Quota Gemini CLI: hiện bắt nguồn từ đâu và cần làm gì khi chạm giới hạn

Hạn ngạch Gemini CLI hiện đến từ một quan hệ trả phí: giấy phép Gemini Code Assist, trong đó Google giới hạn 1.500 yêu cầu mỗi người dùng mỗi ngày ở Standard và 2.000 ở Enterprise, hoặc một key tính theo mức sử dụng — Gemini API key hoặc Gemini Enterprise Agent Platform key — mà trang giới hạn tốc độ của Google không công bố số yêu cầu hằng ngày nào, chỉ có các giới hạn theo model được đọc trong AI Studio. Nguồn mà hầu hết câu trả lời vẫn trích dẫn — đăng nhập bằng tài khoản Google cá nhân trong gói miễn phí, Google AI Pro hoặc Google AI Ultra — đã ngừng phục vụ Gemini CLI vào ngày 18 tháng 6 năm 2026.

Ngày đó là lý do câu hỏi này khó hơn thoạt nhìn. README trong kho mã của chính Google, được lấy từ nhánh main vào ngày 21 tháng 9 năm 2026, vẫn quảng bá “Gói miễn phí: 60 yêu cầu/phút và 1.000 yêu cầu/ngày với tài khoản Google cá nhân”. Đây là một thông tin sai mà chưa ai sửa, và đây là con số mà phần lớn bài viết bên thứ ba đang sao chép.

Hạn ngạch Gemini CLI của bạn hiện đến từ đâu

Hai nguồn chính thức của Google xác lập thời điểm ngừng cung cấp. Thông báo ngày 19 tháng 5 năm 2026 của Google: “Vào ngày 18 tháng 6 năm 2026, Gemini CLI và các tiện ích IDE của Gemini Code Assist sẽ ngừng phục vụ yêu cầu cho Google AI Pro và Ultra, cũng như những người sử dụng miễn phí thông qua Gemini Code Assist cho cá nhân.” Và trang ngừng cung cấp, với chân trang ghi cập nhật lần cuối 2026-09-02: “Điều này cũng áp dụng cho việc sử dụng Gemini CLI. Là một phần của quá trình ngừng cung cấp, bạn không còn có thể sử dụng tùy chọn Login with Google để truy cập các tiện ích IDE hoặc Gemini CLI.” FAQ của trang trả lời trực tiếp câu hỏi về Standard/Enterprise — các gói thuê bao đó không bị ảnh hưởng.

Các số liệu trực tiếp đến từ trang hạn ngạch Code Assist của Google (cập nhật lần cuối 2026-09-18), và cơ chế trên trang đó quan trọng hơn các con số. Hạn ngạch cho chế độ agent và Gemini CLI được gộp chung; một prompt có thể tạo ra nhiều yêu cầu model; các giới hạn hằng ngày được “tổng hợp trên tất cả tương tác với bất kỳ phiên bản hoặc nhóm model nào”; và khi đạt mức tối đa, “không thể thực hiện thêm yêu cầu nào thông qua các giao diện này tới bất kỳ model nào cho đến khi hạn ngạch được đặt lại”. Vì vậy, chuyển sang model nhỏ hơn không tạo thêm dư địa trên tuyến này, và con số 1.500 không có nghĩa là 1.500 prompt. Google không nói khi nào việc đặt lại diễn ra — quy tắc nửa đêm theo giờ Thái Bình Dương mà bạn có thể đã đọc được ghi nhận cho Gemini API, không phải tuyến giấy phép, và áp dụng nó sang đây chỉ là phỏng đoán.

Một điểm dễ nhầm khác trên cùng trang: các dòng “2 yêu cầu mỗi giây”, 6.000 mỗi ngày và 960 mỗi ngày là hạn ngạch Gemini cho Google Cloud dành cho tính năng hoàn thành mã và trò chuyện trong bảng điều khiển Cloud Assist. Chúng không phải ngân sách chế độ agent của CLI, và việc lấy một con số áp sang nơi khác là sai dù cả hai con số đều có thật.

Bốn trang Google chính thức sẽ đưa cho bạn con số sai

geminicli.com không phải là trang bị chiếm dụng — đây là trang chủ do chính kho mã khai báo, và đó chính là lý do nó nguy hiểm. Hãy loại bỏ thông tin này vì đã lỗi thời, không phải vì không chính thức. Biểu ngữ hiện tại mâu thuẫn với chính nội dung bên dưới: “Người dùng gói không trả phí và Google One: Gemini CLI đã được thay thế bằng Antigravity CLI vào ngày 18 tháng 6 năm 2026.” Khi biểu ngữ và bảng không thống nhất, biểu ngữ và trang thông báo ngừng cung cấp có ghi ngày là thông tin mới hơn.

