Gemini 4 Hydrogen'i Denedim: 4 Düşünme Seviyesi, 1 Görev

Aynı kodlama görevini Gemini 4 Hydrogen'e dört düşünme seviyesinde verdim: dördü de görevi hatasız çözdü, ama low 14 saniyede ve 3.801 tokenla bitirirken xhigh 198 saniye ve 54.078 token harcadı. Yani bu görevde daha çok düşünmek sonucu değiştirmedi; yalnızca süreyi 14 katına, ücretli API'deki karşılığını yaklaşık 17 katına çıkardı.

Bu küçük bir test, bir benchmark değil. Tek görev, seviye başına tek koşu, 14 Kasım 2026'da Google AI Studio'da. Aşağıda ne yaptığımı, neyi ölçtüğümü ve bu sonucun neyi göstermediğini yazıyorum. Modelin kendisi için Gemini 4 Hydrogen nedir, bağımsız ölçümler için Hydrogen, Sonnet 5.5 ve GPT-6.1 Terra karşılaştırması yazılarına bakabilirsiniz.

Sonuç tablosu

Düşünme seviyesi	Süre	Çıktı tokenı (düşünme dahil)	Toplam token	Kod satırı	Gizli sınamalar	558 gerçek yazı	Ücretli API karşılığı
low	14,3 sn	3.051	3.801	179	18 / 18	fark yok	0,024 $
medium	21,2 sn	6.284	7.034	181	18 / 18	fark yok	0,048 $
high (varsayılan)	45,3 sn	9.799	10.549	208	18 / 18	fark yok	0,075 $
xhigh	197,6 sn	53.328	54.078	485	18 / 18	fark yok	0,401 $

Girdi her koşuda 750 token. Maliyet sütununu ücretli API fiyatından (milyon token başına 1,50 $ girdi, 7,50 $ çıktı) kendim hesapladım; koşular AI Studio'da yapıldı, bu tutarlar faturalanmış rakamlar değil.

Görev neydi?

Bu sitenin blog yazılarını denetleyen, bağımlılıksız tek dosyalık bir Node.js betiği istedim. Betik bir klasördeki Markdown dosyalarını okuyup on kuralı denetliyor:

• başlık 60, seoTitle 65 karakteri geçiyor mu,
• özet 120 ile 160 karakter arasında mı, üç noktayla bitiyor mu,
• gövdede birinci seviye başlık var mı,
• Türkçe dosyada uzun tire var mı,
• iç bağlantılar doğru dil önekini taşıyor mu, / ile bitiyor mu, var olan bir yazıya gidiyor mu,
• SSS başlığı birden fazla kez geçiyor mu.

İşi zorlaştıran ayrıntıları bilerek ekledim: uzunluk Unicode kod noktasıyla sayılacak (emoji iki birim sayılmasın), kod blokları ve satır içi kod yok sayılacak, ~~~ ile açılan blok içindeki ``` satırı bloğu kapatmayacak, bağlantıdaki #bölüm ve ?sorgu yolun parçası sayılmayacak. İstem 750 token tuttu ve dört koşuda harfi harfine aynıydı.

Nasıl ölçtüm?

• Ortam: Google AI Studio, model gemini-4-hydrogen, Google Arama ile temellendirme ve bütün araçlar kapalı, sistem istemi yok. Her seviye için yeni bir sohbet.
• Süre ve token: AI Studio'nun gösterdiği değerler. xhigh koşusunun süresini sayfadaki bir zamanlayıcıyla ölçtüm.
• Doğruluk, iki aşamada: Önce modelin görmediği 18 sınama dosyası (her kural ve her tuzak için en az bir dosya), beklenen sonuç elle yazıldı. Sonra bu sitedeki 558 gerçek yazı: modelin betiğinin çıktısını kendi yazdığım referans betiğin çıktısıyla dosya dosya karşılaştırdım. Ayrıca çıkış kodlarına baktım (sorun varsa 1, yoksa 0, klasör yoksa 2).

Dört betik de dört denetimden eksiksiz geçti.

Ne gördüm?

Bu görevde low yetti. İyi tanımlanmış, kuralları tek tek yazılmış bir işte en düşük seviye de bütün tuzakları doğru ele aldı. Daha yüksek seviyenin kazandırdığı bir doğruluk farkı ölçemedim, çünkü ölçülecek hata kalmadı.

