Priser for Gemini 3.5 Flash API: tokenpriser, benchmarks og konkrete budgeteksempler

Gemini 3.5 Flash koster $1.50 pr. 1 million inputtokens og $9 pr. 1 million outputtokens på Googles betalte standardniveau. Outputprisen omfatter thinking-tokens. Læsning fra kontekstcache koster $0.15 pr. 1 million tokens, mens indhold, der ligger i cachen, også koster et tidsbaseret lagergebyr.

På Poyo.ai koster Gemini 3.5 Flash i øjeblikket $0.90 pr. 1 million inputtokens og $5.40 pr. 1 million outputtokens. Det er 40 % under Googles standardpriser for tokens, med kreditter efter forbrug og uden krav om et månedligt abonnement.

Overskriftspriserne er enkle. Den rigtige regning er det ikke. Agentløkker, thinking-tokens, gentaget kontekst, lange svar, søge-grounding og gentagne værktøjskald kan gøre output og gentaget input vigtigere end den annoncerede inputpris.

Priser kontrolleret den 19. juli 2026. Google og Poyo.ai kan ændre priser, funktioner eller tilgængelighed efter udgivelsen.

Priser for Gemini 3.5 Flash API i overblik

Google angiver også et gratis niveau for Gemini 3.5 Flash. Det er nyttigt til evaluering, men når du planlægger produktion, bør du bruge priser, hastighedsgrænser, databetingelser og pålidelighedskrav for det betalte niveau.

Aktuelle Poyo-priser og understøttede endpoints finder du på modelsiden for Gemini 3.5 Flash API.

Hvad tæller med på en regning for Gemini 3.5 Flash?

En brugbar formel til et første overslag er:

request cost =
  input tokens × input rate
  + output and thinking tokens × output rate
  + cache storage
  + grounding or server-side tool charges

Input kan omfatte systeminstruktioner, samtalehistorik, værktøjsdefinitioner, hentede dokumenter, billeder, lyd og video. Output omfatter det synlige svar og de thinking-tokens, der afregnes. En anmodning, der ser kort ud i brugerfladen, kan derfor indeholde en langt større målt mængde data.

Inputtokens

Input er den billigste standardkategori af tokens, men det kan blive den største post, når et program gentagne gange sender lange dokumenter eller hele samtalehistorikken. Et kontekstvindue på 1 million tokens er kapacitet, ikke en anbefaling om at fylde hver anmodning.

Output og thinking-tokens

Googles outputpris på $9 omfatter eksplicit thinking-tokens. Det har betydning, fordi output koster seks gange så meget som standardinput. En kodeagent, der afprøver flere tilgange, kalder værktøjer og skriver et langt svar, kan bruge mere på ræsonnement og output end på den oprindelige prompt.

Kontekstcaching

Kontekstcaching kan sænke læseprisen for materiale, der går igen, for eksempel en stabil systemprompt, et produktkatalog, en politikmanual eller et resumé af en kodebase. Det er mest nyttigt, når den samme cachede blok genbruges nok gange til at opveje lagergebyret og den ekstra kompleksitet ved at administrere cachen.

Søge-grounding og værktøjer

Googles prissider angiver en inkluderet månedlig kvote til Search grounding, efterfulgt af et gebyr pr. forespørgsel. Én modelanmodning kan give mere end én søgeforespørgsel. Programmer med mange værktøjer bør logge værktøjskald adskilt fra tokenforbrug, så det er tydeligt, hvad der driver en stigning i prisen.

Hvad koster Gemini 3.5 Flash i praksis?

Eksemplerne nedenfor bruger standardpriser for tokens og ser bort fra moms, særlige behandlingsniveauer og separate værktøjsgebyrer.

Eksempel 1: en lille kodeassistent

Antag, at en kodeassistent bruger 10 millioner inputtokens og 2 millioner outputtokens om måneden.

