Gemini-API-Preise 2026 – Kosten pro Modell, Beispiele und günstigerer kompatibler OpenAI-Zugriff

Gemini gehört zu den preiswertesten führenden KI-Modellen, und Kunavo bietet es über eine einzige OpenAI-kompatible API zu einem Preis an, der etwa 70% unter Googles offiziellem Listenpreis liegt. Dieser Leitfaden enthält aktuelle Preise für jedes Modell, nachvollziehbare Kostenbeispiele und die günstigste Möglichkeit, Gemini in der Produktion aufzurufen.

Gemini-API-Preise auf einen Blick

Preise pro 1 Million Token in USD, genau wie bei Kunavo berechnet. Die Spalte „Google-Listenpreis“ zeigt den von Google veröffentlichten Preis für dasselbe Modell, damit du den Unterschied siehst.

Flash ist das „Arbeitspferd“ für große Mengen; Pro ist für anspruchsvolleres Schlussfolgern, visuelle Aufgaben und lange Kontexte gedacht. Die aktuellen Preise werden immer auf der Preisseite und auf der Seite jedes Modells angezeigt (gemini-2-5-flash, gemini-3-1-pro).

So funktioniert die tokenbasierte Gemini-Preisberechnung

Du zahlst für Eingabe-Token (alles, was du sendest — System-Prompt, abgerufener Kontext, Nutzernachrichten) und Ausgabe-Token (das, was das Modell erzeugt). Die Ausgabe ist der teurere Teil. Der größte Hebel für deine Gemini-Rechnung ist daher, wie viel Text du das Modell schreiben lässt. Bilder und Audio werden in Token-Äquivalente umgerechnet und über denselben Zähler abgerechnet.

Beispielrechnungen

Konkrete Zahlen auf Grundlage der Kunavo-Preise für Gemini 2.5 Flash; in der letzten Zeile wird Gemini 3.1 Pro verwendet:

Bei diesen Preisen kostet ein Klassifizierungs-Batch mit 100.000 Dokumenten auf Flash etwa $6, und eine Million Chatbot-Runden kosten etwa $315. Die ausführbare Rechnung:

# Mức giá Kunavo cho Gemini 2.5 Flash (USD trên mỗi 1 triệu token)
IN_RATE, OUT_RATE = 0.09, 0.75

def chi_phi(token_vao: int, token_ra: int) -> float:
    return token_vao / 1_000_000 * IN_RATE + token_ra / 1_000_000 * OUT_RATE

print(chi_phi(1_000, 300))            # một lượt chatbot        -> $0.000315
print(chi_phi(8_000, 500))            # một câu trả lời RAG     -> $0.001095
print(chi_phi(500, 20) * 100_000)     # lô 100k tài liệu        -> ~$6.00

Kunavo-Preise und Abrechnung über Stripe

Keine Abonnements und kein Google-Cloud-Projekt. Du lädst Guthaben auf dein Wallet (über Stripe oder lokale Zahlungsmethoden), und jeder Aufruf wird anhand der oben genannten Tokenpreise davon abgezogen. Pay-as-you-go ab einer Mindestaufladung von $10; das Guthaben verfällt nie, und größere Aufladungen erhalten Bonusguthaben. Ein einziges Wallet deckt Gemini und alle anderen Modelle ab — Claude, GPT, Bild, Video und Audio — sodass du keine separate Rechnung für jeden Anbieter abgleichen musst.

Welches Gemini-Modell sollte ich wählen?

• gemini-2-5-flash — Standard für Chat, Extraktion, Klassifizierung, Zusammenfassungen und den Großteil von RAG. Schnell und die günstigste ausreichend leistungsfähige Option.
• gemini-3-1-pro — verwende es, wenn Flash nicht genau genug ist: mehrstufiges Schlussfolgern, Programmierung, visuelle Aufgaben und sehr lange Kontexte.

Ein gutes Muster ist Routing nach Schwierigkeit: Flash für häufige Fälle und erst dann ein Upgrade auf Pro, wenn eine Prüfung fehlschlägt. Im Leitfaden zur Optimierung von KI-Kosten findest du das Routing-Muster im Code.

So senkst du deine Gemini-Rechnung

1. Auf eine niedrigere Modellstufe wechseln. Leite 80 % der einfachen Aufgaben an Flash weiter und reserviere Pro für die schwierigen 20 %.
2. Ausgabe begrenzen. Setze max_tokens und eine Stop-Sequenz — die Ausgabe ist der teure Teil des Zählers.
3. Eingabe verschlanken. Rufe weniger, aber hochwertigere RAG-Abschnitte ab, statt die gesamte Wissensbasis in den Kontext zu packen.
4. Batches bilden. Bündele unabhängige Aufrufe, um die Latenz niedrig zu halten und Retry-Stürme zu vermeiden.

Häufig gestellte Fragen