Quanto custa uma tarefa longa no Gemini 4 Hydrogen? Como estimar antes

O Google anunciou o Gemini 4 Hydrogen em 12/11/2026 como um modelo rápido e de baixo custo, pensado para fluxos agênticos confiáveis e tarefas do dia a dia (Google Blog). Na prática, ele é candidato natural para aquelas tarefas longas, com documento gigante no contexto e um agente trabalhando em cima.

O problema é saber a conta antes de apertar o botão. Este guia mostra como fazer essa estimativa separando duas coisas que muita gente mistura: o contexto que você envia e a resposta que o modelo gera. Você só precisa de acesso à API Gemini e do conteúdo da tarefa em mãos.

Como funciona a cobrança do Gemini 4 Hydrogen

O Hydrogen cobra US$ 1,50 por 1M de tokens de entrada e US$ 7,50 por 1M de tokens de saída. O detalhe que facilita a estimativa é que esse preço vale em toda a janela de contexto de 1 milhão de tokens, sem faixa mais cara para prompt longo (Google Blog).

Ou seja, mandar 10 mil ou 900 mil tokens de contexto não muda o preço por token. Muda só a quantidade.

Repare na proporção: cada token de saída custa 5 vezes o de entrada. É aí que a conta de uma tarefa longa costuma surpreender.

O raciocínio entra como saída

No Google Cloud, a tabela global do Hydrogen chama a saída de texto de "resposta e raciocínio", cobrada pelo mesmo valor de US$ 7,50 por 1M (Google Cloud Pricing). A documentação da API Gemini confirma a mesma lógica: com o raciocínio ativado, o custo da resposta é a soma dos tokens de saída com os tokens de raciocínio (Google AI for Developers).

Tradução: o modelo "pensando" também está gerando tokens pagos, mesmo que você nunca leia esse pensamento.

Preço global e preço regional

No Google Cloud, a região global é a mais barata. Fora dela, o Hydrogen sobe um pouco (Google Cloud Pricing):

Item	Global (US$ por 1M)	Fora da região global (US$ por 1M)
Entrada	1,50	1,65
Saída (resposta e raciocínio)	7,50	8,25
Leitura de cache	0,075	0,0825

O limite de 1.048.576 tokens soma tudo

O Hydrogen tem um limite unificado de 1.048.576 tokens que soma entrada e saída. E a saída aqui inclui raciocínio, chamadas de função e a resposta final (documentação do Hydrogen no Google Cloud).

Tome cuidado com isso: se você lota o contexto quase até o teto, sobra pouco espaço para o modelo responder e raciocinar.

O que você precisa antes de estimar

A lista é curta, e tudo nela muda o resultado da conta:

• Acesso à API Gemini ou ao Google AI Studio. O Gemini 4 está disponível em todos os níveis dos dois (Google Blog).
• O conteúdo de entrada da tarefa. Documentos, histórico, instruções, tudo que vai no prompt. Sem isso não dá para medir a entrada.
• O modo e a região que você vai usar. Standard, Batch ou Flex na API Gemini, região global ou não global no Google Cloud. Cada combinação tem um preço diferente.

Este guia cobre o preço por token da API Gemini e do Google Cloud.

Como estimar o custo de uma tarefa longa passo a passo

A abordagem é simples: medir a entrada com precisão, estimar a saída separadamente, aplicar a fórmula e depois conferir com os números reais.

1. Meça a entrada com count_tokens antes de enviar

Na API Gemini, você pode chamar count_tokens passando a entrada antes de mandar a requisição. Ele devolve o total de tokens da entrada (Google AI for Developers).

Esse é o único número que você consegue saber com exatidão antes de rodar.

Erro comum deste passo: tratar o resultado do count_tokens como o total da tarefa. Ele conta apenas a entrada. A saída, que é a parte mais cara por token, fica de fora.

2. Estime a saída em duas partes: resposta e raciocínio

A saída não é só o texto final. Você precisa pensar em quanto o modelo vai escrever de resposta e quanto vai gastar raciocinando.