Outputtet udgør kun en femtedel af inputmængden, men koster alligevel mere end inputtet på begge ruter. Derfor fortjener begrænsninger på output og indstillinger for ræsonnement opmærksomhed.

Eksempel 2: en supportagent med gentaget kontekst

Forestil dig 100.000 samtaler om måneden. Hver starter med 8.000 tokens politikker og produktkontekst og giver derefter 1.000 outputtokens.

Uden caching eller retrieval:

• Input: 800 millioner tokens
• Output: 100 millioner tokens
• Google, standard: $1,200 input + $900 output = $2,100
• Poyo.ai, tokenpriser: $720 input + $540 output = $1,260

Med dette design betaler du gang på gang for at sende den samme kontekst. En bedre arkitektur ville cache det stabile præfiks, hente kun de relevante afsnit af politikken eller forberede et mindre, struktureret resumé.

Eksempel 3: et multimodalt dokumentworkflow

Til PDF'er, billeder, lyd og video bør du ikke estimere prisen ud fra filstørrelsen alene. Mål de inputtokens, som API'et returnerer for repræsentative filer. Test derefter korte, mellemlange og svære tilfælde, fordi medielængde og modellens ræsonnement kan ændre begge sider af regningen.

Et praktisk pilotprojekt bør registrere:

• inputtokens fordelt på medietype
• output- og thinking-tokens
• kald til værktøjer og grounding
• svartid
• opgaver, der lykkes uden menneskelig rettelse
• genforsøg pr. vellykket opgave.

Hvorfor en regning for Gemini 3.5 Flash kan blive højere end overslaget

Thinking afregnes som output

Hvis et program aktiverer dybere ræsonnement til hver anmodning, betaler det outputprisen, selv når det synlige svar er kort. Brug det letteste thinking-niveau, der stadig lever op til opgavens kvalitetskrav.

Agentløkker ganger både input og output

Hvert værktøjsresultat kan vende tilbage til modellen som nyt input. Mislykkede kald, flertydige værktøjsskemaer og manglende stopbetingelser kan skabe dyre løkker. Sæt grænser for antallet af iterationer, og registrér årsagen til hvert genforsøg.

Hele konteksten sendes igen uden grund

At sende et helt repository, en hel samtale eller en hel dokumentsamling ved hver tur er sjældent det mest økonomiske design. Resuméer, retrieval, cachebare præfikser og tilstand, der gemmes uden for modellen, kan reducere gentaget input.

Ubegrænsede svar er dyre

Output er den dyreste tokenkategori. Sæt realistiske maksimumsværdier for output, bed om strukturerede, kortfattede svar, og generér kun lange rapporter, når brugerne faktisk har brug for dem.

Grounding kan sprede sig

Én anmodning kan udløse flere søgeforespørgsler. Programmer, der kræver forudsigelig enhedsøkonomi, bør sætte værktøjspolitikker og overvåge antallet af forespørgsler i stedet for at behandle grounding som gratis kontekst.

Benchmarks for Gemini 3.5 Flash i kontekst

Google positionerer Gemini 3.5 Flash som en agentisk model og kodemodel, der bevarer hastigheden fra Flash-klassen. Lanceringsdata fra maj 2026 viser:

Google oplyser også, at Gemini 3.5 Flash producerer output med cirka fire gange hastigheden af andre førende modeller i sammenligningen. Tallene er nyttige signaler, men ikke en erstatning for at teste i dit eget program. Opsætning af testmiljøet, værktøjsdefinitioner, indstillinger for ræsonnement, mål for svartid og promptens kvalitet påvirker alle den reelle ydeevne.

Det vigtige økonomiske spørgsmål er ikke "hvilken benchmark er højest?" Det er:

Hvad koster én vellykket opgave, når tokens, værktøjer, genforsøg og menneskelige rettelser er regnet med?

Gemini 3.5 Flash sammenlignet med alternative modeller

Brug oversigten som en kortliste til routing. Kør den samme repræsentative arbejdsbyrde gennem hver kandidat, før du vælger en standard.