Một câu hỏi mà không trang chính thức nào trả lời. Trên phương thức dùng khóa API, bài đăng ngày 19 tháng 5 của Google nói rằng CLI vẫn có thể truy cập bằng khóa API trả phí. Bài đăng ngừng hoạt động ngày 18 tháng 6 của các nhà bảo trì chỉ bổ sung rằng “Người dùng doanh nghiệp có giấy phép Gemini Code Assist và xác thực bằng khóa API hoàn toàn không bị ảnh hưởng” — chủ thể của câu này là người dùng doanh nghiệp, nên đây không phải là tuyên bố rằng khóa không trả phí vẫn hoạt động. Không có thông tin nào được ghi ngày sau 18 tháng 6 đề cập đến khóa không trả phí, và con số 250 yêu cầu mỗi ngày của gói không trả phí chỉ còn tồn tại trên tài liệu hạn mức đã bị đóng băng. Hãy coi khóa không trả phí là chưa được xác minh thay vì coi đó là một hạn mức sử dụng.

Tôi đang dùng phương thức nào và hạn mức là bao nhiêu?

Trước khi thay đổi bất kỳ điều gì, hãy xác nhận mối quan hệ thanh toán. Tài liệu Gemini CLI mô tả /auth là “một hộp thoại cho phép bạn thay đổi phương thức xác thực” và /stats model là nơi hiển thị “thống kê sử dụng theo từng mô hình, bao gồm số lượng token và thông tin hạn mức”; tài liệu hạn mức cũng cho biết bản tóm tắt sử dụng sẽ xuất hiện khi thoát vào cuối phiên. Cả hai đều là hành vi được mô tả trong tài liệu mà chúng tôi đã đọc vào ngày 21 tháng 9 năm 2026, không phải hành vi được kiểm thử ở đây.

Hai lỗi khác nhau tạo ra các gián đoạn trông tương tự nhau và có cách khắc phục khác nhau. Việc chạm hạn mức được ghi nhận là đưa ra một lựa chọn cụ thể: “Khi gặp hạn mức đó, bạn sẽ được lựa chọn chuyển sang Gemini 2.5 Pro, nâng cấp để có hạn mức cao hơn hoặc dừng lại. Bạn cũng sẽ được cho biết khi nào hạn mức sử dụng được đặt lại”, cùng với lời nhắc chuyển sang Gemini 2.5 Flash khi đạt hạn mức 2.5 Pro. Lỗi công suất lại là do mô hình quá tải: tài liệu cho biết CLI hỏi bạn có muốn tiếp tục thử Gemini 3 Pro hay chuyển sang Gemini 2.5 Pro, và “Tiếp tục thử” sử dụng cơ chế backoff theo cấp số nhân. Chờ đợi sẽ khắc phục lỗi thứ hai; chỉ việc đặt lại, có giấy phép hoặc dùng phương thức thanh toán khác mới khắc phục được lỗi thứ nhất.

Ngoài ra còn có một phương án dự phòng diễn ra mà không hỏi. Tài liệu nêu rằng khi CLI phát hiện giới hạn tốc độ trên mô hình “pro” mặc định, CLI “tự động chuyển sang mô hình ‘flash’ cho phiên hiện tại”, và các lệnh gọi tiện ích nội bộ sử dụng gemini-2.5-flash-lite sẽ “âm thầm chuyển sang” các mô hình khác khi hết hạn mức mà không thay đổi mô hình đã cấu hình. Với một khóa tính phí theo mức sử dụng, điều này ảnh hưởng đến cả hóa đơn lẫn đầu ra: mô hình trả lời không phải lúc nào cũng là mô hình bạn đã chọn.

Bốn lựa chọn khi chạm hạn mức và chi phí của từng lựa chọn

Tiêu đề riêng của bảng giá Google Cloud là “Gemini license type / License fees (monthly commitment) / License fees (12-month commitment)” và không in các từ “per user” bên cạnh con số — hạn mức được nêu rõ là tính theo mỗi người dùng mỗi ngày, vì vậy hãy hiểu khoản phí là tính theo giấy phép cho đến khi bạn xác nhận điều khoản chỗ ngồi trong đơn hàng của mình.

