Google Gemini pricing: API actually कितना cost करता है

Quick answer: Gemini के तीन अलग-अलग prices

Google Gemini pricing search करने वाले लोगों का मतलब आमतौर पर तीन अलग चीज़ों में से एक होता है, और Google इस फर्क को obvious नहीं बनाता। पहला, consumer subscription। Gemini app का paid plan (Google AI Pro) करीब $20 प्रति महीना की fixed fee है। यह chatbot और app features को cover करता है, API को नहीं। वहां आप जो भी pay करें, वह आपके API quota को एक भी request से नहीं बढ़ाता। दूसरा, Google AI Studio के through Gemini API। यह वही है जिसे developers actually integrate करते हैं। इसमें hard rate limits वाला एक genuinely free tier है, और एक paid tier है जो बिना किसी monthly fee के per million tokens bill करता है। एक hobby project typically single-digit dollars प्रति महीना cost करता है; एक small production app सैकड़ों में पड़ता है। तीसरा, Vertex AI। वही models, enterprise wrapper, Google Cloud billing, उसी range में per-token rates। अगर आपका सवाल price है, तो आप almost certainly Vertex नहीं बल्कि AI Studio चाहते हैं। इस guide का बाकी हिस्सा API को cover करता है: free tier क्या allow करता है, realistic volumes पर paid usage का cost क्या है, और rate limiter जब 429s return करना शुरू करे तो क्या करें।

Gemini API pricing tiers और free-tier rate limits

Gemini API एक साथ तीन चीज़ें meter करता है: requests per minute (RPM), tokens per minute (TPM), और requests per day (RPD)। आप जो भी ceiling पहले hit करें, API उस window के reset होने तक 429 answer करता है। Limits per Google Cloud project और per model apply होते हैं, इसलिए उसी project के अंदर दूसरी key बनाने से कुछ नहीं बदलता। Google इन numbers को अक्सर revise करता है, इसलिए table को एक contract नहीं बल्कि system की shape के रूप में लें। ये figures mid-2026 तक के approximate Flash-class limits हैं; Pro-class models को हर tier पर materially कम caps मिलते हैं। आज अपने project पर apply exact values के लिए Google की rate-limits documentation check करें।

Free बनाम paid: actually क्या बदलता है

एक billing account add करना सिर्फ ceilings बढ़ाने से कहीं ज्यादा करता है। सबसे overlooked फर्क terms में है: Google free-tier prompts और responses को अपने products improve करने के लिए use कर सकता है, और इसमें human review भी शामिल हो सकता है। Paid API traffic को product improvement से exclude किया जाता है। अगर आप कुछ sensitive पर prototype कर रहे हैं, तो यह line किसी भी rate limit से ज्यादा मायने रखती है। Daily request cap दूसरा practical फर्क है। Free tier पर यह एक hard ceiling है जो midnight Pacific time पर reset होती है। कोई भी retry strategy इसके आस-पास नहीं घूम सकती; आप wait करते हैं, upgrade करते हैं, या traffic को कहीं और route करते हैं।

Command line से अपना tier test करें

एक curl बता देती है कि आपकी key काम करती है या नहीं और effectively आप किस tier पर हैं। Response में एक usageMetadata block होता है जिसमें exact input और output token counts होते हैं, spend forecast करते वक्त आप इसी number को list rates से multiply करते हैं। अगर आपको completion के बजाय status RESOURCE_EXHAUSTED के साथ HTTP 429 मिलता है, तो या तो आपने दिन का free-tier quota burn कर दिया है या आप per-minute window से तेज़ भेज रहे हैं।

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."}]}]}'

Gemini का cost प्रति महीना कितना है: तीन scenarios

ये scenarios Gemini 3.5 Flash को इसके list price $1.50 per million input tokens और $9.00 per million output tokens पर use करते हैं। दो चीज़ें math पर हावी रहती हैं। Output tokens input से छह गुना ज्यादा cost करते हैं, इसलिए verbose responses सबसे महंगा हिस्सा हैं। और chat applications हर turn पर conversation history resend करती हैं, इसलिए जब तक आप context trim नहीं करते input volume conversation length के साथ तेज़ी से बढ़ता है। अगर chat-frontend row आपके workload को describe करती है, तो ध्यान रखें कि यही math किसी भी model पर लागू होता है, और DeepSeek V4 Flash जैसे budget-class models conversational use के लिए totals को dramatically बदल देते हैं। Long-document jobs के लिए अलग से budget भी रखें: एक बार prompt large-context threshold cross कर ले, तो Pro-class Gemini models higher rate bill करते हैं।

Gemini API rate limits troubleshoot करना

RESOURCE_EXHAUSTED के साथ 429 generic है, इसलिए पहले यह पता लगाएं कि तीन में से actually कौन सा meter आपने hit किया। नीचे का client backoff के साथ transient per-minute trips retry करता है और जो retrying से fix नहीं हो सकता उस पर जल्दी give up कर देता है।

• Daily cap exhaust हो गया (free tier): RPD counter midnight Pacific time पर reset होता है। कोई भी retry pattern मदद नहीं करता; tier upgrade करें या traffic move करें।
• RPM bursts: parallel workers और naive retry loops कम daily volume पर भी per-minute limit trip कर देते हैं। jitter के साथ exponential backoff add करें।
• लंबे context पर TPM trip होना: कुछ ही 100K-token prompts tokens-per-minute exhaust कर सकते हैं जबकि आपका request rate tiny दिखता है। History trim करें या stable prefixes cache करें।
• गलत knob: limits Google Cloud project से attach होते हैं, API key से नहीं। उसी project में नई keys बनाने से कुछ नहीं होता।
• Model class: उसी tier पर Pro-class caps Flash-class से कहीं कम हैं। Background jobs को Flash पर route करें और Pro को उन calls के लिए reserve करें जिन्हें actually इसकी जरूरत है।

import random
import time

from google import genai
from google.genai import errors

client = genai.Client()  # environment से GEMINI_API_KEY पढ़ता है

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")

Gateway option: fixed prices, कोई tier ladder नहीं

अगर आपका blocker per-token price नहीं बल्कि tier ladder है, तो एक AI gateway pragmatic alternative है। apisrouter.com gemini-3.5-flash को $1.20 per million input tokens और $7.20 per million output पर serve करता है, global models official list pricing से 20% नीचे और subscription के बजाय pay-as-you-go billing के साथ। कोई signup form नहीं है: /topup पर pay करें, API key email पर आती है, और आपका पहला top-up +100% balance add करता है। Quota एक balance बन जाता है जिसे आप spend down करते हैं, tier system के साथ per-minute negotiation नहीं। Endpoint OpenAI-compatible है, इसलिए जो भी custom base URL accept करता है वह काम करता है: इसे https://api.apisrouter.com/v1 पर point करें और model list /v1/models से populate हो जाती है। वही catalog claude-sonnet-4-6, gpt-5.5, deepseek-v4-flash, और glm-5 carry करता है, जो Gemini को alternatives के against A/B-test करना एक one-line change बना देता है।

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"}]
  }'

अक्सर पूछे जाने वाले प्रश्न