Syv måder at sænke prisen på Gemini 3.5 Flash API

1. Sæt et loft for output. Undgå at betale for forklaringer eller gentaget kontekst, som produktet ikke viser.
2. Tilpas thinking efter opgavens sværhedsgrad. Gem dybere ræsonnement til anmodninger, der får gavn af det.
3. Cache stabile præfikser. Genbrug systemprompts eller referencemateriale, når hitraten retfærdiggør lagringen.
4. Hent, før du genererer. Send de relevante dokumentafsnit i stedet for hele korpusset.
5. Begræns agentiterationer. Stop eller eskalér efter et fastsat antal mislykkede værktøjskald.
6. Send simple opgaver til en lettere model. Klassificering og udtræk kan klares af en lettere model.
7. Følg prisen pr. vellykket opgave. Tokenprisen alene skjuler genforsøg og rettearbejde.

Sådan kalder du Gemini 3.5 Flash på Poyo.ai

Poyo.ai understøtter model-ID'et gemini-3.5-flash. Teams kan bruge et OpenAI-kompatibelt chat-endpoint eller det Gemini-native format, der er dokumenteret for modellen.

curl https://api.poyo.ai/v1/chat/completions \
  -H "Authorization: Bearer $POYO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-3.5-flash",
    "messages": [
      {
        "role": "user",
        "content": "Review this agent plan and identify the three most expensive failure modes."
      }
    ]
  }'

Opret en API-nøgle i Poyo-dashboardet, og tjek derefter modelsiden for Gemini 3.5 Flash og den tilknyttede API-dokumentation, før du går i produktion.

Er Gemini 3.5 Flash prisen værd?

Gemini 3.5 Flash er en stærk kandidat, når et program har brug for hurtig kodning, brug af værktøjer, multimodalt input eller ræsonnement over lang kontekst. Den er mindre overbevisende, når en anmodning er forudsigelig nok til en mindre model.

Det bedste mønster i produktion er som regel selektiv routing:

• brug en lettere model til simple, gentagne opgaver
• brug Gemini 3.5 Flash til anmodninger, der kræver stærkere ræsonnement eller multimodal kontekst
• eskalér kun de sværeste tilfælde til et dyrere niveau i topklassen.

Den tilgang udnytter modellens hastighed og evner uden at betale en topmodels priser for hver eneste anmodning.

Ofte stillede spørgsmål

Hvad koster Gemini 3.5 Flash pr. million tokens?

Googles betalte standardniveau koster $1.50 pr. 1 million inputtokens og $9 pr. 1 million outputtokens, inklusive thinking-tokens. Poyo.ai angiver i øjeblikket $0.90 for input og $5.40 for output pr. 1 million tokens.

Er Gemini 3.5 Flash API gratis?

Google angiver et gratis niveau, men programmer i produktion bør vurdere dets hastighedsgrænser og databetingelser. Poyo.ai bruger kreditter efter forbrug.

Bliver thinking-tokens i Gemini 3.5 Flash afregnet?

Ja. Googles pristabel angiver, at outputprisen omfatter thinking-tokens.

Understøtter Gemini 3.5 Flash kontekstcaching?

Ja. Google angiver betalte takster for læsning fra og lagring i cachen. Caching er mest økonomisk, når en stabil kontekst genbruges i nok anmodninger.

Hvad er model-ID'et for Gemini 3.5 Flash?

Model-ID'et er gemini-3.5-flash.

Kan Gemini 3.5 Flash bruges med et OpenAI-kompatibelt API?

Ja. Poyo.ai tilbyder en OpenAI-kompatibel chat completions-rute og en Gemini-native integrationssti.

Kilder

• Google Gemini API-priser
• Google: lancering af Gemini 3.5 og overblik over benchmarks
• Poyo.ai Gemini 3.5 Flash API