Gemini API 价格与计费（2026）：Pro、Flash 与多模态成本

Gemini API 的价格不是一个数字，而是一组变量：用哪一档模型、输入输出各多少 Token、有没有图片音频视频、上下文多长、是否开缓存、是否走批处理。只看“每百万 Token 多少钱”做预算，上线后很容易对不上账。

本文把 Gemini 的计费结构拆开讲，重点放在 Pro、Flash、Flash-Lite 的档位差异和多模态成本，最后给一套可执行的估算与控费方法。

说明：Google、Gemini 是其权利人的商标。本文不写死具体单价，模型名称、上下文长度与价格一律以官方计费文档和站内模型价格为准；示例以 2026 年 10 月的常见接口形态为例。

一、Gemini 计费由哪几块组成

Gemini API 主要按 Token 计费，但“Token”不只来自文本。常见计费项如下：

计费项	说明	成本影响
文本输入	系统提示、历史消息、文档正文	上下文越长，单次成本越高
文本输出	模型生成的回答	输出单价通常高于输入
多模态输入	图片、音频、视频、PDF	按折算 Token 或时长、页数计算
思考过程	部分推理模型会产生思考 Token	可能按输出计费，需看计费说明
上下文缓存	缓存存储费与命中后的输入费	重复前缀多时更划算
批处理	离线批量任务	通常有单独价格，适合非实时任务
检索与工具	搜索接地、函数调用等	可能产生附加费用

做预算时要把这七项都列出来。只算“提问 + 回答”的 Token，是最常见的低估原因。

二、Pro、Flash、Flash-Lite 怎么分工

Gemini 常见模型分为 Pro、Flash、Flash-Lite 等档位。档位越高，复杂推理和长文档能力通常越强，单价也越高；档位越低，延迟和成本通常越低，适合高并发、规则明确的任务。

档位	相对能力	相对成本	典型任务
Pro	最强	最高	复杂推理、代码、长文档分析、关键决策
Flash	均衡	中等	客服、摘要、内容生成、常规多模态
Flash-Lite	基础	最低	分类、抽取、改写、简单问答、大批量预处理

选型不要按“最好”选，而按“任务需要什么”选。一个常见做法是分层路由：

先用轻量档做意图识别、分类和字段抽取。
只有复杂问题才升级到 Pro。
多模态任务先压缩图片或抽帧，再送模型。
对输出质量做抽检，避免为了省钱把主流程做坏。
每周回看各档位的调用占比和失败率。

具体模型名称和单价以模型价格页为准。模型迭代很快，不要把今天的档位表当成长期承诺。

三、多模态成本为什么不好估

多模态是 Gemini 的特色，也是账单波动最大的来源。文本 Token 还能按字数粗略换算，图片、音频、视频则取决于分辨率、时长和采样方式。

图片：通常按分辨率折算 Token。图片越大，消耗越多；截图、扫描件、高清商品图差异明显。
视频：按抽帧后的图像 Token 加音轨计算。视频越长、帧率越高，成本越高。
音频：按时长折算。长会议录音和短语音指令完全不是一个量级。
PDF：页面可能同时产生文本和图像 Token，页数越多越贵。
多轮对话：历史消息会随请求重复发送，轮次越多，输入成本越高。

可以用一个通用公式做粗算：

单次请求成本 ≈
  文本输入 Token × 输入单价
+ 多模态输入折算 Token × 多模态单价
+ 输出 Token × 输出单价
+ 缓存存储与命中费用
+ 检索、工具等附加费用

真正的单价从模型价格页取，不要用旧截图。公式里的每一项都要用最近一周的真实用量日志去乘，而不是拍脑袋估一个“平均每次”。

四、用一次真实请求核对用量

先用最小请求确认接口和用量字段。下面以 Gemini 原生接口为例，模型 ID 用占位符代替：

export GEMINI_API_KEY="你的密钥"

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

返回结果里通常带有 usageMetadata，可以看到输入 Token、输出 Token 和总 Token。把这条请求的用量乘以价格页单价，再和账单核对一次，比自己推算可靠。

如果你用的是 OpenAI 兼容入口，Base URL 和鉴权头会不同，不要把两套写法混在一起。用哪套入口，就以哪套文档为准。

五、控制成本的七个动作

按任务分档：简单任务走 Flash-Lite 或 Flash，复杂任务再上 Pro。
限制输出长度：设置 maxOutputTokens，避免模型长篇发挥。
压缩多模态输入：图片降分辨率，视频降低抽帧频率，PDF 只传相关页。
长文档先摘要：先提取目录和关键段，再送模型，不要每次传全文。
用上下文缓存：固定系统提示和长前缀重复使用时，缓存通常比重复输入便宜。
离线任务走批处理：不要求实时返回的标注、摘要、分类，可以集中处理。
监控重试与失败：429 后无脑重发会放大请求量，重试要退避并设上限。

这七条里，收益最大的通常是第 1 条和第 3 条。模型档位选错，后面怎么省都补不回来。

六、预算怎么估才接近账单

建议按下面四步做月度预算：

从网关或官方后台导出最近 7 天的请求日志，按模型、输入 Token、输出 Token、多模态类型分组。
用价格页当前单价计算每一项，得到“日成本基线”。
乘以 30 得到月成本，再叠加 15%–30% 的重试、缓存和峰值余量。
给每个项目设预算上限，超过阈值时降档或暂停非关键任务。

不要忽略汇率和结算方式。官方账户通常按美元结算，国内网关通常给人民币账单；两者适合的团队不同，选之前先确认发票、付款和对账流程。

七、常见问题

Gemini API 是按次收费还是按 Token 收费？

主要是按 Token 计费，输入和输出分开计价。图像生成等特定能力可能按张或其他单位计费，具体以官方计费文档和站内价格页为准。

Pro 一定比 Flash 贵很多吗？

从单价看，Pro 通常高于 Flash；但总成本还取决于输入长度、输出长度和调用次数。一个短问题用 Pro，可能比一个长文档用 Flash 更便宜，不能只看档位。

图片和视频到底怎么算 Token？

通常按分辨率、帧数或时长折算。图片越大、视频越长，消耗越多。做估算时先用真实素材跑几条请求，看 usageMetadata 的实际数字，再乘单价。

为什么实际账单比估算高？

常见原因有四个：多模态输入被低估、多轮对话重复发送历史、重试产生额外请求、缓存或检索工具产生附加费用。逐项对日志，通常能定位到具体来源。

免费额度能覆盖测试吗？

可以用于原型和内部验证，但免费档通常有速率、模型和数据条款限制，不适合直接承载对外业务。正式上线前按付费档重新做一次成本和配额评估。

下一步

Gemini 的成本控制，核心不是找“最便宜的单价”，而是把任务分档、把多模态输入压到必要范围、把用量日志打开。需要在一个后台统一查看 Gemini 与其他模型的调用量和人民币账单，可以先注册中商起航 AI 网关，模型与价格以模型价格页为准。