Der Preis der Gemini API ist keine einzelne Zahl, sondern eine Gruppe von Variablen: welche Modellstufe, wie viele Input- und Output-Token, ob Bilder, Audio oder Video enthalten sind, wie lang der Kontext ist, ob Caching aktiv ist und ob Batch-Verarbeitung genutzt wird. Wer das Budget nur mit „wie viel pro Million Token“ plant, erlebt nach dem Livegang leicht Abweichungen.

Dieser Artikel zerlegt die Abrechnungsstruktur von Gemini, mit Schwerpunkt auf den Unterschieden zwischen Pro, Flash und Flash-Lite sowie den multimodalen Kosten. Anschließend folgt eine umsetzbare Methode zur Schätzung und Kostenkontrolle.

Hinweis: Google und Gemini sind Marken ihrer jeweiligen Inhaber. Dieser Artikel nennt keine festen Stückpreise; Modellnamen, Kontextlängen und Preise richten sich nach der offiziellen Abrechnungsdokumentation und den Modellpreisen auf dieser Website. Die Beispiele beschreiben übliche Schnittstellenformen im Oktober 2026.

1. Woraus sich die Gemini-Abrechnung zusammensetzt

Die Gemini API rechnet überwiegend nach Token ab, aber „Token“ stammt nicht nur aus Text. Übliche Posten:

Abrechnungsposten Erläuterung Kostenwirkung
Text-Input System-Prompt, Verlauf, Dokumenttext Längerer Kontext erhöht die Kosten pro Aufruf
Text-Output Vom Modell erzeugte Antwort Output-Preis meist höher als Input
Multimodaler Input Bilder, Audio, Video, PDF Nach umgerechneten Token, Dauer oder Seiten
Denkprozess Manche Reasoning-Modelle erzeugen Denk-Token Eventuell als Output abgerechnet, Abrechnungshinweise prüfen
Kontext-Caching Speichergebühr und Input-Gebühr bei Treffern Lohnt sich bei vielen wiederholten Präfixen
Batch Offline-Massenaufgaben Meist eigener Preis, geeignet für nicht zeitkritische Aufgaben
Retrieval und Tools Grounding, Funktionsaufrufe und Ähnliches Können Zusatzkosten erzeugen

Für das Budget sollten alle sieben Posten erfasst werden. Nur „Frage + Antwort“ zu rechnen, ist die häufigste Ursache für Unterschätzung.

2. Wie Pro, Flash und Flash-Lite zusammenarbeiten

Übliche Gemini-Modelle teilen sich in Stufen wie Pro, Flash und Flash-Lite. Höhere Stufen sind bei komplexem Reasoning und langen Dokumenten meist leistungsfähiger, aber teurer; niedrigere Stufen bieten meist geringere Latenz und Kosten und eignen sich für hohe Parallelität und klar definierte Aufgaben.

Stufe Relative Fähigkeit Relative Kosten Typische Aufgaben
Pro Am stärksten der drei Am höchsten Komplexes Reasoning, Code, Langdokumentanalyse, wichtige Entscheidungen
Flash Ausgewogen Mittel Kundenservice, Zusammenfassungen, Content-Erstellung, übliche Multimodalität
Flash-Lite Grundlegend Am niedrigsten Klassifikation, Extraktion, Umformulierung, einfache Fragen, Massenvorverarbeitung

Wählen Sie nicht „das Beste“, sondern „was die Aufgabe braucht“. Bewährt ist hierarchisches Routing:

  1. Zuerst mit der leichten Stufe Absicht, Kategorie und Felder erkennen.
  2. Nur komplexe Fragen auf Pro hochstufen.
  3. Bei multimodalen Aufgaben Bilder zuerst komprimieren oder Frames ausdünnen.
  4. Ausgabequalität stichprobenartig prüfen, damit Sparmaßnahmen den Hauptablauf nicht beschädigen.
  5. Wöchentlich Anteil und Fehlerrate der einzelnen Stufen prüfen.

