Định giá Gemini API 2026 — giá theo mô hình và cách giảm chi phí

Gemini là một trong những lựa chọn có tỷ lệ giá/hiệu năng tốt nhất trong nhóm AI frontier và Kunavo cung cấp nó với mức giá thấp hơn khoảng 70% so với giá niêm yết của Google phía sau một API tương thích OpenAI duy nhất. Hướng dẫn này cung cấp mức giá hiện tại theo mô hình, các ví dụ tính chi phí bạn có thể tự kiểm chứng và cách rẻ nhất để gọi Gemini trong production.

Giá Gemini trong nháy mắt

Mức giá được tính theo cách Kunavo lập hóa đơn, tính trên mỗi 1M token và bằng USD. Cột “Giá niêm yết Google” là mức Google công bố cho cùng mô hình; cột này được hiển thị để bạn thấy sự chênh lệch.

Flash phù hợp cho các công việc khối lượng lớn; Pro dành cho suy luận khó hơn, hình ảnh và ngữ cảnh dài. Mức giá trực tiếp luôn hiển thị trên trang giá và từng trang mô hình (gemini-2-5-flash, gemini-3-1-pro).

Cách tính giá token Gemini

Bạn trả tiền cho token đầu vào (mọi thứ bạn gửi — prompt hệ thống, ngữ cảnh được truy xuất, tin nhắn người dùng) và token đầu ra (những gì mô hình tạo ra). Đầu ra nằm ở phía đắt hơn; vì vậy đòn bẩy đơn lẻ lớn nhất trên hóa đơn Gemini là lượng văn bản bạn cho phép mô hình viết. Hình ảnh và âm thanh được chuyển đổi thành lượng token tương đương và tính phí trên cùng bộ đếm.

Ví dụ tính chi phí

Các con số thực tế theo mức giá Gemini 2.5 Flash của Kunavo, ngoại trừ hàng cuối sử dụng Gemini 3.1 Pro:

Ở các mức giá này, một lô phân loại 100.000 tài liệu trên Flash có giá khoảng $6, còn một triệu lượt chat có giá khoảng $315. Phép tính có thể chạy được:

# Kunavo Gemini 2.5 Flash oranları (1M token başına USD)
IN_RATE, OUT_RATE = 0.09, 0.75

def cost(in_tokens: int, out_tokens: int) -> float:
    return in_tokens / 1_000_000 * IN_RATE + out_tokens / 1_000_000 * OUT_RATE

print(cost(1_000, 300))            # bir sohbet turu     -> $0.000315
print(cost(8_000, 500))            # bir RAG yanıtı       -> $0.001095
print(cost(500, 20) * 100_000)     # 100k belge yığını    -> ~$6.00

Giá Kunavo và thanh toán Stripe

Không có gói đăng ký, không cần dự án Google Cloud. Bạn nạp số dư (qua Stripe hoặc phương thức thanh toán địa phương) và các lệnh gọi được trừ từ số dư đó theo mức giá mỗi token ở trên. Mô hình thanh toán theo mức sử dụng với khoản nạp tối thiểu $10, số dư không bao giờ hết hạn và các khoản nạp lớn hơn nhận được tín dụng thưởng. Một số dư duy nhất bao phủ Gemini và mọi mô hình khác — Claude, GPT, hình ảnh, video và âm thanh — nên bạn không phải đối soát hóa đơn riêng theo từng nhà cung cấp.

Tôi nên chọn mô hình Gemini nào?

• gemini-2-5-flash — lựa chọn mặc định cho chat, trích xuất, phân loại, tóm tắt và hầu hết RAG. Nhanh và là lựa chọn có năng lực rẻ nhất.
• gemini-3-1-pro — hãy chuyển sang mô hình này khi Flash không đủ chính xác: suy luận nhiều bước, mã, hình ảnh và ngữ cảnh rất dài.

Một mẫu tốt là định tuyến theo độ khó: Flash cho trường hợp phổ biến, nâng cấp lên Pro khi một lần kiểm tra thất bại. Để xem mẫu định tuyến trong mã, hãy xem hướng dẫn tối ưu chi phí AI.

Giảm hóa đơn Gemini

1. Hạ cấp mô hình. Gửi 80% tác vụ dễ đến Flash; dành Pro cho 20% tác vụ khó.
2. Giới hạn đầu ra. Thiết lập max_tokens và các chuỗi dừng — đầu ra là phần đắt hơn của bộ đếm.
3. Cắt bớt đầu vào. Lấy ít đoạn RAG hơn nhưng chất lượng hơn thay vì nhồi toàn bộ cơ sở tri thức vào ngữ cảnh.
4. Xử lý theo lô. Gom các lệnh gọi độc lập để giữ độ trễ thấp và tránh các đợt thử lại dồn dập.

Câu hỏi thường gặp