Gemini 4 Hydrogen: qual nível de pensamento usar (low, medium, high, xhigh)?

Ilustração representando os quatro níveis de pensamento do Gemini 4 Hydrogen: low, medium, high e xhigh
Resposta rápida

Para agentes, ferramentas, código e refatoração, mantenha o high, que já é o padrão do modelo. Para alto volume com tarefas simples, desça para low; se precisar de mais qualidade sem perder muita latência, use o medium. Reserve o xhigh para matemática e ciência difíceis, verificação formal e engenharia de software de longo horizonte, porque ele custa mais por tarefa e pode pensar demais em prompts simples.

O Google anunciou o Gemini 4 Hydrogen em 12/11/2026 com foco em fluxos agênticos, conforme o post oficial no blog do Google. O modelo aceita quatro níveis de pensamento: low, medium, high e xhigh. O high vem como padrão, segundo o guia do desenvolvedor no Google Cloud.

O nível escolhido muda três coisas ao mesmo tempo: a velocidade da resposta, o custo da chamada e a profundidade do raciocínio.

Este guia serve para quem já usa o modelo pela API ou pelo AI Studio e quer saber quando sair do padrão.

Low, medium, high e xhigh: diferenças entre os quatro níveis

Os quatro níveis controlam quanto o modelo pensa antes de responder. Quanto mais alto o nível, mais tokens de pensamento ele gasta. A tabela resume o que a documentação de Thinking do Google Cloud e o guia do Hydrogen dizem sobre cada um.

NívelO que a documentação dizTipo de tarefa indicadoCuidado
lowUsa menos tokens de pensamento para respostas mais rápidasAplicações de alto volume com baixa complexidadeFeito para tarefa simples, não para problema complexo
mediumEquilibra qualidade de raciocínio e latênciaCasos que pedem um meio-termo entre rapidez e raciocínioNão é o padrão, precisa ser definido na chamada
highNível padrão do modeloLoops agênticos de várias etapas com ferramentas, geração de código, refatoração e análise multimodal complexaSe você não define nada, é ele que roda
xhighAloca a capacidade máxima de pensamentoMatemática e ciência mais difíceis, verificação formal e engenharia de software de longo horizontePode gerar excesso de raciocínio (overthinking) em prompts simples

Qual nível de pensamento usar em cada tipo de tarefa

O critério é a complexidade da tarefa, não a importância dela. Uma pergunta urgente, mas simples, não precisa do nível máximo.

Pense como escolher a marcha do carro: subir ladeira em quinta não funciona, e andar na reta em primeira só gasta combustível.

Resposta rápida do dia a dia e alto volume: low ou medium

Classificar mensagens, extrair um campo de um texto e responder perguntas curtas em escala são tarefas de baixa complexidade. É exatamente o cenário que a documentação indica para o low, que gasta menos tokens de pensamento e responde mais rápido.

O medium entra quando a tarefa ainda precisa de rapidez, mas o low começa a errar. Ele equilibra qualidade de raciocínio e latência.

Na prática, a pergunta é: o erro aqui custa caro? Se não custa e o volume é alto, comece pelo low.

Execução agêntica, ferramentas, código e refatoração: high

Para agentes que chamam ferramentas em várias etapas, geram código ou refatoram, a recomendação oficial é o high. E aqui tem uma vantagem: ele já é o padrão.

Ou seja, se você está montando um fluxo agêntico, não precisa mexer em nada. O modelo foi posicionado justamente para esse tipo de trabalho, então o padrão já atende o uso principal.

A análise multimodal complexa também entra nesse nível, segundo o guia do desenvolvedor.

Raciocínio pesado: xhigh

O xhigh é a capacidade máxima de pensamento. A documentação indica esse nível para matemática e ciência mais difíceis, verificação formal e engenharia de software de longo horizonte.

O que é engenharia de longo horizonte? São tarefas que exigem manter um plano coerente por muitos passos, como uma mudança grande de arquitetura, em vez de corrigir uma função isolada.

Tome cuidado com o uso automático do nível máximo. O próprio Google alerta que o xhigh pode pensar demais em prompts simples. Mais raciocínio não melhora uma tarefa que não precisava dele.

Vale pagar pelo xhigh? O que mostram custo e pontuação

Pelos números públicos, o xhigh entrega um ganho pequeno de pontuação por um custo bem maior. Ele vale para problemas difíceis de verdade, não como configuração padrão.

No Artificial Analysis Intelligence Index, o Hydrogen marca 51 no high, contra 50 do Gemini 4 Argon. No xhigh, a pontuação sobe para 54.