Lựa chọn một, chờ đợi. Miễn phí và phù hợp khi gián đoạn là do lỗi công suất thay vì chạm hạn mức. Lựa chọn hai, mua giấy phép. Đây là lựa chọn duy nhất làm tăng số yêu cầu hằng ngày trên phương thức đăng nhập và là lựa chọn Google ghi nhận cho Gemini CLI. Lựa chọn ba, chuyển sang khóa tính phí theo mức sử dụng. Cách này loại bỏ giới hạn số yêu cầu hằng ngày và thay bằng tính phí theo token cùng giới hạn chi tiêu: trang giới hạn tốc độ của Google công bố các hạn mức dựa trên chi tiêu là $10, $50 và $200 trong mỗi mười phút trượt cho các Bậc 1 đến 3, trả về 429 RESOURCE_EXHAUSTED khi vượt quá, đồng thời lưu ý rằng các hạn mức “không được đảm bảo” và chỉ có thể xem số liệu theo từng mô hình trong AI Studio. Trang thanh toán (cập nhật lần cuối vào ngày 2026-09-20) cũng ghi nhận việc chuyển từ Postpay sang Prepay cho hoạt động sử dụng Gemini API, với khoản mua tín dụng tối thiểu là $5. Biến thể Agent Platform của cùng lựa chọn này có thời gian miễn phí riêng: express mode (cập nhật lần cuối vào ngày 2026-09-18) cho phép người dùng Google Cloud mới dùng thử tối đa 90 ngày mà không cung cấp thông tin thanh toán, đồng thời nêu rằng gói miễn phí 90 ngày bị gỡ bỏ đối với người dùng Cloud hiện tại hoặc ngay khi bật thanh toán.

Lựa chọn bốn, đổi ứng dụng khách. Đề xuất riêng của Google là Antigravity CLI, và bạn nên biết sự đánh đổi về tính linh hoạt trước khi chọn: tài liệu gói của Antigravity nêu rằng “hiện chưa hỗ trợ: Bring-your-own-key hoặc bring-your-own-endpoint để có thêm giới hạn tốc độ”; người dùng không sử dụng AI Pro hoặc Ultra chỉ được hứa hẹn “Hạn mức đáng kể, được làm mới hằng tuần” và “Giới hạn tốc độ hằng tuần”, không có con số nào được in trên trang đó; còn hạn mức trả phí được “làm mới sau mỗi năm giờ” — trên Pro là “cho đến khi đạt giới hạn hằng tuần” — với các hạn mức mà Google cho biết là “tương quan với khối lượng công việc do tác nhân thực hiện” thay vì số lượng prompt. Không có tệp nhị phân Antigravity CLI nào được cài đặt cho trang này và không đưa ra tuyên bố so sánh nào về tốc độ hoặc khả năng tương thích.

Điều gì không làm tăng hạn mức Gemini CLI: gói đăng ký Google AI Plus với giá $4,99/tháng hoặc gói đăng ký Google AI Pro với giá $19,99/tháng (gemini.google/subscriptions, được kiểm tra ngày 21 tháng 9 năm 2026). Kể từ ngày 18 tháng 6 năm 2026, các gói này mua hạn mức cho ứng dụng Gemini và Antigravity. Các gói AI Ultra $100 và $200 xuất phát từ thông báo ngày 19 tháng 5 năm 2026 của Google thay vì trang đăng ký, và có cùng điều kiện cần lưu ý.

Endpoint tùy chỉnh có thể và không thể làm gì

Gemini CLI có ghi nhận việc ghi đè base URL, nhưng phạm vi hẹp hơn vẻ ngoài. GOOGLE_GEMINI_BASE_URL ghi đè base URL cho các yêu cầu Gemini API “khi sử dụng xác thực gemini-api-key”, phải là HTTPS trừ khi trỏ đến localhost, và có một biến cùng cấp riêng là GOOGLE_VERTEX_BASE_URL, dành cho đường dẫn Vertex — đường dẫn mà Google sau đó đã đổi tên thành Gemini Enterprise Agent Platform, trong khi CLI vẫn giữ các tên biến cũ. Trong mã nguồn v0.60.0 đã phát hành, chỉ cần đặt biến đó sẽ chọn một loại xác thực không xuất hiện trong bất kỳ tài liệu đã công bố nào (GATEWAY = 'gateway'), với khóa mặc định rơi về chuỗi rỗng. Hãy hiểu đây là hành vi của mã nguồn, không phải tính năng được hỗ trợ; nó có thể thay đổi mà không có mục nào trong changelog.

