Tarification de l’API Gemini 3.5 Flash : coûts des tokens, benchmarks et exemples de budgets réels

Gemini 3.5 Flash coûte 1,50 $ par million de tokens d’entrée et 9 $ par million de tokens de sortie sur l’offre payante standard de Google. Le tarif de sortie inclut les tokens de réflexion. Les lectures depuis le cache de contexte coûtent 0,15 $ par million de tokens, tandis que le contenu stocké dans le cache entraîne également des frais de stockage calculés selon la durée.

Sur Poyo.ai, Gemini 3.5 Flash coûte actuellement 0,90 $ par million de tokens d’entrée et 5,40 $ par million de tokens de sortie. Cela représente 40 % de moins que les tarifs standards de Google, avec des crédits à la consommation et sans abonnement mensuel obligatoire.

Les prix affichés semblent simples. La facture réelle l’est beaucoup moins. Les boucles d’agents, les tokens de réflexion, les contextes répétés, les réponses longues, le grounding par recherche et les nouvelles tentatives d’appel d’outils peuvent rendre les coûts de sortie et d’entrée répétée plus importants que le tarif d’entrée annoncé.

Tarifs vérifiés le 19 juillet 2026. Google et Poyo.ai peuvent modifier les prix, les fonctionnalités ou la disponibilité après publication.

Tarification de l’API Gemini 3.5 Flash en un coup d’œil

Google propose également une offre gratuite pour Gemini 3.5 Flash. Elle est utile pour l’évaluation, mais la planification en production doit se baser sur les tarifs payants, les limites de débit, les conditions relatives aux données et les exigences de fiabilité.

Pour connaître les tarifs actuels de Poyo et les endpoints pris en charge, consultez la page du modèle Gemini 3.5 Flash API.

Qu’est-ce qui est pris en compte dans une facture Gemini 3.5 Flash ?

Une première formule d’estimation utile est :

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

Les entrées peuvent inclure les instructions système, l’historique des conversations, les définitions d’outils, les documents récupérés, les images, l’audio et la vidéo. Les sorties comprennent la réponse visible ainsi que les tokens de réflexion facturés. Une requête qui semble courte dans l’interface utilisateur peut donc contenir une charge beaucoup plus importante côté facturation.

Tokens d’entrée

Les entrées correspondent à la catégorie de tokens standard la moins chère, mais elles peuvent devenir le poste de dépense principal lorsqu’une application envoie régulièrement de longs documents ou l’historique complet d’une conversation. Une fenêtre de contexte de 1 million de tokens représente une capacité, pas une recommandation de remplir chaque requête.

Tokens de sortie et de réflexion

Le tarif de sortie de 9 $ de Google inclut explicitement les tokens de réflexion. Cela est important, car la sortie coûte six fois plus cher que l’entrée standard. Un agent de programmation qui explore plusieurs approches, appelle des outils et génère une réponse longue peut dépenser davantage en raisonnement et en sortie qu’avec le prompt initial.

Mise en cache du contexte

La mise en cache du contexte peut réduire le prix de lecture pour des contenus répétés comme un prompt système stable, un catalogue produit, un manuel de politique ou un résumé de base de code. Elle est particulièrement utile lorsque le même bloc mis en cache est réutilisé suffisamment souvent pour compenser les frais de stockage et la complexité de gestion du cache.

Grounding par recherche et outils

La page de tarification de Google indique une allocation mensuelle incluse pour le grounding avec Search, suivie d’une facturation par requête. Une seule requête au modèle peut générer plusieurs recherches. Les applications utilisant beaucoup d’outils doivent enregistrer séparément les appels d’outils et l’utilisation des tokens afin d’identifier clairement l’origine d’une hausse des coûts.

Combien coûte Gemini 3.5 Flash en pratique ?

Les exemples ci-dessous utilisent les tarifs standards des tokens et excluent les taxes, les niveaux de traitement spéciaux et les frais distincts liés aux outils.

Exemple 1 : un petit assistant de programmation

Supposons qu’un assistant de programmation consomme 10 millions de tokens d’entrée et 2 millions de tokens de sortie par mois.