Süre ve token doğrusal artmıyor. low'dan high'a süre yaklaşık 3 kat, token 2,8 kat arttı. high'dan xhigh'a ise süre 4,4 kat, token 5,1 kat. En pahalı adım son adım.

xhigh daha uzun kod yazdı, daha doğru değil. 485 satır, high'ın iki katından fazla. Sonuç aynıydı.

Varsayılan önemli. Hydrogen'in API'deki varsayılanı high. Bu görev için low ile aynı sonucu 3 kat sürede ve 3 kat maliyetle verdi. Kendi işinizde seviyeyi denemeden varsayılanda bırakmak, gereksiz ödemek anlamına gelebilir.

Artificial Analysis'in endeksi ise ters yönde bir uyarı veriyor: orada Hydrogen low seviyesinde 27, high seviyesinde 51 puan alıyor. Yani zor ve açık uçlu işlerde seviye sonucu çok değiştiriyor. İki bulgu çelişmiyor: benim görevim dar ve iyi tarif edilmişti.

Bu test neyi göstermiyor?

• Tek görev, tek koşu. Aynı istemi yeniden çalıştırınca süre ve token değişir; low'un her seferinde geçeceğini bu test kanıtlamaz.
• Görev kolay çıktı. Dört seviye de tam puan aldığı için seviyeler arasındaki yetenek farkını ayıramadı. Belirsiz, çok adımlı ya da büyük bir kod tabanına dokunan işlerde tablo farklı olabilir.
• AI Studio, API değil. Süreler arayüzden; API'de ağ ve kota koşulları farklıdır.
• Rakip yok. Bu yazı Hydrogen'i başka bir modelle karşılaştırmıyor.

Kendi işinizde nasıl denersiniz?

1. Gerçek işinizden bir görev seçin ve başarıyı sizin yerinize ölçecek sınamaları önce yazın.
2. Aynı istemi low, medium ve high ile çalıştırın; süreyi ve token sayısını not edin.
3. Geçen en düşük seviyeyi kullanın; xhigh'ı yalnızca daha düşük seviyelerin kaldığı işlere saklayın.

API'de seviyenin nasıl verildiğini Gemini 3.8 Flash'tan Hydrogen'e geçiş rehberinde, ücretsiz katmanı Hydrogen ücretsiz mi yazısında anlattım.

Sık Sorulan Sorular

Gemini 4 Hydrogen'de hangi düşünme seviyesini seçmeliyim?

Kuralları açık, dar bir görevde bu testte low yeterli oldu. Zor ve açık uçlu işlerde bağımsız ölçümler high ile low arasında büyük fark gösteriyor. En güvenlisi kendi görevinizde en düşük seviyeden başlayıp sınamalar geçene kadar yükseltmek.

xhigh ne kadar yavaş?

Bu görevde 197,6 saniye sürdü; high 45,3 saniye, low 14,3 saniye. Tek koşu olduğu için bunu kesin bir oran olarak değil, büyüklük sırası olarak okuyun.

Düşünme tokenları ücretlendiriliyor mu?

Evet. Google'ın fiyat sayfasına göre düşünme tokenları çıktı tokenı olarak faturalanıyor. Bu testte xhigh koşusunun 53.328 çıktı tokenının çoğu düşünmeye gitti.

Test ücretsiz mi yapıldı?

Koşular AI Studio'da yapıldı. Tablodaki dolar tutarları, aynı token sayılarının ücretli API fiyatındaki karşılığı.

Sonuçlar tekrar edilebilir mi?

İstem, 18 sınama dosyası, referans betik, modelin dört çıktısı ve sonuç dosyası bu sitenin deposunda scripts/experiments/hydrogen-dusunme-seviyeleri klasöründe duruyor. Model çıktısı her koşuda değişebileceği için sayılar birebir aynı çıkmayabilir.

Kaynak

• Kendi testim, 14 Kasım 2026, Google AI Studio (gemini-4-hydrogen): süre, token ve doğruluk sonuçları.
• Google, Gemini API fiyatları (14 Kasım 2026'da kontrol ettim): maliyet hesabındaki 1,50 $ ve 7,50 $ fiyatları, düşünme tokenlarının faturalanması.
• Google AI Studio dokümanları, What's new in Gemini 4 Hydrogen: düşünme seviyeleri ve varsayılanın high olması.
• Artificial Analysis, model sıralaması: Hydrogen'in seviyelere göre endeks puanları (27 ve 51).