قیمت‌گذاری Google Gemini: هزینه واقعی API چقدر است

پاسخ سریع: سه قیمت متفاوت برای Gemini

افرادی که به دنبال قیمت Google Gemini می‌گردند معمولاً یکی از سه چیز متفاوت را مد نظر دارند، و Google این تمایز را واضح نمی‌کند. اول، اشتراک مصرفی. plan پولی اپ Gemini (Google AI Pro) یک هزینه ثابت حدود $20 در ماه است. این چت‌بات و ویژگی‌های اپ را پوشش می‌دهد، نه API را. هیچ‌چیزی که آنجا می‌پردازید سهمیه API شما را حتی یک درخواست بالا نمی‌برد. دوم، Gemini API از طریق Google AI Studio. این همان چیزی است که توسعه‌دهندگان واقعاً یکپارچه می‌کنند. یک سطح رایگان واقعی با محدودیت نرخ سخت دارد و یک سطح پولی که به ازای هر میلیون token بدون هزینه ماهانه صورت‌حساب می‌کند. یک پروژه سرگرمی معمولاً چند دلار در ماه هزینه دارد؛ یک اپ production کوچک در صدها دلار قرار می‌گیرد. سوم، Vertex AI. همان مدل‌ها، پوشش enterprise، صورت‌حساب Google Cloud، نرخ‌های per-token در همان محدوده. اگر سؤال شما قیمت است، تقریباً قطعاً AI Studio را می‌خواهید نه Vertex. باقی این راهنما API را پوشش می‌دهد: سطح رایگان چه چیزی اجازه می‌دهد، مصرف پولی با حجم‌های واقع‌بینانه چقدر هزینه دارد و وقتی rate limiter شروع به برگرداندن 429 می‌کند چه باید کرد.

سطوح قیمت Gemini API و محدودیت نرخ سطح رایگان

Gemini API سه چیز را همزمان شمارش می‌کند: درخواست در دقیقه (RPM)، token در دقیقه (TPM) و درخواست در روز (RPD). هر سقفی که اول به آن برسید، API تا زمانی که آن بازه ریست شود 429 پاسخ می‌دهد. محدودیت‌ها به ازای هر پروژه Google Cloud و هر مدل اعمال می‌شوند، پس ساختن یک کلید دوم داخل همان پروژه چیزی را تغییر نمی‌دهد. Google این اعداد را مرتب بازبینی می‌کند، پس جدول را به‌عنوان شکل کلی سیستم در نظر بگیرید نه یک قرارداد. ارقام محدودیت‌های تقریبی کلاس Flash از اواسط 2026 هستند؛ مدل‌های کلاس Pro سقف‌های بسیار پایین‌تری در هر سطح دارند. مستندات rate-limits گوگل را برای مقادیر دقیق اعمال‌شده روی پروژه امروز خود بررسی کنید.

رایگان در برابر پولی: واقعاً چه چیزی تغییر می‌کند

اضافه کردن یک حساب صورت‌حساب بیش از بالا بردن سقف‌ها انجام می‌دهد. نادیده‌گرفته‌شده‌ترین تفاوت در شرایط استفاده است: Google ممکن است از prompt ها و پاسخ‌های سطح رایگان برای بهبود محصولات خود استفاده کند، و این می‌تواند شامل بازبینی انسانی هم بشود. ترافیک API پولی از بهبود محصول مستثنی است. اگر روی چیزی حساس prototype می‌سازید، این خط از هر محدودیت نرخی مهم‌تر است. سقف درخواست روزانه تفاوت عملی دیگری است. در سطح رایگان این یک سقف سخت است که در نیمه‌شب به وقت Pacific ریست می‌شود. هیچ استراتژی retry دور آن را نمی‌زند؛ شما منتظر می‌مانید، ارتقا می‌دهید یا ترافیک را جای دیگری مسیردهی می‌کنید.

سطح خود را از خط فرمان تست کنید

یک curl به شما می‌گوید آیا کلیدتان کار می‌کند و عملاً روی کدام سطح هستید. پاسخ شامل یک بلوک usageMetadata با شمارش دقیق token‌های input و output است، همان عددی که برای پیش‌بینی هزینه در نرخ‌های لیست ضرب می‌کنید. اگر به‌جای یک تکمیل، HTTP 429 با وضعیت RESOURCE_EXHAUSTED گرفتید، یا سهمیه سطح رایگان روزانه را سوزانده‌اید یا سریع‌تر از چیزی که بازه هر دقیقه اجازه می‌دهد ارسال می‌کنید.

curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-3.5-flash:generateContent" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"contents":[{"parts":[{"text":"Explain token billing in one paragraph."}]}]}'