Ba ranh giới sau đây quyết định liệu đây có thực sự là câu trả lời về hạn mức hay không. Base URL được truyền dưới dạng httpOptions.baseUrl vào SDK GoogleGenAI, vì vậy mọi yêu cầu vẫn sử dụng giao thức gốc của Google, mặc định được xác thực bằng tiêu đề x-goog-api-key; enum xác thực không có nhà cung cấp tương thích với OpenAI hoặc Anthropic. API của Kunavo chỉ tương thích với OpenAI và Anthropic Messages — danh mục route của API ở commit này có /v1/chat/completions, /v1/responses và /v1/messages, nhưng không có đường dẫn Gemini-native generateContent — vì vậy đây không phải là đích có thể thay thế trực tiếp cho biến đó, và không trang nào ở đây nên nói ngược lại. Đây là suy luận từ hình dạng giao thức và danh mục route, không phải kiểm thử thời gian chạy. Ngoài ra, cơ chế ghi đè chỉ tồn tại trên phương thức dùng khóa API, nên việc trỏ đến bất kỳ gateway nào không bao giờ làm tăng, kéo dài hoặc đặt lại hạn mức hằng ngày ở phía Google; nó chuyển bạn sang một mối quan hệ thanh toán khác, trong đó hạn mức sẽ là hạn mức của tài khoản đó.

Vì vậy, cách diễn đạt trung thực về lựa chọn Kunavo là: đổi ứng dụng khách, không đổi endpoint. Gemini CLI và Claude Code so sánh hai tác nhân, còn tài liệu khóa Gemini API trình bày cách truy cập các mô hình Gemini thông qua một đường dẫn tương thích với OpenAI. Kunavo chưa kiểm thử thời gian chạy bất kỳ ứng dụng khách nào trong số này với endpoint của mình; hướng dẫn thiết lập đã công bố là tài liệu tham khảo cấu hình, không phải bài kiểm thử khả năng tương thích.

Một ước tính minh họa nếu bạn đổi ứng dụng khách

Đây là phép tính token mang tính minh họa, không phải chi phí tác vụ được đo lường và không phải mức trần hóa đơn. Giả sử một phiên tác nhân gửi 300.000 token đầu vào không được lưu vào bộ nhớ đệm và nhận 20.000 token đầu ra. Mức giá là giá catalog Kunavo hiện hành cho mỗi triệu token; hãy so sánh với giá niêm yết của Google trong bảng trên.

Đừng cố quy đổi giữa hai thế giới. Giấy phép Code Assist tính theo số yêu cầu mỗi người dùng mỗi ngày, khóa token tính theo token, và chính Google cho biết một prompt có thể tạo ra nhiều yêu cầu mô hình — vì vậy không có tỷ giá quy đổi giữa $22,80 mỗi tháng và một con số theo từng phiên. So sánh trung thực duy nhất là chạy cùng một tác vụ có phạm vi giới hạn trên cả hai và đọc bản ghi riêng của từng tài khoản. Khoản tiền trong catalog của Kunavo là mức sàn thanh toán chứ không phải mức trần: khi nhà cung cấp upstream báo chi phí, hóa đơn là giá trị lớn hơn giữa chi phí trong catalog và chi phí upstream nhân với mức cộng giá áp dụng. Phí bộ nhớ đệm và các công cụ bên ngoài nằm ngoài ví dụ này, còn khoản nạp tối thiểu là $10 tín dụng trả trước — đây là mức tối thiểu để nạp tiền, không phải phí tác vụ hay gói đăng ký. Xem chi tiết thanh toán.

Tuyến nào thắng trong trường hợp nào

Nếu bạn chuyển công việc sang một tác nhân khác thay vì một gói Google khác, hãy bắt đầu với tích hợp OpenCode hoặc thiết lập Cline, so sánh mức giá trong catalog mô hình, và tạo tài khoản Kunavo khi bạn sẵn sàng nạp tiền cho một khóa. Để xem bức tranh giá Gemini rộng hơn, hãy xem giá Gemini API, còn để xem câu hỏi tương tự về gói miễn phí đã biến mất trên một tác nhân khác, hãy xem giới hạn sử dụng Codex.

Câu hỏi thường gặp

Đã kiểm tra ngày 21 tháng 9 năm 2026: thông báo ngừng cung cấp của Google, trang hạn mức Code Assist, bảng giá Google Cloud, các trang về giá, thanh toán và giới hạn tốc độ của Gemini API, tập tài liệu geminicli.com và trang hạn mức của trang này, trang gói Antigravity, README của kho mã, API kho mã GitHub và npm registry (bản ổn định 0.60.0, phát hành ngày 2026-09-15). Chưa kiểm tra: chưa cài tệp nhị phân Gemini CLI hoặc Antigravity CLI, chưa đăng nhập tài khoản Google và chưa trỏ proxy vào CLI — ranh giới giao thức được đọc từ mã nguồn v0.60.0 đã phát hành và danh mục route riêng của Kunavo. Mức giá token của Kunavo lấy từ catalog hiện hành và mọi con số đô la ở đây đều là phép tính token mang tính minh họa.