🔥 Black Friday AI API deals are live· New drops every MondayEnds in--d --:--:--See deals →

Google Gemini 4 Hydrogen: AI مدل‌ها

اجرای Google Gemini 4 Hydrogen از طریق API: استدلال سریع و کارآمد برای کدنویسی روزمره و عامل‌ها با زمینه 1M توکنی. رایگان امتحان کنید؛ پرداخت به‌ازای هر تولید، بدون اشتراک.

کنترل‌های تعاملی مدل

اجرای Google Gemini 4 Hydrogen از طریق API: استدلال سریع و کارآمد برای کدنویسی روزمره و عامل‌ها با زمینه 1M توکنی. رایگان امتحان کنید؛ پرداخت به‌ازای هر تولید، بدون اشتراک.

📝

نمای کلی

مدل‌ها

Gemini 4 Hydrogen مدل سریع و کارآمد Gemini 4 از Google است که برای کدنویسی روزمره، گردش‌کارهای عامل‌محور و اجرای سریع ساخته شده است. این مدل از پنجره زمینه 1M توکنی و چهار سطح استدلال (low، medium، high، xhigh) پشتیبانی می‌کند و در سطح پیش‌فرض high امتیاز 51 را در Artificial Analysis Intelligence Index کسب کرده است. ورودی آن متن و یک تصویر و پرامپت سیستمی اختیاری است. برای استدلال پیشرفته‌تر، Gemini 4 Carbon یا Gemini 4 Argon را ببینید؛ این مدل جانشین Gemini 3.8 Flash شده است.

1کدنویسی روزمره: با تغییرات هدفمند و پاسخ‌گویی سریع، کد بنویسید، اشکال‌ها را برطرف کنید و ساختار آن را بازآرایی کنید.
2پرسش‌وپاسخ درباره اسناد بلند: با استفاده از پنجره زمینه 1M توکنی، به پرسش‌هایی درباره ورودی‌های طولانی پاسخ دهید.
3خلاصه‌سازی: گزارش‌ها، رونوشت‌ها و اسناد را سریع و کم‌هزینه خلاصه کنید.
4استدلال عامل: از آن به‌عنوان مدل برنامه‌ریز سریع در عامل‌های چندمرحله‌ای و [گردش‌کارها](/workflows) استفاده کنید.
5پرسش‌وپاسخ تصویری: با فرستادن image_url درباره اسکرین‌شات‌ها، نمودارها یا اسناد اسکن‌شده سؤال بپرسید.
💰

قیمت‌گذاری و ارزش

تحلیل هزینه

muapiapp$1.50/M input, $7.50/M output

Token-based billing at Google's official rates. Minimum $0.00015 per call.

Fal.aiدر دسترس نیست

No dedicated Gemini 4 Hydrogen endpoint at this time.

Replicateدر دسترس نیست

No dedicated Gemini 4 Hydrogen endpoint at this time.

** مدل‌ها。

⚙️

مشخصات فنی

طرح پیکربندی

پرامپت (دستور متنی)string

تنظیم پارامتر The user message or instruction for the model. جهت هدایت دقیق فرآیند تولید مدل.

مقدار پیش‌فرضAudit this function for memory-safety and injection vulnerabilities, then propose a patch.
آدرس اینترنتی تصویرstring

تنظیم پارامتر Optional image URL to include as multimodal input. جهت هدایت دقیق فرآیند تولید مدل.

مقدار پیش‌فرضundefined
پرامپت سیستمیstring

تنظیم پارامتر Optional system-level instruction to guide model behavior. جهت هدایت دقیق فرآیند تولید مدل.

مقدار پیش‌فرضYou are a helpful assistant that responds concisely.
شدت استدلال منطقی(4 )

How much reasoning the model applies before answering. Higher effort is slower and uses more output tokens.

مقدار پیش‌فرضhigh
📖

راهنمای پیاده‌سازی

مستندات توسعه‌دهندگان

نحوه استفاده از Gemini 4 Hydrogen

  1. نوشتن prompt: وظیفه را در prompt قرار دهید. در صورت تمایل، system_prompt را برای تعیین نقش، لحن یا قالب خروجی اضافه کنید.

  2. انتخاب میزان استدلال: reasoning_effort را روی low، medium، high (پیش‌فرض) یا xhigh تنظیم کنید. میزان بالاتر، استدلال طولانی‌تری دارد و توکن‌های خروجی بیشتری مصرف می‌کند.

  3. افزودن تصویر (اختیاری): برای گنجاندن تصویر در درخواست، image_url را وارد کنید.

  4. ارسال و دریافت نتیجه: درخواست POST یک request_id برمی‌گرداند؛ نقطه پایانی /api/v1/predictions/{request_id}/result را بررسی کنید یا یک نشانی webhook بفرستید.

نمونه cURL

curl -X POST "https://api.muapi.ai/api/v1/gemini-4-hydrogen" \
  -H "x-api-key: $MUAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "Refactor this function to remove the nested loops and explain the change.",
    "system_prompt": "You are a senior software engineer. Be concise.",
    "reasoning_effort": "high"
  }'
❓

پرسش‌های متداول

سوالات پرتکرار

Gemini 4 Hydrogen چیست؟

Gemini 4 Hydrogen مدل سریع و کارآمد خانواده Gemini 4 از Google است که از Gemini 4 Carbon اقتباس شده و برای کدنویسی روزمره و اجرای سریع ساخته شده است. این مدل جانشین Gemini 3.8 Flash شده است.

قیمت Gemini 4 Hydrogen چگونه محاسبه می‌شود؟

هزینه بر اساس توکن محاسبه می‌شود: $1.50 برای هر یک میلیون توکن ورودی و $7.50 برای هر یک میلیون توکن خروجی، با حداقل هزینه $0.00015 برای هر فراخوانی. توکن‌های استدلال جزو خروجی محسوب می‌شوند.

آیا Gemini 4 Hydrogen تصویر می‌پذیرد؟

بله. برای پرسش درباره اسکرین‌شات، نمودار یا سند عکاسی‌شده، image_url را همراه prompt خود بفرستید.

reasoning_effort چه کاری انجام می‌دهد؟

این گزینه میزان استدلال مدل را پیش از پاسخ تعیین می‌کند: low، medium، high (پیش‌فرض) یا xhigh. میزان بالاتر، پاسخ به مسائل دشوار را عمیق‌تر می‌کند، اما کندتر است و توکن‌های خروجی بیشتری مصرف می‌کند.

پنجره زمینه چقدر بزرگ است؟

تا 1M توکن، با پنجره‌ای مشترک برای ورودی و خروجی.

چطور نتیجه را دریافت کنم؟

نقطه پایانی ناهمزمان است: بلافاصله یک request_id دریافت می‌کنید؛ سپس نقطه پایانی نتیجه predictions را بررسی کنید یا نشانی webhook بدهید تا هنگام آماده شدن متن به شما اطلاع داده شود.