Preços da Gemini API em 2026: custos atuais dos modelos e calculadora de carga de trabalho

Se você estiver comparando Preços da Gemini API em 2026: custos atuais dos modelos e calculadora de carga de trabalho, não pare na taxa de tokens destacada. A mesma carga de trabalho do Gemini pode ter preços muito diferentes dependendo da geração do modelo, da execução Standard versus Batch/Flex, do comprimento do prompt, da reutilização de cache, da modalidade de áudio ou imagem e de o pedido usar grounding.

Esta atualização foca na Gemini Developer API, e não nas assinaturas do Gemini para consumidores nem nos SKUs do Vertex AI. Os fatos de preços e faturamento abaixo foram verificados nas páginas oficiais do Google de preços da Gemini API, faturamento, Batch API e compatibilidade com OpenAI em 24 de setembro de 2026.

A resposta rápida:

• Gemini 3.8 Flash, 3.7 Flash e 3.6 Flash atualmente listam tarifas promocionais pagas de US$ 0,75 de entrada e US$ 3,75 de saída por 1 milhão de tokens até 31 de dezembro de 2026, depois US$ 1,50 de entrada e US$ 7,50 de saída a partir de 1º de janeiro de 2027.
• Gemini 3.1 Pro Preview precifica texto pelo tamanho do prompt: US$ 2 de entrada / US$ 12 de saída por 1 milhão de tokens para prompts de até 200 mil tokens, e US$ 4 de entrada / US$ 18 de saída acima de 200 mil tokens.
• Gemini 2.5 Flash continua sendo uma âncora de custo estável útil em US$ 0,30 de entrada de texto/imagem/vídeo e US$ 2,50 de saída por 1 milhão de tokens.
• Gemini 2.5 Flash-Lite é a linha de menor custo em tokens de texto neste guia, com US$ 0,10 de entrada de texto/imagem/vídeo e US$ 0,40 de saída por 1 milhão de tokens.
• A Batch API do Google foi projetada para cargas de trabalho assíncronas e tem preço de 50% do custo equivalente da API interativa.

Use as tabelas da calculadora abaixo para normalizar os preços da Gemini API por carga de trabalho, em vez de comparar linhas de modelos isoladamente.

Preços da Gemini API em resumo

Os preços estão em dólares americanos por 1 milhão de tokens, salvo indicação em contrário. A tabela resume as linhas mais relevantes para fluxos de trabalho de produtos centrados em texto, agentes de código, trabalhos de extração e protótipos de SaaS indie.

A primeira armadilha de precificação é o tempo. Gemini 3.8 Flash, 3.7 Flash e 3.6 Flash têm um período promocional listado até 31 de dezembro de 2026. Se um protótipo lançado no 4º trimestre de 2026 ainda estiver em execução no 1º trimestre de 2027, use as tarifas de 1º de janeiro de 2027 no seu modelo de renovação.

A segunda armadilha é a modalidade. Uma consulta sobre "preços da Gemini API" frequentemente mistura texto, áudio, geração de imagens, compreensão de vídeo, Live API, grounding e armazenamento em cache. Mantenha uma linha separada para cada recurso que não seja de texto.

Calculadora de carga de trabalho da Gemini API que pode ser copiada

Use esta fórmula para uma estimativa mensal com foco em texto:

monthly_cost =
  input_mtokens * input_rate
+ output_mtokens * output_rate
+ cached_input_mtokens * cache_read_rate
+ cache_storage_mtokens_hours * storage_rate
+ grounding_billable_requests / 1000 * grounding_rate

Onde:

• input_mtokens são os tokens de entrada mensais divididos por 1.000.000.
• output_mtokens são os tokens de saída mensais divididos por 1.000.000.
• cache_read_rate é o preço de leitura/entrada do cache de contexto para o modelo e a camada selecionados.
• cache_storage_mtokens_hours é o volume de tokens em cache multiplicado pelas horas retidas e depois dividido por 1.000.000.
• grounding_billable_requests exclui qualquer franquia mensal ou diária gratuita que se aplique ao recurso de grounding selecionado.

Para trabalhos da Batch API, use as linhas de entrada e saída Batch/Flex em vez das linhas Standard. Não aplique manualmente o desconto de 50% se você já copiou as taxas Batch/Flex.

Scenario 1: small SaaS assistant

Suposição: 5M tokens de entrada e 1M tokens de saída por mês, sem cache, sem grounding, apenas texto.

Nesta carga de trabalho, o volume de saída importa tanto quanto a escolha do modelo. Passar de 1M para 3M tokens de saída acrescentaria $7.50 no Gemini 3.8 Flash na taxa Standard promocional, mas apenas $0.80 no Gemini 2.5 Flash-Lite.

Scenario 2: coding-agent or RAG-heavy workflow

Suposição: 200M tokens de entrada e 30M tokens de saída por mês, sem cache, sem grounding, apenas texto.

