Modo xhigh do Gemini 4 Hydrogen custa 6 vezes mais que o high: US$ 0,2361 em vez de US$ 0,0399 por resposta
O Gemini 4 Hydrogen tem um controle de "quanto pensar antes de responder", com os níveis high e xhigh, que é ainda mais alto. Simon Willison pediu ao modelo que desenhasse um pelicano andando de bicicleta: no high foram usados 5.311 tokens (unidades de texto cobradas) e 3,99 centavos; no xhigh, 31.477 tokens e 23,61 centavos. O custo ficou quase seis vezes maior, mas, segundo ele, as imagens são visivelmente diferentes. Por isso, o xhigh faz mais sentido em tarefas complexas do que como configuração padrão.
Processado por IA de X: @simonw; editado por Hamidun News
Os modelos atuais conseguem "pensar" antes de responder, e muitos oferecem uma configuração para definir por quanto tempo. No Gemini 4 Hydrogen, essas configurações são os níveis de raciocínio high (alto) e xhigh (ainda mais alto). Quanto mais tempo o modelo raciocina, mais texto ele gera. Esse texto é medido em tokens (pedaços convencionais de palavras), e é por eles que se paga. Simon Willison, desenvolvedor conhecido e autor de uma série de testes informais para modelos de linguagem, mostrou em um exemplo quanto essa diferença custa: o xhigh saiu por 23,61 centavos, enquanto o high custou 3,99 centavos para a mesma solicitação.
O que foi comparado
Willison testa modelos há tempos com a mesma tarefa informal: pedir que desenhem um pelicano andando de bicicleta em formato de imagem vetorial. A tarefa parece simples, mas exige montar um objeto reconhecível a partir de formas básicas, pensar nas proporções e na disposição dos detalhes. Ele executou o mesmo modelo, o Gemini 4 Hydrogen, duas vezes: com o nível high e com o nível xhigh.
Os resultados em recursos:
- high: 5.311 tokens de saída, custo de 3,99 centavos;
- xhigh: 31.477 tokens de saída, custo de 23,61 centavos.
Segundo o autor, a diferença entre os dois pelicanos é "muito significativa". As imagens foram anexadas à sua publicação, e a avaliação da qualidade é inteiramente dele: não comparamos as imagens e apenas reproduzimos a conclusão do autor.
Para onde vai o dinheiro
Se dividirmos o preço pelo número de tokens, em ambos os casos chega-se a cerca de US$ 7,50 por milhão de tokens de saída. Trata-se de uma estimativa grosseira com base nos números publicados, mas ela mostra o essencial: a tarifa por token é praticamente a mesma nos dois modos. A conta cresceu porque o modelo no xhigh escreveu 5,9 vezes mais: 31.477 tokens contra 5.311. O custo subiu quase na mesma proporção, 5,9 vezes.
Para um único desenho, a diferença é de cerca de 20 centavos de dólar, ou seja, trocados. Mas imagine um agente que faz centenas de chamadas por sessão, ou um serviço com dezenas de milhares de requisições por dia. Aí, o multiplicador de 5,9 se transforma na diferença entre "aceitável" e "ter que explicar ao diretor financeiro". Além disso, trinta mil tokens são gerados bem mais devagar do que cinco mil, então o tempo de espera pela resposta também aumenta. Essa é a nossa lógica, não um dado da publicação, mas ela decorre do volume de texto.
O que fazer com isso
Há três conclusões práticas.
Primeiro: não ative o nível máximo por padrão. Comece com o high e passe para o xhigh apenas onde você perceber de fato a diferença de qualidade em seus próprios exemplos: em tarefas complexas de programação com várias etapas ou na geração de estruturas sofisticadas.
Segundo: calcule o custo da tarefa, não do token. A tabela de preços mostra uma coisa, mas a conta real depende de quanto o modelo decidiu "pensar". Meça a média de tokens de saída por solicitação típica em cada nível e multiplique pela tarifa.
Terceiro: configure o roteamento. Direcione as solicitações simples para níveis baixos, as intermediárias para o high, e reserve o xhigh para os casos em que a primeira tentativa falhou ou em que o erro custa caro.
Limitações
Esta é uma única publicação e um único exemplo. O teste do pelicano é subjetivo e não é um benchmark com métrica definida, e um par de imagens não prova que o xhigh trará o mesmo ganho nas suas tarefas. Também não se sabe se o xhigh sempre gasta exatamente seis vezes mais tokens, já que o volume de raciocínio depende da complexidade de cada solicitação. Ainda assim, a aritmética é útil em qualquer caso. Antes de ativar o máximo, estime quantas vezes a conta vai crescer e verifique se o ganho de qualidade justifica esse custo.
- 22 de nov. de 2026Analistas fizeram as contas: em 2028, 87% da energia da Anthropic virá do gás e 11% do carvão
- 22 de nov. de 2026Dois juízes de IA em teste jurídico com 15 LLMs mostraram viés a favor dos seus: desvio de 0,04 ponto em 1
- 22 de nov. de 2026SEC investiga a contabilidade da Nvidia: ações caem 14% em um único dia
- 22 de nov. de 2026Projeto paralelo do LangChain virou startup avaliada em US$ 3 bilhões e captou US$ 300 milhões
Perguntas frequentes sobre a notícia
O que foi comparado?
Willison testa modelos há tempos com a mesma tarefa informal: pedir que desenhem um pelicano andando de bicicleta em formato de imagem vetorial. A tarefa parece simples, mas exige montar um objeto reconhecível a partir de formas básicas, pensar nas proporções e na disposição dos detalhes. Ele executou o mesmo modelo, o Gemini 4 Hydrogen, duas vezes: com o nível high e com o nível xhigh.
O que se sabe sobre Para onde vai o dinheiro?
Se dividirmos o preço pelo número de tokens, em ambos os casos chega-se a cerca de US$ 7,50 por milhão de tokens de saída. Trata-se de uma estimativa grosseira com base nos números publicados, mas ela mostra o essencial: a tarifa por token é praticamente a mesma nos dois modos. A conta cresceu porque o modelo no xhigh escreveu 5,9 vezes mais: 31.477 tokens contra 5.311. O custo subiu quase na mesma proporção, 5,9 vezes. Para um único desenho, a diferença é de cerca de 20 centavos de dólar, ou seja, trocados.
O que fazer com isso?
Há três conclusões práticas. Primeiro: não ative o nível máximo por padrão. Comece com o high e passe para o xhigh apenas onde você perceber de fato a diferença de qualidade em seus próprios exemplos: em tarefas complexas de programação com várias etapas ou na geração de estruturas sofisticadas. Segundo: calcule o custo da tarefa, não do token. A tabela de preços mostra uma coisa, mas a conta real depende de quanto o modelo decidiu "pensar".
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.