Priser for Gemini 3.5 Flash API: tokenkostnader, benchmarks og reelle budsjetteksempler

Gemini 3.5 Flash koster $1.50 per 1 million input-tokens og $9 per 1 million output-tokens på Googles vanlige betalte nivå. Output-prisen inkluderer tenketokens. Lesing fra kontekstcache koster $0.15 per 1 million tokens, mens innhold som ligger lagret i cachen også har en tidsbasert lagringskostnad.

På Poyo.ai koster Gemini 3.5 Flash for øyeblikket $0.90 per 1 million input-tokens og $5.40 per 1 million output-tokens. Det er 40 % under Googles standard tokenpriser, med kreditter du betaler etter bruk og uten krav om månedsabonnement.

Listeprisene er enkle. Den faktiske regningen er det ikke. Agentløkker, tenketokens, gjentatt kontekst, lange svar, søkegrounding og nye forsøk på verktøykall kan gjøre output og gjentatt input viktigere enn den annonserte input-prisen.

Priser kontrollert 19. juli 2026. Google og Poyo.ai kan endre priser, funksjoner eller tilgjengelighet etter publisering.

Priser for Gemini 3.5 Flash API i korte trekk

Google oppgir også et gratisnivå for Gemini 3.5 Flash. Det er nyttig for evaluering, men produksjonsplanlegging bør bygge på priser, rategrenser, datavilkår og pålitelighetskrav for det betalte nivået.

For gjeldende priser og støttede endepunkter hos Poyo, se modellsiden for Gemini 3.5 Flash API.

Hva teller med i regningen for Gemini 3.5 Flash?

En nyttig formel som første anslag er:

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

Input kan omfatte systeminstruksjoner, samtalehistorikk, verktøydefinisjoner, hentede dokumenter, bilder, lyd og video. Output omfatter det synlige svaret og fakturerte tenketokens. En forespørsel som ser kort ut i brukergrensesnittet, kan derfor inneholde en langt større målt nyttelast.

Input-tokens

Input er den rimeligste vanlige tokenkategorien, men den kan bli den største posten når en applikasjon gang på gang sender lange dokumenter eller hele samtalehistorikken. Et kontekstvindu på 1 million tokens er kapasitet, ikke en anbefaling om å fylle hver forespørsel.

Output- og tenketokens

Googles output-pris på $9 inkluderer uttrykkelig tenketokens. Det har betydning fordi output koster seks ganger så mye som standard input. En kodeagent som utforsker flere tilnærminger, kaller verktøy og skriver et langt svar, kan bruke mer på resonnering og output enn på den opprinnelige prompten.

Kontekstcaching

Kontekstcaching kan senke leseprisen for gjentatt materiale som en stabil systemprompt, en produktkatalog, en retningslinjehåndbok eller et sammendrag av en kodebase. Det lønner seg mest når den samme cachede blokken gjenbrukes nok ganger til å oppveie lagringskostnaden og kompleksiteten ved å administrere cachen.

Søkegrounding og verktøy

Googles prisside oppgir en inkludert månedlig kvote for grounding med Search, etterfulgt av en pris per søk. Én modellforespørsel kan gi mer enn ett søk. Applikasjoner som bruker mye verktøy, bør logge verktøykall separat fra tokenbruk, slik at det er tydelig hvor en kostnadsøkning kommer fra.

Hva koster Gemini 3.5 Flash i praksis?

Eksemplene nedenfor bruker standard tokenpriser og holder utenfor avgifter, spesielle behandlingsnivåer og separate verktøykostnader.

Eksempel 1: en liten kodeassistent

Tenk deg en kodeassistent som bruker 10 millioner input-tokens og 2 millioner output-tokens per måned.

Output utgjør bare en femtedel av input-volumet, men koster likevel mer enn input på begge alternativene. Derfor fortjener grenser for output og innstillinger for resonnering oppmerksomhet.

Eksempel 2: en kundeserviceagent med gjentatt kontekst

Tenk deg 100,000 samtaler per måned. Hver starter med 8,000 tokens med retningslinjer og produktkontekst og gir deretter 1,000 output-tokens.

Uten caching eller henting:

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

Dette oppsettet betaler gang på gang for å sende den samme konteksten. En bedre arkitektur ville cachet det stabile prefikset, hentet bare relevante deler av retningslinjene eller laget et mindre, strukturert sammendrag.

Eksempel 3: en multimodal dokumentarbeidsflyt

For PDF-er, bilder, lyd og video bør du ikke anslå kostnaden ut fra filstørrelse alene. Mål input-tokens som API-et returnerer for representative filer. Test deretter korte, middels lange og vanskelige tilfeller, fordi medielengde og modellens resonnering kan endre begge sider av regningen.

Et praktisk pilotprosjekt bør registrere:

• input-tokens per medietype;
• output- og tenketokens;
• verktøy- og groundingkall;
• ventetid;
• om oppgaven lykkes uten manuell korrigering;
• nye forsøk per vellykket oppgave.

Hvorfor regningen for Gemini 3.5 Flash kan bli høyere enn anslått

Tenking faktureres som output

Hvis en applikasjon slår på dypere resonnering for alle forespørsler, betaler den output-prisen selv når det synlige svaret er kort. Bruk det letteste tenkenivået som fortsatt holder kvalitetskravet for oppgaven.

Agentløkker mangedobler både input og output

Hvert verktøyresultat kan gå tilbake til modellen som ny input. Mislykkede kall, uklare verktøyskjemaer og manglende stoppbetingelser kan skape dyre løkker. Sett grenser for antall iterasjoner og logg årsaken til hvert nye forsøk.