Konkrete Modellnamen und Stückpreise stehen auf der Seite Modellpreise. Modelle werden schnell weiterentwickelt; die heutige Stufentabelle ist keine langfristige Zusage.

3. Warum multimodale Kosten schwer zu schätzen sind

Multimodalität ist ein Kennzeichen von Gemini und zugleich die größte Quelle von Rechnungsschwankungen. Text-Token lassen sich grob nach Zeichenzahl umrechnen; Bilder, Audio und Video hängen von Auflösung, Dauer und Sampling ab.

  • Bilder: werden üblicherweise nach Auflösung in Token umgerechnet. Größere Bilder verbrauchen mehr; Screenshots, Scans und hochauflösende Produktbilder unterscheiden sich deutlich.
  • Video: wird über Bild-Token der extrahierten Frames plus Tonspur berechnet. Längere Videos und höhere Bildraten kosten mehr.
  • Audio: wird nach Dauer umgerechnet. Lange Meeting-Aufnahmen und kurze Sprachbefehle liegen in völlig verschiedenen Größenordnungen.
  • PDF: Seiten können gleichzeitig Text- und Bild-Token erzeugen; mehr Seiten kosten mehr.
  • Mehrstufige Gespräche: Der Verlauf wird bei jedem Request erneut gesendet; mehr Runden erhöhen die Input-Kosten.

Eine allgemeine Formel für die Grobschätzung:

Kosten pro Request ≈
   Text-Input-Token × Input-Preis
+ multimodaler Input in Token × Multimodal-Preis
+ Output-Token × Output-Preis
+ Cache-Speicher- und Treffergebühren
+ Retrieval-, Tool- und sonstige Zusatzgebühren

Die tatsächlichen Stückpreise stammen von der Seite Modellpreise, nicht aus alten Screenshots. Jeder Term der Formel wird mit echten Usage-Logs der letzten Woche multipliziert, nicht mit einem geschätzten „Durchschnitt pro Aufruf“.

4. Verbrauch mit einem echten Request prüfen

Bestätigen Sie zuerst Schnittstelle und Usage-Felder mit einem minimalen Request. Das folgende Beispiel nutzt die native Gemini-Schnittstelle; die Modell-ID ist ein Platzhalter:

export GEMINI_API_KEY="dein-schluessel"

curl "https://generativelanguage.googleapis.com/v1beta/models/<modell-id>:generateContent" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [{"parts": [{"text": "Antworte nur mit OK"}]}],
    "generationConfig": {"maxOutputTokens": 64}
  }'

Die Antwort enthält üblicherweise usageMetadata mit Input-Token, Output-Token und Gesamttoken. Multiplizieren Sie den Verbrauch dieses Requests mit dem Preis der Preisseite und gleichen Sie ihn einmal mit der Rechnung ab; das ist verlässlicher als eigene Schätzungen.

Bei einem OpenAI-kompatiblen Zugang unterscheiden sich Base URL und Authentifizierungsheader; vermischen Sie die beiden Schreibweisen nicht. Maßgeblich ist die Dokumentation des jeweiligen Zugangs.

5. Sieben Maßnahmen zur Kostenkontrolle

  1. Nach Aufgabe stufen: Einfache Aufgaben über Flash-Lite oder Flash, komplexe erst über Pro.
  2. Ausgabelänge begrenzen: maxOutputTokens setzen, damit das Modell nicht ausschweift.
  3. Multimodalen Input komprimieren: Bildauflösung senken, Video-Framerate reduzieren, bei PDF nur relevante Seiten senden.
  4. Lange Dokumente zuerst zusammenfassen: Inhaltsverzeichnis und Schlüsselabschnitte extrahieren, nicht jedes Mal den Volltext senden.
  5. Kontext-Caching nutzen: Bei wiederholtem festem System-Prompt und langem Präfix ist Caching meist günstiger als erneuter Input.
  6. Offline-Aufgaben als Batch: Annotation, Zusammenfassung und Klassifikation ohne Echtzeitbedarf gebündelt verarbeiten.
  7. Retries und Fehler überwachen: Blindes erneutes Senden nach 429 erhöht die Request-Menge; Backoff und Obergrenzen setzen.

