Giá Google Gemini: API thực sự tốn bao nhiêu

Trả lời nhanh: có ba mức giá Gemini khác nhau

Người tìm kiếm "giá Google Gemini" thường muốn hỏi một trong ba thứ khác nhau, và Google không làm rõ sự khác biệt này. Thứ nhất là subscription dành cho người dùng phổ thông. Plan trả phí của ứng dụng Gemini (Google AI Pro) là một mức phí cố định khoảng $20 mỗi tháng. Nó bao gồm chatbot và các tính năng của ứng dụng, không phải API. Số tiền bạn trả ở đó không làm tăng quota API của bạn dù chỉ một request. Thứ hai là Gemini API qua Google AI Studio. Đây là thứ mà lập trình viên thực sự tích hợp. Nó có một tier miễn phí thực sự với giới hạn rate cứng, và một tier trả phí tính phí theo mỗi triệu token mà không có phí hàng tháng. Một dự án nghiệp dư thường tốn chưa tới chục đô la mỗi tháng; một ứng dụng production nhỏ rơi vào khoảng vài trăm đô la. Thứ ba là Vertex AI. Cùng các model, đóng gói cho doanh nghiệp, tính phí qua Google Cloud, giá theo token trong cùng khoảng giá. Nếu giá cả là điều bạn đang quan tâm, gần như chắc chắn bạn muốn AI Studio thay vì Vertex. Phần còn lại của bài viết này sẽ nói về API: tier miễn phí cho phép gì, lượng dùng trả phí tốn bao nhiêu ở khối lượng thực tế, và phải làm gì khi bộ giới hạn rate bắt đầu trả về lỗi 429.

Các tier giá Gemini API và giới hạn rate limit của tier miễn phí

Gemini API đo lường ba thứ cùng lúc: số request mỗi phút (RPM), số token mỗi phút (TPM), và số request mỗi ngày (RPD). Bất kể bạn chạm giới hạn nào trước, API sẽ trả về lỗi 429 cho đến khi cửa sổ đó reset. Giới hạn áp dụng theo từng project Google Cloud và từng model, nên tạo một key thứ hai trong cùng project không thay đổi gì cả. Google thường xuyên điều chỉnh các con số này, nên hãy coi bảng dưới đây như hình dạng của hệ thống hơn là một cam kết cố định. Các con số là giới hạn gần đúng cho tier Flash tính đến giữa 2026; các model tier Pro có mức trần thấp hơn đáng kể ở mọi tier. Hãy kiểm tra tài liệu rate limit của Google để biết giá trị chính xác áp dụng cho project của bạn hôm nay.

Miễn phí so với trả phí: điều gì thực sự thay đổi

Việc thêm tài khoản thanh toán không chỉ nâng mức trần. Sự khác biệt ít được để ý nhất nằm ở điều khoản: Google có thể dùng prompt và phản hồi ở tier miễn phí để cải thiện sản phẩm, và điều đó có thể bao gồm cả việc con người xem lại. Lưu lượng API trả phí được loại trừ khỏi việc cải thiện sản phẩm. Nếu bạn đang thử nghiệm bất cứ thứ gì nhạy cảm, ranh giới đó quan trọng hơn bất kỳ giới hạn rate nào. Giới hạn request mỗi ngày là điểm khác biệt thực tế còn lại. Trên tier miễn phí, đó là một mức trần cứng reset vào nửa đêm giờ Thái Bình Dương. Không có chiến lược retry nào vượt qua được nó; bạn phải chờ, nâng cấp, hoặc chuyển lưu lượng sang nơi khác.

Kiểm tra tier của bạn từ command line

Một lệnh curl duy nhất cho bạn biết key của bạn có hoạt động không và bạn thực sự đang ở tier nào. Response bao gồm một block usageMetadata với số lượng token input và output chính xác, đây là con số bạn nhân với giá niêm yết khi dự báo chi tiêu. Nếu bạn nhận HTTP 429 với status RESOURCE_EXHAUSTED thay vì một phản hồi hoàn chỉnh, bạn hoặc đã dùng hết quota miễn phí trong ngày, hoặc đang gửi nhanh hơn mức cửa sổ mỗi phút cho phép.