O custo é a outra parte da conta. Segundo o post do Artificial Analysis no X, cada tarefa custa US$ 1,87 no high e US$ 3,16 no xhigh. Isso equivale a cerca de 69% mais custo por tarefa para ganhar 3 pontos no índice de inteligência.

Por que os tokens de pensamento pesam tanto? Porque entram na conta como saída, e a saída é a parte mais cara. Na Gemini API, o Hydrogen custa US$ 1,50 por milhão de tokens de entrada e US$ 7,50 por milhão de tokens de saída, com preço único em toda a janela de 1 milhão de tokens, segundo o 9to5Google.

Os dados oficiais cobrem só high e xhigh. Este guia não traz números de pontuação ou custo por tarefa para low e medium; a escolha nesses níveis depende do seu próprio teste.

Como definir o thinking_level na API do Gemini 4 Hydrogen

O nível é definido pelo parâmetro thinking_level. O formato do valor muda conforme a API, e esse é o erro mais fácil de cometer.

  • No GenerateContent: LOW, MEDIUM, HIGH e XHIGH, em maiúsculas.
  • Na Interactions API: low, medium, high e xhigh, em minúsculas.

O guia do desenvolvedor traz este exemplo com o SDK Python (Google Gen AI), usando o nível high:

client.models.generate_content(
    model="gemini-4-hydrogen",
    contents="Seu prompt aqui",
    config=types.GenerateContentConfig(
        thinking_config=types.ThinkingConfig(
            thinking_level=types.ThinkingLevel.HIGH
        )
    ),
)

Para outro nível, troque HIGH por LOW, MEDIUM ou XHIGH.

Se você vem de um modelo Gemini 3, tem uma pegadinha na migração. O guia de introdução ao Gemini 4 orienta substituir thinking_budget e MINIMAL por thinking_level, porque o minimal não é aceito no Hydrogen.

Outro detalhe: o xhigh é exclusivo do Hydrogen na família Gemini 4. O Carbon e o Argon param no high, então um código com XHIGH não serve para esses modelos.

Onde o Gemini 4 Hydrogen está disponível

Segundo o anúncio do Google, o Hydrogen está disponível em:

  • Google AI Studio, em todos os planos
  • Gemini API
  • Gemini para empresas
  • App Gemini
  • Google Search
  • Google Antigravity, com cota básica do Gemini 4 Hydrogen em todos os planos; assinantes Google AI Pro e Ultra recebem cotas maiores, renovadas a cada cinco horas

No app Gemini, usuários gratuitos recebem o Hydrogen pela seleção automática de modelo, quando ele é o adequado ao prompt, segundo o 9to5Google.

Os níveis de pensamento deste guia estão documentados para a API. Não há confirmação de que o app Gemini ou a interface do AI Studio deixam você escolher o nível manualmente.

Veredito: qual nível de pensamento escolher no seu caso

A resposta depende do que você roda:

  • Agentes, ferramentas e código: mantenha o high padrão. É o nível que a documentação indica para esse trabalho, e você não precisa configurar nada.
  • Alto volume, baixa latência ou custo menor: desça para low em tarefas simples e use o medium quando precisar de um pouco mais de raciocínio sem perder muita velocidade.
  • Problemas realmente difíceis: use o xhigh em matemática, ciência, verificação formal e projetos de software de longo horizonte. Ele custa mais por tarefa e pode pensar demais em prompts simples, então não deve virar padrão.

Para ver o modelo em uso, o canal publicou um vídeo de lançamento do Gemini 4 Hydrogen que cobre benchmarks e custo por tarefa.

Próximo passo: ajuste o nível pela tarefa, não pelo hábito

Escolha uma tarefa real do seu projeto e rode no high padrão. Depois rode a mesma tarefa em low ou medium e compare duas coisas na sua conta: a qualidade da resposta e os tokens de saída.

Se o nível mais baixo resolver bem, fixe ele para aquele tipo de tarefa. Suba para xhigh só onde o high falhar de verdade.

Assim você paga pelo raciocínio que a tarefa pede, e não pelo que o hábito mandou 🙂.

Fontes consultadas

Consulta em .

Acompanhe os tutoriais do Hora de Codar no YouTube.

Escrito por | Matheus Battisti

Matheus Battisti
Fundador da Hora de Codar

Programador apaixonado pelo mundo das tecnologias, sempre buscando em aprender e se aprofundar em linguagens, frameworks e o que mais for necessário para executar um bom trabalho. Agora tem uma nova missão que é de passar seu conhecimento adiante para formar novos programadores e especializar mais os que já são.

Formações

Formação Vibe Coding

Formação Vibe Coding

Do Prompt ao Produto: Crie Software Real com IA

  • 474 aulas
  • 20 projetos
  • 39h 30min

Blog | Mais populares