La sortie ne représente qu’un cinquième du volume d’entrée, mais elle coûte plus cher que l’entrée dans les deux cas. C’est pourquoi les limites de sortie et les paramètres de raisonnement méritent une attention particulière.

Exemple 2 : un agent de support avec contexte répété

Imaginons 100 000 conversations mensuelles. Chacune commence avec 8 000 tokens de politiques et de contexte produit, puis génère 1 000 tokens de sortie.

Sans mise en cache ni récupération :

• Entrée : 800 millions de tokens
• Sortie : 100 millions de tokens
• Standard Google : 1 200 $ d’entrée + 900 $ de sortie = 2 100 $
• Tarifs des tokens Poyo.ai : 720 $ d’entrée + 540 $ de sortie = 1 260 $

Cette conception paie à répétition pour envoyer le même contexte. Une meilleure architecture consisterait à mettre en cache le préfixe stable, récupérer uniquement les sections pertinentes des politiques ou préparer un résumé structuré plus compact.

Exemple 3 : un workflow documentaire multimodal

Pour les PDF, images, fichiers audio et vidéos, n’estimez pas les coûts uniquement à partir de la taille du fichier. Mesurez les tokens d’entrée renvoyés par l’API pour des fichiers représentatifs. Testez ensuite des cas courts, moyens et complexes, car la durée des médias et le raisonnement du modèle peuvent modifier les deux côtés de la facture.

Un pilote pratique devrait enregistrer :

• les tokens d’entrée par type de média ;
• les tokens de sortie et de réflexion ;
• les appels aux outils et au grounding ;
• la latence ;
• la réussite de la tâche sans correction humaine ;
• les nouvelles tentatives par tâche réussie.

Pourquoi une facture Gemini 3.5 Flash peut dépasser les prévisions

La réflexion est facturée comme une sortie

Si une application active un raisonnement approfondi pour chaque requête, elle paie le tarif de sortie même lorsque la réponse visible est courte. Utilisez le niveau de réflexion le plus léger qui respecte toujours le niveau de qualité attendu pour la tâche.

Les boucles d’agents multiplient les entrées et sorties

Chaque résultat d’outil peut être renvoyé au modèle comme nouvelle entrée. Les appels échoués, les schémas d’outils ambigus et l’absence de conditions d’arrêt peuvent créer des boucles coûteuses. Définissez des limites d’itération et enregistrez la raison de chaque nouvelle tentative.

Le contexte complet est renvoyé inutilement

Envoyer un dépôt complet, une conversation entière ou une collection de documents à chaque tour est rarement la conception la plus économique. Les résumés, la récupération d’informations, les préfixes mis en cache et l’état stocké hors du modèle peuvent réduire les entrées répétées.

Les réponses sans limite coûtent cher

La sortie est la catégorie de tokens premium. Définissez des valeurs maximales réalistes, demandez des réponses structurées et concises, et ne générez des rapports longs que lorsque les utilisateurs en ont réellement besoin.

Le grounding peut multiplier les requêtes

Une seule requête peut déclencher plusieurs recherches. Les applications nécessitant une économie prévisible doivent définir des politiques d’utilisation des outils et surveiller le nombre de requêtes plutôt que de considérer le grounding comme un contexte gratuit.

Les benchmarks Gemini 3.5 Flash dans leur contexte

Google présente Gemini 3.5 Flash comme un modèle orienté agents et programmation qui conserve la rapidité caractéristique de la gamme Flash. Les données de lancement de mai 2026 indiquent :

Google indique également que Gemini 3.5 Flash génère des sorties environ quatre fois plus rapidement que les autres modèles de pointe de sa comparaison. Ces chiffres sont des indicateurs utiles, mais ils ne remplacent pas les tests applicatifs. La conception du banc de test, les définitions d’outils, les paramètres de raisonnement, les objectifs de latence et la qualité des prompts influencent tous les performances réelles.

La question économique importante n’est pas : « Quel benchmark obtient le meilleur score ? » mais :

Combien coûte une tâche réussie après prise en compte des tokens, des outils, des nouvelles tentatives et des corrections humaines ?