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 tốn bao nhiêu mỗi tháng: ba kịch bản

Các kịch bản này dùng giá niêm yết của Gemini 3.5 Flash là $1.50 mỗi triệu input token và $9.00 mỗi triệu output token. Hai yếu tố chi phối phép tính. Output token tốn gấp sáu lần input, nên các phản hồi dài dòng là phần tốn kém. Và các ứng dụng chat gửi lại lịch sử hội thoại ở mỗi lượt, nên khối lượng input tăng nhanh theo độ dài hội thoại trừ khi bạn cắt bớt context. Nếu dòng chat frontend mô tả đúng workload của bạn, hãy lưu ý rằng phép tính tương tự áp dụng cho bất kỳ model nào, và các model tiết kiệm như DeepSeek V4 Flash thay đổi đáng kể tổng chi phí cho việc dùng chat. Hãy dự trù ngân sách riêng cho các job xử lý tài liệu dài: các model Gemini tier Pro tính phí cao hơn khi prompt vượt ngưỡng context lớn.

Khắc phục sự cố rate limit của Gemini API

Một lỗi 429 kèm RESOURCE_EXHAUSTED là chung chung, nên hãy bắt đầu bằng việc xác định bạn thực sự chạm phải chỉ số nào trong ba chỉ số đó. Client bên dưới sẽ retry các lần vấp tạm thời mỗi phút kèm backoff và từ bỏ nhanh với bất cứ thứ gì retry không giải quyết được.

• Hết giới hạn hàng ngày (tier miễn phí): bộ đếm RPD reset vào nửa đêm giờ Thái Bình Dương. Không có kiểu retry nào giúp được; hãy nâng tier hoặc chuyển lưu lượng đi.
• Bùng nổ RPM: các worker chạy song song và vòng lặp retry ngây thơ vẫn chạm giới hạn mỗi phút ngay cả khi khối lượng hàng ngày thấp. Thêm exponential backoff kèm jitter.
• TPM bị vấp bởi context dài: một vài prompt dài 100K token có thể dùng hết số token mỗi phút trong khi tốc độ request của bạn trông có vẻ nhỏ. Cắt bớt lịch sử hoặc cache các tiền tố ổn định.
• Nhầm nút điều chỉnh: giới hạn gắn với project Google Cloud, không phải API key. Tạo key mới trong cùng project không thay đổi gì cả.
• Loại model: mức trần của tier Pro thấp hơn nhiều so với tier Flash ở cùng một tier. Hãy định tuyến job nền sang Flash và dành Pro cho các lệnh gọi thực sự cần nó.

import random
import time

from google import genai
from google.genai import errors

client = genai.Client()  # reads GEMINI_API_KEY from the environment

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")

Lựa chọn gateway: giá cố định, không có bậc thang tier

Nếu điểm nghẽn của bạn là bậc thang tier chứ không phải giá theo token, một AI gateway là lựa chọn thực tế. apisrouter.com cung cấp gemini-3.5-flash với giá $1.20 mỗi triệu input token và $7.20 mỗi triệu output, với các model toàn cầu thấp hơn giá niêm yết chính thức và tính phí trả sau theo lượng dùng thay vì subscription. Không có form đăng ký: thanh toán tại /topup, API key được gửi qua email, và lần nạp đầu tiên của bạn được cộng thêm +100% số dư. Quota trở thành một số dư bạn tiêu dần thay vì một cuộc thương lượng tier theo từng phút. Endpoint tương thích OpenAI, nên bất cứ thứ gì chấp nhận base URL tùy chỉnh đều hoạt động: trỏ vào https://api.apisrouter.com/v1 và danh sách model sẽ được điền từ /v1/models. Cùng danh mục đó có claude-sonnet-4-6, gpt-5.5, deepseek-v4-flash và glm-5, giúp việc A/B test Gemini với các lựa chọn khác chỉ là một dòng thay đổi.

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"}]
  }'

Câu hỏi thường gặp