Gemini 4 Hydrogen ganha nível de raciocínio xhigh e fica até 6 vezes mais caro para empatar com o Neon
A versão 0.38.1 do plugin llm-gemini corrige um bug que escondia o nível de raciocínio xhigh em dois modelos da família Gemini 4. Os números mostram o que esse nível extra custa em tokens e em dólares.
· 5 min de leitura
Este artigo foi escrito por Lucas Ferraz. Conteúdo produzido por agente de IA da redação AI Brasil, sob revisão editorial humana. Saiba como produzimos no expediente.
A versão 0.38.1 do plugin llm-gemini corrige um bug que escondia o nível de raciocínio xhigh em dois modelos da família Gemini 4. Os números mostram o que esse nível extra custa em tokens e em dólares.
O desenvolvedor Simon Willison publicou em 20 de novembro de 2026 a versão 0.38.1 do llm-gemini, o plugin que conecta sua ferramenta de linha de comando llm aos modelos Gemini do Google. A mudança corrige um bug específico: dois modelos da família Gemini 4, batizados Hydrogen e Neon, ganharam um quarto nível de raciocínio chamado xhigh, além dos já existentes low, medium e high. O plugin não expunha essa opção, e agora expõe.
O terceiro modelo da leva, Gemini 4 Carbon, continua limitado a low, medium e high: não tem xhigh. Isso já é informação prática para quem escolhe modelo via llm: se o objetivo é espremer o máximo de raciocínio do Gemini, Carbon está fora da lista, só Hydrogen e Neon aceitam o nível extra.
O que o xhigh muda: a tabela que importa
Willison testou o novo nível no seu exercício de sempre: pedir a um modelo que desenhe um pelicano andando de bicicleta em SVG, um teste informal que ele mantém como régua qualitativa (não um benchmark formal) para comparar como os modelos lidam com uma instrução visual e criativa fora do padrão. Com o Gemini 4 Hydrogen, o salto de high para xhigh foi assim:
| Nível de raciocínio | Tokens de saída | Custo da chamada |
|---|---|---|
| high | 5.311 | US$ 0,0399 (3,99 centavos) |
| xhigh | 31.477 | US$ 0,2361 (23,61 centavos) |
A diferença chega a quase 6 vezes em tokens de saída e em custo da chamada. Não é coincidência as duas colunas subirem na mesma proporção: isso aponta para algo específico de como o preço é calculado.
O preço por token não mudou, o volume sim
Fazendo a conta que o post de Willison não faz: 3,99 centavos para 5.311 tokens dá cerca de US$ 7,51 por milhão de tokens de saída. 23,61 centavos para 31.477 tokens dá cerca de US$ 7,50 por milhão. É o mesmo preço por token, dentro da margem de arredondamento. O xhigh não é uma tabela de preço mais cara: é o modelo gerando muito mais token de raciocínio antes de responder, e cada um desses tokens de "pensar" entra na conta pelo mesmo preço que um token de resposta.
Isso muda a pergunta que vale fazer antes de escolher o nível. Não é "o xhigh é uma tier mais cara", é "quanto raciocínio extra esse problema específico precisa, sabendo que cada rodada de pensamento a mais sai do bolso pelo mesmo preço por token que a resposta final".
O que "competitivo com o Neon" realmente quer dizer
Willison escreve que o pelicano gerado pelo Hydrogen em xhigh é competitivo com o que o Gemini 4 Neon produz. Vale separar duas coisas aqui: isso é uma avaliação qualitativa de uma pessoa olhando para um desenho de SVG, feita por quem testa modelos pra viver, não um benchmark formal com métrica reprodutível. É também um teste de um prompt só, não uma suíte de avaliação.
O post não informa quanto custou a chamada equivalente no Neon nem em qual nível de raciocínio ele rodou, então não dá para dizer se Hydrogen em xhigh fica mais barato, mais caro ou empatado em custo total com Neon fazendo a mesma tarefa. O que dá para afirmar, com os números publicados, é que dentro da própria família Hydrogen, subir de high para xhigh custa quase 6 vezes mais para fechar essa distância de qualidade percebida.
O ajuste xhigh faz uma diferença significativa no Hydrogen.
The xhigh setting for Hydrogen makes a significant difference.Simon Willison, criador do llm e do plugin llm-gemini
Como ativar o xhigh pela linha de comando
Nota da redação: os comandos e nomes de flag desta seção não constam na fonte oficial consultada e não foram validados em ambiente real. Confira na documentação atual do plugin llm-gemini antes de usar em produção.
Quem já usa o llm para rodar Gemini via llm-gemini pode atualizar o plugin com um comando no padrão da ferramenta:
llm install -U llm-geminiDepois disso, o nível de raciocínio entraria como opção de modelo, no mesmo padrão que o llm costuma usar para outros parâmetros (temperatura, formato de resposta etc.), passado com a flag -o:
llm -m <id-do-modelo-hydrogen> -o reasoning_effort xhigh "descreva o problema aqui"O id exato do Gemini 4 Hydrogen muda conforme o Google atualiza as versões preview, então o caminho mais seguro é consultar o comando de listagem de modelos do próprio llm para achar o nome corrente e conferir, na documentação do plugin instalado, se o nome da opção de raciocínio é mesmo reasoning_effort e quais valores ela aceita para aquele modelo específico. É mais rápido checar na própria ferramenta do que confiar num nome fixo escrito num artigo.
Quando vale pagar 6x mais, e quando não vale
Para tarefa pontual e crítica (plano de arquitetura complexo, depuração de um bug difícil de reproduzir, uma decisão que custa caro errar), pagar 23,61 centavos a chamada em vez de 3,99 é dinheiro bem trocado: o ganho de qualidade pode valer muito mais do que os 20 centavos extras.
O problema aparece em escala. Rodando a mesma tarefa 10 mil vezes por mês, a conta de high fecha perto de US$ 399; a de xhigh sobe para cerca de US$ 2.361. É uma diferença de quase US$ 2 mil por mês para o mesmo volume, estimativa direta a partir dos valores por chamada do teste de Willison, não um número medido num pipeline real.
Em produção com volume alto e tarefa repetitiva (classificar texto, extrair dado estruturado, responder FAQ), o nível high (ou até medium) costuma bastar e o xhigh vira gasto que não se paga sozinho. A recomendação prática é testar o próprio caso com os dois níveis antes de fixar um padrão: o ganho de qualidade do xhigh é real, mas só compensa quando o erro do nível mais barato custa mais caro que os centavos extras por chamada.
Fonte: Simon Willison

Cobre a parte técnica da inteligência artificial para quem constrói e opera sistemas: desenvolvedores, analistas e times de TI. Compara modelos, mostra o código e o prompt, mede o resultado e diz quanto custa, para o leitor conseguir repetir na própria empresa.