Chi phí Gemini API 2026 — cấp miễn phí, giá từng mô hình và Gemini 3.8 Flash

Chi phí Gemini API được tính theo token, không có phí hằng tháng. Nếu muốn dùng thử miễn phí trước, Google AI Studio có gói miễn phí với giới hạn tốc độ; khi đưa vào vận hành chính thức, bạn trả phí theo mỗi 1M token, với mức giá riêng cho đầu vào và đầu ra. Tính đến 5 tháng 10, 2026, Gemini 3.8 Flash của Kunavo có giá đầu vào $0,525 / đầu ra $2,625 — 3.x Flash của chính Google hiện có giá ưu đãi có thời hạn $0,75 / $3,75 (đến ngày 31 tháng 12 năm 2026, từ năm 2027 sẽ trở lại mức giá tiêu chuẩn $1,50 / $7,50), giá của Kunavo còn thấp hơn mức giá ưu đãi này khoảng 30%. Gemini 2.5 Flash thuộc thế hệ trước có giá $0,09 / $0,75, còn Gemini 3.1 Pro có giá $0,70 / $4,20.

Có một ngoại lệ cần nói trước: Gemini 3.6 Flash. Trên Kunavo, giá là $1,05 / $5,25, Cao hơn khoảng 40% so với giá ưu đãi của Google — trong thời gian ưu đãi, gọi trực tiếp Google rẻ hơn. Cả 3.7 và 3.8 Flash đều mới hơn và rẻ hơn nó, Vì vậy đừng chọn 3.6 chỉ vì giá.

Đã kiểm tra mức giá vào 5 tháng 10, 2026.Giá chính thức và thông tin tầng miễn phí của Google xem tại ai.google.dev/gemini-api/docs/pricing; các con số phía Kunavo được hiển thị từ danh mục mô hình của trang này và khớp với số tiền tính phí thực tế của API.

“Chi phí Gemini” thực ra là ba việc

Hiểu lầm phổ biến nhất nằm ở hàng giữa: đăng ký Google AI Pro không làm tăng hạn mức API.Phí tháng của ứng dụng và API dành cho nhà phát triển là hai hệ thống thanh toán riêng; muốn gọi từ chương trình vẫn phải dùng tầng miễn phí hoặc trả phí theo token. Ngược lại, nếu chỉ trò chuyện trong ứng dụng Gemini mà không lập trình, bản miễn phí hoặc gói thuê bao là đủ, không cần API.

Gemini API có miễn phí không? Tầng miễn phí làm được gì

Có tầng miễn phí và thực sự là $0: tạo khóa trong Google AI Studio rồi gọi trong giới hạn tốc độ mà không mất phí, đủ để thử mô hình và làm nguyên mẫu. Các con số giới hạn cụ thể do Google điều chỉnh tùy tình hình; trang này không trích dẫn những con số có thể lỗi thời — hãy xem trang giá của Google và thông tin giới hạn tốc độ.

Ranh giới của nó cũng rõ ràng: giới hạn tốc độ không chịu được lưu lượng chính thức và các con số có thể thay đổi bất cứ lúc nào, vì vậy muốn vận hành phải trả phí. Kunavo không có hạn mức miễn phí, đổi lại cũng không có phí tháng — số dư trả trước tối thiểu $10, dùng bao nhiêu trừ bấy nhiêu, tháng không gọi là $0.

Giá Gemini API — mỗi 1M token theo mô hình

Ba hàng 3.x Flash so sánh với giá ưu đãi Google thực sự đang thu hôm nay, không phải giá tiêu chuẩn năm 2027. So với giá tiêu chuẩn, con số sẽ đẹp hơn nhiều, nhưng đó không phải mức bạn đang trả cho Google. Gemini 3.1 Pro có quy tắc riêng: khi prompt của một yêu cầu vượt 200K token, toàn bộ yêu cầu bị tính theo 2 lần giá đầu vào / 1,5 lần giá đầu ra. Thông số từng mẫu nằm trên các trang mô hình Gemini 3.8 Flash, Gemini 3.1 Pro, Gemini 2.5 Flash; toàn bộ mức giá nằm trên trang giá.