Hele konteksten sendes på nytt uten grunn

Å sende et helt kodelager, en hel samtale eller en hel dokumentsamling i hver runde er sjelden det mest økonomiske oppsettet. Sammendrag, henting, cachebare prefikser og tilstand som lagres utenfor modellen, kan redusere gjentatt input.

Svar uten grense er dyre

Output er den dyreste tokenkategorien. Sett realistiske maksverdier for output, be om strukturerte og konsise svar, og generer lange rapporter bare når brukerne faktisk trenger dem.

Grounding kan forgrene seg

Én forespørsel kan utløse flere søk. Applikasjoner som trenger forutsigbar enhetsøkonomi, bør sette regler for verktøybruk og overvåke antall søk i stedet for å behandle grounding som gratis kontekst.

Benchmarks for Gemini 3.5 Flash i kontekst

Google posisjonerer Gemini 3.5 Flash som en modell for agenter og koding som beholder hastigheten i Flash-klassen. Lanseringsdataene fra mai 2026 viser:

Google oppgir også at Gemini 3.5 Flash leverer output omtrent fire ganger så raskt som andre toppmodeller i sammenligningen. Tallene er nyttige signaler, men erstatter ikke testing i din egen applikasjon. Testoppsett, verktøydefinisjoner, innstillinger for resonnering, mål for ventetid og promptkvalitet påvirker alle den faktiske ytelsen.

Det viktige økonomiske spørsmålet er ikke «hvilken benchmark er høyest?». Det er:

Hva koster én vellykket oppgave når tokens, verktøy, nye forsøk og manuelle korrigeringer er regnet med?

Gemini 3.5 Flash sammenlignet med alternative modeller

Bruk dette som en kortliste for ruting. Kjør den samme representative arbeidslasten gjennom hver kandidat før du velger en standardmodell.

Sju måter å redusere API-kostnadene for Gemini 3.5 Flash

1. Sett et tak for output. Unngå å betale for forklaringer eller gjentatt kontekst som produktet ikke viser.
2. Tilpass tenkingen til hvor vanskelig oppgaven er. Spar dypere resonnering til forespørsler som har nytte av den.
3. Cache stabile prefikser. Gjenbruk systemprompter eller referansemateriale når treffraten forsvarer lagringen.
4. Hent før du genererer. Send de relevante delene av dokumentene i stedet for hele samlingen.
5. Begrens agentiterasjoner. Stopp eller eskaler etter et bestemt antall mislykkede verktøykall.
6. Send enkle oppgaver nedover. Klassifisering og uttrekk kan passe for en lettere modell.
7. Følg kostnaden per vellykket oppgave. Tokenkostnad alene skjuler nye forsøk og korrigeringsarbeid.

Slik kaller du Gemini 3.5 Flash på Poyo.ai

Poyo.ai støtter modell-ID-en gemini-3.5-flash. Team kan bruke et OpenAI-kompatibelt chatendepunkt eller det Gemini-native formatet som er dokumentert 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."
      }
    ]
  }'

Opprett en API-nøkkel i Poyo-dashbordet, og sjekk deretter modellsiden for Gemini 3.5 Flash og den tilknyttede API-dokumentasjonen før du går i produksjon.

Er Gemini 3.5 Flash verdt prisen?

Gemini 3.5 Flash er en sterk kandidat når en applikasjon trenger rask koding, verktøybruk, multimodal input eller resonnering over lang kontekst. Den er mindre aktuell når en forespørsel er forutsigbar nok for en mindre modell.

Det beste mønsteret i produksjon er vanligvis selektiv ruting:

• bruk en lettere modell for enkle, repeterende oppgaver;
• bruk Gemini 3.5 Flash for forespørsler som trenger sterkere resonnering eller multimodal kontekst;
• eskaler bare de vanskeligste tilfellene til et dyrere toppnivå.

Med denne tilnærmingen får du modellens hastighet og evner uten å betale for en toppmodell på hver eneste forespørsel.

Vanlige spørsmål

Hva koster Gemini 3.5 Flash per million tokens?

Googles vanlige betalte nivå koster $1.50 per 1 million input-tokens og $9 per 1 million output-tokens, inkludert tenketokens. Poyo.ai oppgir for øyeblikket $0.90 for input og $5.40 for output per 1 million tokens.

Er Gemini 3.5 Flash API gratis?

Google har et gratisnivå, men produksjonsapplikasjoner bør vurdere rategrensene og datavilkårene. Poyo.ai bruker kreditter du betaler etter bruk.

Faktureres tenketokens i Gemini 3.5 Flash?

Ja. Googles pristabell sier at output-prisen inkluderer tenketokens.

Støtter Gemini 3.5 Flash kontekstcaching?

Ja. Google oppgir betalte priser for lesing fra og lagring i cache. Caching er mest økonomisk for stabil kontekst som gjenbrukes i mange nok forespørsler.

Hva er modell-ID-en for Gemini 3.5 Flash?

Modell-ID-en er gemini-3.5-flash.

Kan Gemini 3.5 Flash brukes via et OpenAI-kompatibelt API?

Ja. Poyo.ai tilbyr en OpenAI-kompatibel rute for chat completions i tillegg til en Gemini-native integrasjon.

Kilder

• Priser for Google Gemini API
• Google: lansering av Gemini 3.5 og oversikt over benchmarks
• Gemini 3.5 Flash API hos Poyo.ai