هزینه Gemini در ماه: سه سناریو

این سناریوها از Gemini 3.5 Flash با قیمت لیست $1.50 به ازای هر میلیون token ورودی و $9.00 به ازای هر میلیون token خروجی استفاده می‌کنند. دو چیز بر این محاسبه غالب است. token‌های output شش برابر input هزینه دارند، پس پاسخ‌های پرحرف بخش گران قضیه هستند. و اپ‌های چت در هر turn تاریخچه مکالمه را دوباره ارسال می‌کنند، پس حجم input با طول مکالمه سریع رشد می‌کند مگر آنکه context را کوتاه کنید. اگر ردیف chat-frontend حجم کار شما را توصیف می‌کند، توجه کنید همین محاسبه برای هر مدلی اعمال می‌شود و مدل‌های اقتصادی مثل DeepSeek V4 Flash مجموع را برای مصرف مکالمه‌ای به‌شدت تغییر می‌دهند. برای job‌های سند-طولانی هم جداگانه بودجه بگذارید: مدل‌های Gemini کلاس Pro وقتی یک prompt از آستانه context بزرگ عبور کند نرخ بالاتری صورت‌حساب می‌کنند.

رفع اشکال محدودیت نرخ Gemini API

429 با RESOURCE_EXHAUSTED عمومی است، پس با پیدا کردن این‌که واقعاً کدام‌یک از سه شمارنده را زده‌اید شروع کنید. کلاینت زیر تریپ‌های موقتی هر دقیقه را با backoff دوباره امتحان می‌کند و سریع روی هر چیزی که retry نمی‌تواند حلش کند تسلیم می‌شود.

• سقف روزانه تمام شده (سطح رایگان): شمارنده RPD در نیمه‌شب به وقت Pacific ریست می‌شود. هیچ الگوی retry کمک نمی‌کند؛ سطح را ارتقا دهید یا ترافیک را جابه‌جا کنید.
• انفجارهای RPM: worker‌های موازی و حلقه‌های retry ساده حتی در حجم روزانه پایین محدودیت هر دقیقه را trip می‌کنند. backoff نمایی با jitter اضافه کنید.
• TPM با context طولانی trip می‌شود: چند prompt 100K-token می‌توانند token در دقیقه را تمام کنند در حالی که نرخ درخواست شما کوچک به نظر می‌رسد. تاریخچه را کوتاه کنید یا prefix‌های پایدار را کش کنید.
• دکمه اشتباه: محدودیت‌ها به پروژه Google Cloud وصل هستند، نه API key. ساختن کلیدهای جدید در همان پروژه هیچ کاری نمی‌کند.
• کلاس مدل: سقف‌های کلاس Pro در همان سطح بسیار پایین‌تر از کلاس Flash هستند. job‌های پس‌زمینه را به Flash مسیردهی کنید و Pro را برای فراخوانی‌هایی که نیاز دارند نگه دارید.

import random
import time

from google import genai
from google.genai import errors

client = genai.Client()  # GEMINI_API_KEY را از محیط می‌خواند

def generate(prompt: str, retries: int = 5) -> str:
    for attempt in range(retries):
        try:
            resp = client.models.generate_content(
                model="gemini-3.5-flash", contents=prompt
            )
            return resp.text
        except errors.APIError as e:
            if e.code != 429 or attempt == retries - 1:
                raise
            time.sleep(min(2 ** attempt + random.random(), 30))
    raise RuntimeError("unreachable")

گزینه gateway: قیمت ثابت، بدون نردبان سطح

اگر مانع شما نردبان سطح است نه قیمت به ازای هر token، یک AI gateway جایگزین عملی است. apisrouter.com، gemini-3.5-flash را با $1.20 به ازای هر میلیون token ورودی و $7.20 به ازای هر میلیون خروجی ارائه می‌دهد، با مدل‌های global 20% پایین‌تر از قیمت رسمی لیست و صورت‌حساب pay-as-you-go به‌جای اشتراک. هیچ فرم ثبت‌نامی وجود ندارد: در /topup پرداخت کنید، API key از طریق ایمیل می‌رسد و اولین شارژ شما +100% موجودی اضافه می‌کند. سهمیه به یک موجودی تبدیل می‌شود که خرج می‌کنید نه یک مذاکره هر-دقیقه با یک سیستم سطح. endpoint سازگار با OpenAI است، پس هر چیزی که یک base URL سفارشی بپذیرد کار می‌کند: آن را به https://api.apisrouter.com/v1 اشاره دهید و لیست مدل از /v1/models پر می‌شود. همان کاتالوگ claude-sonnet-4-6، gpt-5.5، deepseek-v4-flash و glm-5 را هم حمل می‌کند، که A/B-تست کردن Gemini در برابر جایگزین‌ها را یک تغییر یک‌خطی می‌کند.

curl https://api.apisrouter.com/v1/chat/completions \
  -H "Authorization: Bearer $KEAIAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-3.5-flash",
    "messages": [{"role": "user", "content": "Hello"}]
  }'

پرسش‌های پرتکرار