, начните с GlobalGPT и проверьте выбранную модель и отображаемые условия использования.