O raciocínio é controlado pelo parâmetro thinking_level na API GenerateContent, que aceita LOW, MEDIUM, HIGH e XHIGH. O padrão é HIGH (documentação do Hydrogen).

E o tipo de tarefa pesa muito aqui, né? Resumir um contrato gera pouca saída. Reescrever um módulo inteiro, traduzir um livro ou gerar um relatório longo gera MUITA saída.

Erro comum deste passo: esquecer que, se você não mexer em nada, o modelo roda em HIGH e gera tokens de raciocínio que são cobrados como saída. Estimar só o tamanho da resposta final deixa a conta abaixo do real.

3. Aplique a fórmula e confira o limite

A fórmula é:

custo = (tokens de entrada / 1.000.000 × 1,50) + ((tokens de resposta + tokens de raciocínio) / 1.000.000 × 7,50)

Bora ver com números. Os valores abaixo são hipotéticos, só para ilustrar.

Cenário A, muito contexto e pouca saída: 800 mil tokens de entrada e 50 mil de saída (resposta mais raciocínio).

• Entrada: 0,8 × US$ 1,50
• Saída: 0,05 × US$ 7,50
• Total: a soma das duas linhas

Se liga na proporção: a saída é uma fatia pequena dos tokens, mas pesa na conta bem mais do que o volume sugere, porque cada token de saída custa 5 vezes o de entrada.

Cenário B, pouco contexto e muita saída: 100 mil tokens de entrada e 400 mil de saída.

• Entrada: 0,1 × US$ 1,50
• Saída: 0,4 × US$ 7,50
• Total: a soma das duas linhas

Aqui o total de tokens é menor que no cenário A, e mesmo assim a conta sai maior. É por isso que uma tarefa com muita saída muda tudo.

Os dois cenários cabem no limite de 1.048.576 tokens. Confira sempre essa soma antes de rodar.

Um exemplo didático em Python para fazer essa conta. Ele é só cálculo, não depende de SDK:

# Preço Standard global do Gemini 4 Hydrogen (US$ por 1M de tokens)
PRECO_ENTRADA = 1.50
PRECO_SAIDA = 7.50
LIMITE_UNIFICADO = 1_048_576

def estimar_custo(tokens_entrada, tokens_resposta, tokens_raciocinio):
    tokens_saida = tokens_resposta + tokens_raciocinio
    if tokens_entrada + tokens_saida > LIMITE_UNIFICADO:
        raise ValueError("Entrada + saída passam do limite de 1.048.576 tokens")
    custo_entrada = tokens_entrada / 1_000_000 * PRECO_ENTRADA
    custo_saida = tokens_saida / 1_000_000 * PRECO_SAIDA
    return round(custo_entrada, 4), round(custo_saida, 4), round(custo_entrada + custo_saida, 4)

# Cenário A (hipotético): 800 mil de entrada, 30 mil de resposta, 20 mil de raciocínio
print(estimar_custo(800_000, 30_000, 20_000))

Resultado esperado: uma tupla com o custo da entrada, o custo da saída e o total, em dólares, batendo com a conta feita à mão.

4. Valide com usage_metadata depois da primeira execução

Depois do generate_content, o atributo usage_metadata da resposta traz prompt_token_count (entrada), candidates_token_count (saída), thoughts_token_count (raciocínio) e total_token_count. Quando há cache, aparece também cached_content_token_count (Google AI for Developers).

Exemplo didático de leitura, reaproveitando a função do passo anterior:

# 'resposta' é o retorno da sua chamada generate_content
uso = resposta.usage_metadata

entrada = uso.prompt_token_count
saida_resposta = uso.candidates_token_count
raciocinio = uso.thoughts_token_count or 0
em_cache = uso.cached_content_token_count or 0

print("Entrada:", entrada)
print("Resposta:", saida_resposta)
print("Raciocínio:", raciocinio)
print("Em cache:", em_cache)
print("Total:", uso.total_token_count)

print(estimar_custo(entrada, saida_resposta, raciocinio))

Essa conta trata toda a entrada pelo preço cheio, então funciona como estimativa conservadora. Se cached_content_token_count vier preenchido, aquela parte entrou pelo cache, que na tabela global tem leitura a US$ 0,075 por 1M.