É aqui que uma camada de roteamento se torna prática, e não apenas teórica. Se um agente de codificação envia cada primeiro patch para uma rota premium, a fatura mensal pode variar em centenas de dólares antes mesmo de a qualidade ser medida. Um padrão melhor é começar com a rota mais barata que atenda aos critérios de aceitação, escalar as falhas e medir custo por saída aceita em vez de custo por solicitação.

Scenario 3: long-context review

Suposição: 100 solicitações, cada uma com 250k tokens de entrada e 5k tokens de saída, totalizando 25M tokens de entrada e 0.5M tokens de saída. Isso cruza o ponto de ruptura de prompt de 200k no Gemini 3.1 Pro Preview.

Esta tabela não diz que o modelo mais barato consegue resolver a mesma tarefa. Ela diz que o responsável pelo orçamento deve testar a qualidade da resposta, a latência e a taxa de repetição antes de aprovar a rota cara como padrão. Se o Gemini 3.1 Pro Preview corrigir falhas que a rota Flash mais barata não consegue, a decisão certa ainda pode ser a rota de preço mais alto para esse subconjunto.

O que muda com a Batch API

O Google descreve a Gemini Batch API como um caminho assíncrono para grandes volumes de solicitações a 50% do custo padrão, com um tempo-alvo de retorno de 24 horas e muitos trabalhos concluindo antes disso.

Isso torna o preço Batch uma ótima opção para:

• enriquecimento offline
• conjuntos de avaliação
• revisão de dados sintéticos
• classificação noturna
• extração em massa de documentos
• replay ou jobs de benchmark de agente de código não urgentes

Normalmente, é uma opção ruim para:

• chat ao vivo
• ações de usuário de solicitação/resposta
• UX em streaming
• tarefas em que resultados intermediários são necessários imediatamente
• loops de controle que precisam de decisões de repetição em segundos

A regra de decisão é simples: se o usuário está esperando, reserve Standard ou Priority no orçamento. Se o usuário não está esperando e o trabalho pode tolerar conclusão assíncrona, modele primeiro a linha Batch/Flex.

Quando o cache de contexto reduz a conta real

O cache de contexto importa quando o mesmo contexto grande aparece em várias solicitações. Por exemplo, um agente que inclui repetidamente o mesmo resumo do repositório, pacote de documentação ou manual de políticas pode evitar pagar o preço total de entrada toda vez, se a rota der suporte à reutilização de cache.

Mas o cache tem dois componentes de custo:

1. a taxa reduzida de leitura de entrada em cache
2. a cobrança de armazenamento para manter os tokens em cache ativos

Isso significa que a economia de cache depende da frequência de reutilização. Se você armazenar em cache um grande contexto uma vez e reutilizá-lo apenas algumas vezes, o armazenamento pode anular grande parte do benefício. Se centenas de solicitações reutilizarem o mesmo contexto dentro da vida útil do cache, a economia pode ser significativa.

Adicione estas colunas à sua calculadora interna:

Não trate o cache de contexto como um desconto universal. Trate-o como um padrão de carga de trabalho.

Notas de faturamento e de plano gratuito para 2026

O faturamento da Gemini API agora é mais operacional do que uma simples alternância de cartão de crédito.

De acordo com o guia de faturamento do Google, novas contas começam no nível Free, e as equipes migram para níveis pagos vinculando o faturamento e adicionando créditos pré-pagos ou usando uma conta pós-paga elegível. A página do Google também observa que a atualização do nível Free para o nível Pago pode exigir um crédito pré-pago mínimo de $5, que o status de nível pago está vinculado ao histórico da conta de faturamento e que as solicitações podem ser interrompidas quando um saldo Prepay chega a zero.

Para indie hackers, isso cria três regras práticas:

• Mantenha um pequeno projeto Gemini direto para avaliação, para que você possa verificar o comportamento do modelo e os recursos nativos do Google.
• Adicione alertas de orçamento ou limites de recarga automática antes de dar a um agente ou job em lote amplo acesso.
• Use um livro-razão de uso separado para o tráfego do produto, para que a atribuição de custos não dependa apenas dos totais do console do provedor.

O Flatkey se encaixa após a fase de teste direto: use a chave direta do Google para validar uma ou duas rotas Gemini e, em seguida, coloque o tráfego de produção atrás de uma camada de roteamento compatível com OpenAI quando você precisar de uma chave, um saldo, logs de uso e opções de fallback entre modelos em diferentes provedores.

API Gemini direta ou roteador Flatkey?

Use a API Gemini direta quando:

• você só precisa de rotas Gemini
• você depende de um recurso específico do Gemini que precisa ser testado sem abstração
• sua equipe ainda está em uma fase curta de avaliação
• a responsabilidade pelo faturamento é simples o suficiente para uma única conta de provedor

Use Flatkey quando:

• o mesmo produto pode rotear entre Gemini, Claude, GPT, DeepSeek, Qwen, modelos de imagem ou modelos de vídeo
• você quer roteamento compatível com OpenAI sem reescrever cada integração
• você precisa de um livro-razão de uso entre equipes, agentes e projetos
• você quer comparar o custo de saída aceita entre provedores, e não apenas os preços de tabela
• você quer uma chave e um saldo em vez de muitas chaves de provedores espalhadas por repositórios e configurações de agentes

O guia de compatibilidade com OpenAI do Google mostra que os modelos Gemini podem ser chamados com bibliotecas da OpenAI, alterando a chave de API e o base_url para o endpoint compatível com OpenAI do Google. O Flatkey usa a mesma ideia operacional para roteamento entre múltiplos provedores: mantenha a integração do lado do aplicativo estável enquanto altera as rotas de modelo e a visibilidade de faturamento por trás do gateway.

