Gemini 4 Hydrogen im Test: 4 Thinking-Stufen, 1 Aufgabe

Ich habe Gemini 4 Hydrogen dieselbe Coding-Aufgabe auf vier Thinking-Stufen gegeben: Alle vier lösten sie fehlerfrei, doch low war nach 14 Sekunden und 3.801 Tokens fertig, während xhigh 198 Sekunden und 54.078 Tokens brauchte. Bei dieser Aufgabe änderte mehr Nachdenken das Ergebnis nicht; es machte den Lauf nur 14-mal länger und seinen Gegenwert in der bezahlten API etwa 17-mal teurer.

Das ist ein kleiner Test, kein Benchmark. Eine Aufgabe, ein Lauf pro Stufe, am 14. November 2026 in Google AI Studio. Unten beschreibe ich, was ich getan habe, was ich gemessen habe und was dieses Ergebnis nicht zeigt. Zum Modell selbst lesen Sie Was ist Gemini 4 Hydrogen, zu unabhängigen Messungen den Vergleich von Hydrogen, Sonnet 5.5 und GPT-6.1 Terra.

Ergebnisse

Thinking-Stufe	Zeit	Ausgabetokens (inkl. Thinking)	Tokens gesamt	Codezeilen	Verdeckte Tests	558 echte Artikel	Gegenwert bezahlte API
low	14,3 s	3.051	3.801	179	18 / 18	keine Abweichung	0,024 $
medium	21,2 s	6.284	7.034	181	18 / 18	keine Abweichung	0,048 $
high (Standard)	45,3 s	9.799	10.549	208	18 / 18	keine Abweichung	0,075 $
xhigh	197,6 s	53.328	54.078	485	18 / 18	keine Abweichung	0,401 $

Die Eingabe umfasste in jedem Lauf 750 Tokens. Die Kostenspalte habe ich selbst aus dem Preis der bezahlten API berechnet (1,50 $ Eingabe und 7,50 $ Ausgabe pro Million Tokens); die Läufe fanden in AI Studio statt, es sind also keine abgerechneten Beträge.

Was war die Aufgabe?

Ich habe ein einzelnes Node.js-Skript ohne Abhängigkeiten verlangt, das die Blogartikel dieser Website prüft. Es liest die Markdown-Dateien eines Ordners und prüft zehn Regeln:

• ob der Titel 60 und seoTitle 65 Zeichen überschreitet,
• ob der Auszug zwischen 120 und 160 Zeichen lang ist und ob er mit Auslassungspunkten endet,
• ob der Text eine Überschrift erster Ebene enthält,
• ob eine türkische Datei einen Geviertstrich enthält,
• ob interne Links das richtige Sprachpräfix tragen, mit / enden und auf einen vorhandenen Artikel zeigen,
• ob die FAQ-Überschrift mehr als einmal vorkommt.

Erschwerende Details habe ich bewusst eingebaut: Längen werden in Unicode-Codepunkten gezählt (ein Emoji zählt nicht doppelt), Codeblöcke und Inline-Code werden ignoriert, eine ```-Zeile in einem mit ~~~ geöffneten Block schließt ihn nicht, und #fragment oder ?query in einem Link gehört nicht zum Pfad. Der Prompt umfasste 750 Tokens und war in allen vier Läufen zeichengenau identisch.

Wie habe ich gemessen?

• Umgebung: Google AI Studio, Modell gemini-4-hydrogen, Grounding mit der Google Suche und alle Tools aus, kein Systemprompt. Für jede Stufe ein neuer Chat.
• Zeit und Tokens: die Werte, die AI Studio anzeigt. Den xhigh-Lauf habe ich mit einem Timer in der Seite gemessen.
• Korrektheit in zwei Schritten: zuerst 18 Testdateien, die das Modell nie gesehen hat (mindestens eine je Regel und je Falle), das erwartete Ergebnis von Hand geschrieben. Dann die 558 echten Artikel dieser Website: Die Ausgabe des Modellskripts habe ich Datei für Datei mit der Ausgabe eines selbst geschriebenen Referenzskripts verglichen. Außerdem habe ich die Exit-Codes geprüft (1 bei Befunden, 0 ohne, 2 bei fehlendem Ordner).

Alle vier Skripte bestanden alle vier Prüfungen vollständig.

Was habe ich gesehen?

Bei dieser Aufgabe reichte low. Bei einer klar umrissenen Arbeit mit einzeln ausformulierten Regeln behandelte auch die niedrigste Stufe jede Falle richtig. Einen Genauigkeitsgewinn durch eine höhere Stufe konnte ich nicht messen, weil kein Fehler mehr übrig war.