Erro comum deste passo: somar só candidates_token_count como saída e ignorar thoughts_token_count. Com raciocínio ativado, o custo da resposta é a soma dos dois.

Como reduzir a conta de uma tarefa longa no Hydrogen

Depois de estimar, dá para mexer em quatro alavancas. Nenhuma é mágica, cada uma serve para um cenário.

Coloque o conteúdo fixo no início do prompt

O Hydrogen aplica cache implícito de forma automática a prefixos de prompt compartilhados a partir de 4.096 tokens. Cache explícito de contexto não é suportado, e a documentação recomenda colocar o conteúdo fixo no início do prompt (documentação do Hydrogen).

Faz sentido quando você roda várias chamadas sobre o mesmo material: o mesmo documento, as mesmas instruções, e só a pergunta muda no final.

Use Batch ou Flex quando não houver pressa

Na API Gemini, os modos Batch e Flex custam 50% menos que o Standard (Batch API). No Hydrogen, isso dá US$ 0,75 por 1M de entrada e US$ 3,75 por 1M de saída (tabela de preços da API Gemini).

O porém: o Batch processa de forma assíncrona e a meta de entrega é de até 24 horas. Bom para processar um lote de documentos de madrugada, ruim para um agente que precisa responder na hora.

Baixe o thinking_level quando a tarefa não pede raciocínio pesado

Como o raciocínio é cobrado como saída, rodar tudo no padrão HIGH pode ser desperdício em tarefas simples, tipo extrair campos ou formatar texto. Teste LOW ou MEDIUM numa amostra e compare o thoughts_token_count antes de decidir.

Prefira a região global

No Google Cloud, a região global sai a US$ 1,50 e US$ 7,50, contra US$ 1,65 e US$ 8,25 nas demais. Se você não tem exigência de região específica, é economia sem esforço.

Referência: quanto o mesmo cenário custaria no Argon

Para ter noção de escala, o Gemini 4 Argon custa mais: US$ 2 por 1M de entrada e US$ 10 por 1M de saída no Standard até 30/11/2026, subindo para US$ 4 e US$ 20 a partir de 01/12/2026 (tabela de preços da API Gemini).

Para comparar com o cenário hipotético A, é só trocar os preços na fórmula. O mesmo volume de tokens sai mais caro no Argon, e mais caro ainda a partir de 01/12/2026. Já no Batch ou Flex do Hydrogen, a conta cai pela metade em relação ao Standard.

Preço por token não diz tudo sobre a escolha do modelo, claro. Mas, para tarefas em que o Hydrogen dá conta, a diferença na conta é bem concreta.

Próximo passo: rode uma amostra pequena e calibre a estimativa

A parte mais incerta da estimativa é sempre a saída. Então não chute: pegue uma fração representativa da tarefa (alguns documentos, algumas páginas, uma parte do lote) e rode do jeito que vai rodar de verdade, com o mesmo thinking_level.

Leia o usage_metadata dessa amostra e calcule a proporção real entre saída mais raciocínio e entrada. Aí multiplique pelo volume total medido com count_tokens e você tem uma previsão baseada no comportamento real do modelo, não no achismo.

Se o número final assustar, volte nas alavancas da seção anterior antes de disparar a tarefa completa. 🙂.

Fontes consultadas

Consulta em 15/11/2026.

• Google Blog: Introducing Gemini 4 Hydrogen for Agentic Workflows
• Google Cloud: Agent Platform Pricing
• Google AI for Developers: Understand and count tokens
• Google Cloud Documentation: Developer’s guide to Gemini 4 Hydrogen
• Google AI for Developers: Batch API
• Google AI for Developers: Gemini Developer API pricing

Explore os vídeos do canal Hora de Codar.