Giá Gemini API 2026 — biểu phí theo model, thấp hơn khoảng 70% so với Google

Gemini mang lại một trong những tỷ lệ giá/hiệu năng tốt nhất trong AI cao cấp, và Kunavo cung cấp model này thấp hơn khoảng 70% so với giá niêm yết của Google qua một API tương thích OpenAI duy nhất. Hướng dẫn về giá Gemini API này nêu mức giá hiện tại theo từng model, đưa ra các ví dụ chi phí có thể tính lại và chỉ ra cách rẻ nhất để gọi Gemini trong production.

Giá Gemini tổng quan

Mức giá áp dụng cho mỗi 1M token bằng USD, theo cách Kunavo tính phí. Cột “Giá niêm yết Google” là mức giá Google công bố cho cùng model và được hiển thị để bạn thấy chênh lệch.

Flash là model chủ lực cho khối lượng lớn; Pro dành cho suy luận khó hơn, vision và các tác vụ có ngữ cảnh dài. Mức giá trực tiếp luôn có trên trang giá và trang của từng model (gemini-2-5-flash, gemini-3-1-pro).

Cách tính giá theo token của Gemini hoạt động

Bạn trả phí cho token đầu vào (mọi thứ bạn gửi — system prompt, ngữ cảnh truy xuất, tin nhắn người dùng) và token đầu ra (những gì model tạo ra). Đầu ra đắt hơn, vì vậy đòn bẩy lớn nhất trên hóa đơn Gemini là lượng văn bản bạn cho model tạo ra. Hình ảnh và âm thanh được chuyển đổi thành giá trị tương đương token và tính trên cùng bộ đếm.

Các ví dụ chi phí tính cụ thể

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

Theo các mức giá này, một batch phân loại 100.000 tài liệu trên Flash tốn khoảng $6, còn một triệu lượt chatbot tốn khoảng $315. Công thức có thể chạy được:

# Kunavo-Tarife für Gemini 2.5 Flash (USD pro 1M Tokens)
IN_RATE, OUT_RATE = 0.09, 0.75

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

print(kosten(1_000, 300))            # ein Chatbot-Turn      -> $0.000315
print(kosten(8_000, 500))            # eine RAG-Antwort       -> $0.001095
print(kosten(500, 20) * 100_000)     # Batch mit 100k Docs    -> ~$6.00

Giá Kunavo và thanh toán qua Stripe

Không có gói đăng ký và không cần dự án Google Cloud. Bạn nạp số dư (qua Stripe hoặc phương thức thanh toán địa phương), rồi các lượt gọi được trừ theo mức giá token ở trên. Trả theo mức sử dụng từ khoản nạp tối thiểu $10, số dư không hết hạn và các khoản nạp lớn hơn được cộng số dư thưởng. Một số dư dùng được cho Gemini và mọi model khác — Claude, GPT, hình ảnh, video và âm thanh — nên bạn không cần đối soát hóa đơn riêng cho từng nhà cung cấp.

Nên chọn model Gemini nào?

• gemini-2-5-flash — lựa chọn mặc định cho chat, trích xuất, phân loại, tóm tắt và phần lớn RAG. Nhanh và là lựa chọn có năng lực rẻ nhất.
• gemini-3-1-pro — chọn model này khi Flash chưa đủ chính xác: suy luận nhiều bước, code, vision và ngữ cảnh rất dài.

Một mô hình tốt là định tuyến theo độ khó: dùng Flash cho trường hợp thông thường, chỉ nâng lên Pro khi kiểm tra thất bại. Cách định tuyến trong code được trình bày trong hướng dẫn tối ưu chi phí AI.

Cách giảm hóa đơn Gemini

1. Hạ cấp model. Gửi 80% tác vụ đơn giản đến Flash; dành Pro cho 20% tác vụ khó.
2. Giới hạn đầu ra. Đặt max_tokens và các chuỗi dừng — đầu ra là phần đắt hơn của bộ đếm.
3. Tinh gọn đầu vào. Truy xuất ít chunk RAG hơn nhưng tốt hơn, thay vì nhồi toàn bộ cơ sở tri thức vào ngữ cảnh.
4. Xử lý theo batch. Gộp các lượt gọi độc lập để giữ độ trễ thấp và tránh các đợt retry dồn dập.

Cùng khóa đó cũng gọi được các model video của Google — chi phí mỗi clip có trong Chi phí Veo 3, còn so sánh với OpenAI có trong Chi phí OpenAI API.

Câu hỏi thường gặp