Zeit und Tokens wachsen nicht linear. Von low zu high stieg die Zeit etwa auf das 3-Fache, die Tokens auf das 2,8-Fache. Von high zu xhigh stieg die Zeit auf das 4,4-Fache, die Tokens auf das 5,1-Fache. Der teuerste Schritt ist der letzte.

xhigh schrieb längeren Code, keinen richtigeren. 485 Zeilen, mehr als doppelt so viele wie high. Das Ergebnis war dasselbe.

Der Standard zählt. In der API ist high der Standard von Hydrogen. Bei dieser Aufgabe lieferte er dasselbe Ergebnis wie low in der dreifachen Zeit und zu dreifachen Kosten. Wer die Stufe ungeprüft auf dem Standard lässt, zahlt möglicherweise für nichts.

Der Index von Artificial Analysis weist allerdings in die andere Richtung: Dort erreicht Hydrogen bei low 27 und bei high 51 Punkte. Bei schwierigen, offenen Aufgaben verändert die Stufe das Ergebnis also stark. Die beiden Befunde widersprechen sich nicht: Meine Aufgabe war eng und genau beschrieben.

Was zeigt dieser Test nicht?

• Eine Aufgabe, ein Lauf. Ein erneuter Lauf desselben Prompts verändert Zeit und Tokens; dass low jedes Mal besteht, belegt dieser Test nicht.
• Die Aufgabe war leicht. Da alle vier Stufen die volle Punktzahl erreichten, konnte sie die Stufen nicht nach Fähigkeit trennen. Bei unklaren, mehrstufigen Aufgaben oder bei Arbeit an einer großen Codebasis kann das Bild anders aussehen.
• AI Studio, nicht die API. Die Zeiten stammen aus der Oberfläche; in der API gelten andere Netz- und Kontingentbedingungen.
• Kein Konkurrent. Dieser Artikel vergleicht Hydrogen mit keinem anderen Modell.

So probieren Sie es mit Ihrer eigenen Arbeit

1. Wählen Sie eine Aufgabe aus Ihrer echten Arbeit und schreiben Sie zuerst die Tests, die den Erfolg für Sie messen.
2. Führen Sie denselben Prompt mit low, medium und high aus; notieren Sie Zeit und Tokenzahl.
3. Nutzen Sie die niedrigste Stufe, die besteht; heben Sie sich xhigh für Arbeit auf, bei der die niedrigeren Stufen scheitern.

Wie die Stufe in der API gesetzt wird, steht im Leitfaden zum Wechsel von Gemini 3.8 Flash auf Hydrogen, das kostenlose Kontingent in Ist Gemini 4 Hydrogen kostenlos.

Häufig gestellte Fragen

Welche Thinking-Stufe sollte ich für Gemini 4 Hydrogen wählen?

Für eine enge Aufgabe mit klaren Regeln reichte in diesem Test low. Bei schwierigen, offenen Aufgaben zeigen unabhängige Messungen einen großen Abstand zwischen high und low. Am sichersten beginnen Sie bei Ihrer eigenen Aufgabe mit der niedrigsten Stufe und erhöhen sie, bis Ihre Tests bestehen.

Wie langsam ist xhigh?

Bei dieser Aufgabe dauerte es 197,6 Sekunden; high brauchte 45,3 Sekunden, low 14,3 Sekunden. Da es ein einzelner Lauf war, lesen Sie das als Größenordnung, nicht als exaktes Verhältnis.

Werden Thinking-Tokens berechnet?

Ja. Laut Googles Preisseite werden Thinking-Tokens als Ausgabetokens abgerechnet. In diesem Test entfiel der größte Teil der 53.328 Ausgabetokens des xhigh-Laufs auf das Thinking.

Wurde der Test kostenlos durchgeführt?

Die Läufe fanden in AI Studio statt. Die Dollarbeträge in der Tabelle geben an, was dieselben Tokenzahlen zum Preis der bezahlten API kosten würden.

Lassen sich die Ergebnisse reproduzieren?

Der Prompt, die 18 Testdateien, das Referenzskript, die vier Ausgaben des Modells und die Ergebnisdatei liegen im Repository dieser Website unter scripts/experiments/hydrogen-dusunme-seviyeleri. Die Modellausgabe kann sich von Lauf zu Lauf ändern, die Zahlen müssen also nicht exakt gleich ausfallen.

Quellen

• Eigener Test, 14. November 2026, Google AI Studio (gemini-4-hydrogen): Ergebnisse zu Zeit, Tokens und Korrektheit.
• Google, Preise der Gemini-API (geprüft am 14. November 2026): die Preise 1,50 $ und 7,50 $ für die Kostenrechnung, Abrechnung der Thinking-Tokens.
• Google AI Studio Dokumentation, What's new in Gemini 4 Hydrogen: Thinking-Stufen und high als Standard.
• Artificial Analysis, Modell-Bestenliste: Indexwerte von Hydrogen je Stufe (27 und 51).