Comparaison de Gemini 3.5 Flash avec les modèles alternatifs

Utilisez cette liste comme point de départ pour le routage. Exécutez la même charge représentative sur chaque candidat avant de choisir un modèle par défaut.

Sept façons de réduire les coûts de l’API Gemini 3.5 Flash

1. Définissez une limite de sortie. Évitez de payer pour des explications ou du contexte répété que le produit n’affiche pas.
2. Ajustez le raisonnement selon la difficulté de la tâche. Réservez le raisonnement approfondi aux requêtes qui en bénéficient.
3. Mettez en cache les préfixes stables. Réutilisez les prompts système ou les ressources de référence lorsque le taux de réutilisation justifie le stockage.
4. Récupérez avant de générer. Envoyez les sections pertinentes des documents plutôt que l’ensemble du corpus.
5. Limitez les itérations des agents. Arrêtez ou transférez après un nombre défini d’échecs d’outils.
6. Orientez les tâches simples vers des modèles plus légers. La classification et l’extraction peuvent convenir à un modèle moins puissant.
7. Suivez le coût par tâche réussie. Le coût des tokens seul masque les nouvelles tentatives et le travail de correction.

Comment appeler Gemini 3.5 Flash sur Poyo.ai

Poyo.ai prend en charge l’identifiant de modèle gemini-3.5-flash. Les équipes peuvent utiliser un endpoint de chat compatible OpenAI ou le format natif Gemini documenté pour le modèle.

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."
      }
    ]
  }'

Créez une clé API depuis le tableau de bord Poyo, puis consultez la page du modèle Gemini 3.5 Flash et la documentation API associée avant un déploiement en production.

Gemini 3.5 Flash vaut-il son prix ?

Gemini 3.5 Flash est un candidat solide lorsqu’une application nécessite une programmation rapide, l’utilisation d’outils, des entrées multimodales ou un raisonnement avec un contexte long. Il est moins pertinent lorsqu’une requête est suffisamment prévisible pour fonctionner avec un modèle plus petit.

Le meilleur schéma de production repose généralement sur un routage sélectif :

• utilisez un modèle plus léger pour les tâches simples et répétitives ;
• utilisez Gemini 3.5 Flash pour les requêtes nécessitant un raisonnement plus avancé ou un contexte multimodal ;
• transférez uniquement les cas les plus complexes vers un modèle de pointe plus coûteux.

Cette approche permet de profiter de la vitesse et des capacités du modèle sans payer les coûts d’un modèle de pointe pour chaque requête.

Questions fréquentes

Combien coûte Gemini 3.5 Flash par million de tokens ?

L’offre payante standard de Google coûte 1,50 $ par million de tokens d’entrée et 9 $ par million de tokens de sortie, tokens de réflexion inclus. Poyo.ai affiche actuellement 0,90 $ pour l’entrée et 5,40 $ pour la sortie par million de tokens.

L’API Gemini 3.5 Flash est-elle gratuite ?

Google propose une offre gratuite, mais les applications de production doivent évaluer ses limites de débit et ses conditions relatives aux données. Poyo.ai fonctionne avec des crédits à la consommation.

Les tokens de réflexion de Gemini 3.5 Flash sont-ils facturés ?

Oui. Le tableau tarifaire de Google indique que le tarif de sortie inclut les tokens de réflexion.

Gemini 3.5 Flash prend-il en charge la mise en cache du contexte ?

Oui. Google indique des tarifs payants pour la lecture et le stockage du cache. La mise en cache est particulièrement économique pour les contextes stables réutilisés sur un nombre suffisant de requêtes.

Quel est l’identifiant du modèle Gemini 3.5 Flash ?

L’identifiant du modèle est gemini-3.5-flash.

Gemini 3.5 Flash peut-il utiliser une API compatible OpenAI ?

Oui. Poyo.ai expose une route de chat-completions compatible OpenAI ainsi qu’un chemin d’intégration natif Gemini.

Sources

• Tarification de l’API Google Gemini
• Google : lancement de Gemini 3.5 et présentation des benchmarks
• API Gemini 3.5 Flash de Poyo.ai