Giá Gemini 3.8 Flash — một yêu cầu thực tế tốn bao nhiêu

Bảng giá không trực quan bằng xem một yêu cầu thực tế. Tất cả số liệu dưới đây được tính từ mức giá ở bảng trên:

Một yếu tố khiến hóa đơn tăng: token suy luận.Gemini 3.x Flash và 3.1 Pro đều “suy nghĩ” trước khi trả lời; token suy luận không xuất hiện trong nội dung phản hồi nhưng tính theo giá đầu ra. Bảng trên chưa tính chúng, nên chi phí thực tế của bài toán khó sẽ cao hơn — dựa trên số token đầu ra của usage trong phản hồi. Hãy tính bằng số liệu của bạn:

# Gemini API 的費用，直接用實際 token 數算。
# 費率為每 1M token USD：(input, output)
RATES = {
    "gemini-3-8-flash": (0.525, 2.625),
    "gemini-3-1-pro":   (0.70, 4.20),
    "gemini-2-5-flash": (0.09, 0.75),
}

def cost(model, inp, out):
    i, o = RATES[model]
    return inp / 1e6 * i + out / 1e6 * o  # 思考 token 按輸出費率計

print(cost("gemini-3-8-flash", 8_000, 500))         # RAG 回答一次
print(cost("gemini-2-5-flash", 500, 20) * 100_000)  # 10 萬筆分類

Gọi Gemini bằng OpenAI SDK hiện có

Kunavo là endpoint tương thích OpenAI: thay base_url và khóa, điền tên mô hình Gemini vào model là có thể chạy; không cần dự án hoặc tài khoản thanh toán Google Cloud. Cùng một khóa cũng gọi được Claude, GPT và các mô hình hình ảnh, video.

from openai import OpenAI

client = OpenAI(
    api_key="sk-kn-...",
    base_url="https://api.kunavo.com/v1",  # 只改這一行
)

resp = client.chat.completions.create(
    model="gemini-3-8-flash",
    messages=[{"role": "user", "content": "用三句話說明什麼是 token"}],
)
print(resp.choices[0].message.content)
print(resp.usage)  # 這次請求計費用的 token 數

Các bước đầy đủ nằm trong Bắt đầu nhanh; nếu muốn xin khóa trực tiếp từ Google, xem Cách lấy khóa API Gemini (tiếng Anh).

Nói thẳng: khi nào nên tìm Google trực tiếp

• Cần hạn ngạch hoặc SLA đảm bảo.Cổng dùng dung lượng chia sẻ: không có hạn ngạch riêng và không có SLA được đảm bảo theo hợp đồng. Khi quy mô cần cả hai, hãy đăng ký trực tiếp với Google.
• Chỉ có thể dùng Gemini 3.6 Flash.Trong thời gian ưu đãi, Google tính trực tiếp rẻ hơn Kunavo.
• Chỉ trò chuyện trong ứng dụng.Nếu không lập trình, bản miễn phí hoặc gói thuê bao Google là đủ; không cần API.

Ngược lại, nếu muốn một khóa gọi đồng thời Gemini, Claude và GPT, không muốn mở thanh toán Google Cloud hoặc muốn khóa chi phí bằng số dư trả trước, thì đây là lựa chọn phù hợp.

Thanh toán tại Đài Loan

Thanh toán trực tiếp cho Google yêu cầu bật tính năng thanh toán cho dự án trong Google Cloud và liên kết thẻ tín dụng quốc tế. Số dư Kunavo được xử lý qua Stripe, hỗ trợ thẻ có JCB (Visa, Mastercard, American Express, JCB, UnionPay), Apple Pay và Google Pay; hình thức trả trước, nạp tối thiểu $10, số dư không hết hạn, các yêu cầu thất bại không bị tính phí; nạp một lần từ $100 trở lên sẽ được tặng thêm (nạp $100, nhận $110).

Đài Loan không có phương thức thanh toán nội địa — JKOPay và LINE Pay không nằm trong danh sách hỗ trợ, thanh toán bằng thẻ quốc tế là cách duy nhất. Chi tiết tính phí xem tài liệu thanh toán.

Giảm chi phí Gemini

1. Chọn đúng mô hình trước. Nếu cần thế hệ 3.x, dùng 3.8 hoặc 3.7 Flash; chúng mới hơn 3.6 và cũng rẻ hơn 3.6; Các tác vụ đơn giản số lượng lớn như phân loại và trích xuất nên giao cho 2.5 Flash.
2. Yêu cầu mô hình viết ngắn hơn.Đầu ra đắt hơn đầu vào; chỉ định định dạng và độ dài đầu ra trong prompt là cách trực tiếp nhất.
3. Giảm lượng ngữ cảnh.Với RAG, lấy ít đoạn nhưng chính xác; đừng gửi cả cơ sở tri thức — mỗi lần toàn bộ đều bị tính như đầu vào.
4. Giữ prompt của 3.1 Pro dưới 200K token. Vượt mức này sẽ tính toàn bộ yêu cầu theo 2 lần giá đầu vào / 1,5 lần giá đầu ra.

Cách viết bộ định tuyến nằm trong Hướng dẫn tối ưu chi phí AI (tiếng Anh). Muốn so sánh các nhà cung cấp khác bằng cùng thuật toán, xem Chi phí OpenAI API và Chi phí Claude.

Câu hỏi thường gặp