Checklist de preços da Gemini API antes do lançamento

Execute esta checklist antes de comprometer um orçamento de lançamento:

1. Escolha o ID exato do modelo. Não faça orçamento para "Gemini" como um único preço.
2. Separe Standard, Batch/Flex e Priority. Use a linha que corresponda ao requisito de latência da carga de trabalho.
3. Verifique as tarifas por tempo limitado. Gemini 3.8/3.7/3.6 Flash têm alterações de tarifas listadas para 1º de janeiro de 2027.
4. Considere a saída do modelo separadamente. Tokens de saída costumam ser várias vezes mais caros do que tokens de entrada.
5. Marque os limites de contexto longo. As linhas Pro podem mudar quando os prompts ultrapassam 200 mil tokens.
6. Mantenha o áudio fora das estimativas de texto. A entrada de áudio tem tarifas diferentes em vários modelos.
7. Adicione o armazenamento de cache. Os descontos de leitura de cache ficam incompletos sem o tempo de armazenamento.
8. Adicione grounding e chamadas de ferramentas. O grounding tem preços baseados em requisição e cotas.
9. Meça o custo da saída aceita. Repetições, recusas e respostas de baixa qualidade podem tornar uma rota barata cara.
10. Revise antes de publicar ou fazer o orçamento. As páginas de preços mudam mais rápido do que os ciclos anuais de planejamento.

FAQ

O Gemini API é gratuito em 2026?

O Google lista acesso ao Free Tier para certos modelos da Gemini API, mas os limites do free tier, a disponibilidade dos modelos, os termos de uso de dados e o acesso ao paid tier variam conforme o modelo e o estado da conta. Considere o free tier como um caminho de avaliação, não como um orçamento de produção.

Qual modelo Gemini é o mais barato para texto?

Entre as linhas cobertas aqui, o Gemini 2.5 Flash-Lite tem as menores tarifas de tokens de texto listadas: $0.10 de entrada e $0.40 de saída por 1M de tokens no Standard, ou $0.05 de entrada e $0.20 de saída no Batch/Flex. O caminho mais barato nem sempre é o melhor; teste a qualidade da saída aceita.

Por que o Gemini 3.8 Flash tem dois preços?

A página de preços do Google lista tarifas promocionais do Gemini 3.8 Flash até 31 de dezembro de 2026 e tarifas mais altas a partir de 1º de janeiro de 2027. Use as tarifas posteriores para qualquer orçamento que se estenda até 2027.

Como calculo o custo da Gemini API?

Multiplique o volume mensal de tokens de entrada pela tarifa de entrada, o volume mensal de tokens de saída pela tarifa de saída e, depois, adicione os custos de armazenamento de cache, grounding, áudio, imagem, vídeo ou Live API, quando usados. Se a carga de trabalho puder ser executada de forma assíncrona, use as linhas Batch/Flex em vez das linhas Standard.

Quando o Flatkey ajuda com os preços da Gemini API?

O Flatkey ajuda quando Gemini é uma das rotas em uma pilha de IA mais ampla. Ele oferece às equipes uma única chave, um único saldo, roteamento compatível com OpenAI e visibilidade de uso entre provedores, para que as decisões de custo possam ser tomadas com base no comportamento observado da carga de trabalho, e não em consoles separados de provedores. Comece pela página de preços do Flatkey e pelo diretório de modelos, depois compare o custo da saída aceita nos seus próprios logs.

Notas da fonte

Verificações da fonte primária usadas para esta atualização:

• Google AI for Developers: página de preços da Gemini API, verificada em 24 de setembro de 2026.
• Google AI for Developers: guia de faturamento da Gemini API, verificado em 24 de setembro de 2026.
• Google AI for Developers: guia da Batch API, verificado em 24 de setembro de 2026.
• Google AI for Developers: guia de compatibilidade com OpenAI, verificado em 24 de setembro de 2026.
• Conhecimento do projeto Flatkey: um chave, um saldo, um posicionamento de uma fatura; roteador compatível com OpenAI; vinculação interna de usage-ledger e model-catalog.

Se você estiver comparando os preços da Gemini API com Claude, GPT, DeepSeek ou Qwen, comece com o catálogo de modelos, a página de preços e comparações relacionadas, como roteamento Gemini vs Claude API ou preços da DeepSeek API, e então execute um pequeno teste de saída aceita através da Flatkey antes de mover o tráfego de produção.