Giá Gemini API 2026 — tổng hợp đầy đủ giá API Gemini

Gemini thuộc nhóm AI frontier có hiệu quả chi phí tốt nhất, và Kunavo cung cấp model này phía sau một API tương thích với OpenAI với giá rẻ hơn khoảng 70% so với giá niêm yết của Google. Hướng dẫn này trình bày mức giá hiện tại theo từng model, các ví dụ tính chi phí có thể tự kiểm chứng và cách gọi Gemini tiết kiệm nhất trong production.

Giá Gemini trong nháy mắt

Mức giá là số tiền USD được Kunavo tính cho mỗi 1M token. Cột “Giá niêm yết của Google” hiển thị mức giá công bố của Google cho cùng model, để bạn dễ dàng nhìn thấy sự khác biệt.

Flash là model chủ lực cho xử lý khối lượng lớn, còn Pro phù hợp với suy luận khó hơn, thị giác và các tác vụ context dài. Luôn kiểm tra mức giá hiện tại trên trang giá và trang của từng model (gemini-2-5-flash, gemini-3-1-pro).

Giá token Gemini hoạt động như thế nào

Bạn trả phí cho token đầu vào (mọi thứ được gửi đi — system prompt, context đã truy xuất, tin nhắn người dùng) và token đầu ra (nội dung model tạo ra). Phía đầu ra đắt hơn, vì vậy đòn bẩy lớn nhất chi phối hóa đơn Gemini là bạn cho model viết nhiều đến đâu. Hình ảnh và âm thanh được chuyển đổi thành giá trị token và tính phí trên cùng một đồng hồ đo.

Ví dụ tính chi phí

Đây là các con số thực tế được tính theo mức giá Gemini 2.5 Flash của Kunavo; chỉ hàng cuối cùng sử dụngGemini 3.1 Pro:

Với mức giá này, batch phân loại 100 nghìn tài liệu bằng Flash có giá khoảng $6, còn 1 triệu lượt chatbot có giá khoảng $315. Công thức bạn có thể tự chạy:

# Kunavo Gemini 2.5 Flash 요율 (1M 토큰당 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))            # 챗봇 한 턴        -> $0.000315
print(cost(8_000, 500))            # RAG 답변 한 건    -> $0.001095
print(cost(500, 20) * 100_000)     # 10만 건 배치      -> ~$6.00

Giá Kunavo và thanh toán Stripe

Không có subscription và cũng không cần Google Cloud project. Khi nạp số dư (qua Stripe hoặc phương thức thanh toán địa phương), mỗi lần gọi sẽ trừ số dư theo mức giá mỗi token ở trên. Nạp tối thiểu từ $10 và thanh toán theo mức sử dụng; số dư không hết hạn, còn khoản nạp lớn hơn sẽ nhận thêm credit thưởng. Một số dư duy nhất dùng được cho Gemini, Claude, GPT, hình ảnh, video, âm thanh và mọi model khác, vì vậy bạn không cần đối chiếu hóa đơn riêng của từng nhà cung cấp.

Nên chọn model Gemini nào?

• gemini-2-5-flash — dùng mặc định cho chat, trích xuất, phân loại, tóm tắt và hầu hết RAG. Đây là lựa chọn hiệu năng cao nhanh nhất và rẻ nhất.
• gemini-3-1-pro — chọn khi Flash chưa đủ chính xác: suy luận nhiều bước, code, thị giác và context cực dài.

Một mẫu tốt là định tuyến theo độ khó: xử lý trường hợp thông thường bằng Flash và chỉ nâng lên Pro khi kiểm tra thất bại. Xem hướng dẫn tối ưu chi phí AI để biết mẫu định tuyến triển khai bằng code.

Giảm hóa đơn Gemini

1. Hạ cấp model. Gửi 80% tác vụ đơn giản đến Flash và dành Pro cho 20% tác vụ khó.
2. Giới hạn đầu ra. Đặt max_tokens và chuỗi dừng — đầu ra là phía đắt hơn của đồng hồ đo.
3. Giảm đầu vào. Đừng nhồi toàn bộ knowledge base vào context; hãy truy xuất các chunk RAG ít hơn nhưng tốt hơn.
4. Xử lý theo batch. Gom các lệnh gọi độc lập để giảm độ trễ và tránh bùng nổ retry.

Câu hỏi thường gặp