Von diesen sieben bringen Punkt 1 und Punkt 3 meist den größten Nutzen. Ist die Modellstufe falsch gewählt, lässt sich das später kaum ausgleichen.

6. Wie das Budget der Rechnung näherkommt

Für die Monatsplanung in vier Schritten:

  1. Die Request-Logs der letzten sieben Tage aus Gateway oder offiziellem Backend exportieren und nach Modell, Input-Token, Output-Token und Multimodalitätstyp gruppieren.
  2. Jeden Posten mit dem aktuellen Preis der Preisseite berechnen; das ergibt die Tageskostenbasis.
  3. Mit 30 multiplizieren und 15–30 % Reserve für Retries, Cache und Spitzen aufschlagen.
  4. Für jedes Projekt eine Budgetobergrenze setzen und bei Überschreitung auf eine niedrigere Stufe wechseln oder nicht kritische Aufgaben pausieren.

Wechselkurs und Abrechnungsweg nicht ignorieren. Offizielle Konten rechnen üblicherweise in US-Dollar ab, inländische Gateways meist in Renminbi; die passenden Teams unterscheiden sich, daher vor der Wahl Rechnung, Zahlung und Abstimmung klären.

7. Häufige Fragen

Wird die Gemini API pro Aufruf oder pro Token abgerechnet?

Überwiegend pro Token, Input und Output getrennt. Bestimmte Fähigkeiten wie Bildgenerierung können pro Bild oder in anderen Einheiten abgerechnet werden; maßgeblich sind die offizielle Abrechnungsdokumentation und die Preisseite.

Ist Pro immer deutlich teurer als Flash?

Beim Stückpreis liegt Pro meist über Flash; die Gesamtkosten hängen aber von Input-Länge, Output-Länge und Aufrufzahl ab. Eine kurze Frage mit Pro kann günstiger sein als ein langes Dokument mit Flash; die Stufe allein entscheidet nicht.

Wie werden Bilder und Videos in Token umgerechnet?

Üblicherweise über Auflösung, Framezahl oder Dauer. Größere Bilder und längere Videos verbrauchen mehr. Testen Sie vor der Schätzung einige Requests mit echtem Material und lesen Sie die tatsächlichen Werte aus usageMetadata ab, bevor Sie mit Preisen multiplizieren.

Warum ist die tatsächliche Rechnung höher als geschätzt?

Vier häufige Ursachen: multimodaler Input unterschätzt, Verlauf in mehrstufigen Gesprächen erneut gesendet, Retries erzeugen zusätzliche Requests, Cache oder Retrieval-Tools verursachen Zusatzkosten. Mit Logs lässt sich die Quelle meist eingrenzen.

Reicht das kostenlose Kontingent für Tests?

Für Prototypen und interne Validierung ja, aber kostenlose Stufen haben meist Einschränkungen bei Rate-Limits, Modellen und Datenbedingungen und eignen sich nicht direkt für externe Dienste. Vor dem Produktivstart Kosten und Kontingente erneut auf Basis eines bezahlten Tarifs bewerten.

Nächster Schritt

Bei der Gemini-Kostenkontrolle geht es nicht darum, den preislich attraktivsten Einzelpreis zu finden, sondern Aufgaben zu stufen, multimodalen Input auf das Nötige zu begrenzen und Usage-Logs zu aktivieren. Wenn Sie Gemini und andere Modelle in einem Backend mit RMB-Abrechnung verwalten möchten, können Sie sich für das ZSQH AI Gateway registrieren; Modelle und Preise stehen auf der Seite Modellpreise.

Weiterlesen: