O Gemini 3.5 Flash custa $1.50 por 1 milhão de tokens de entrada e $9 por 1 milhão de tokens de saída no nível pago padrão da Google. O preço de saída inclui os tokens de raciocínio. As leituras da cache de contexto custam $0.15 por 1 milhão de tokens, e o conteúdo guardado em cache tem ainda um custo de armazenamento em função do tempo.
No Poyo.ai, o Gemini 3.5 Flash custa atualmente $0.90 por 1 milhão de tokens de entrada e $5.40 por 1 milhão de tokens de saída. Isso é 40% abaixo dos preços de tokens padrão da Google, com créditos de pagamento por utilização e sem obrigação de subscrição mensal.
Os preços de tabela são simples. A fatura real não é. Ciclos de agents, tokens de raciocínio, contexto repetido, respostas longas, grounding com pesquisa e repetições de ferramentas podem fazer com que a saída e a entrada repetida pesem mais do que o preço de entrada anunciado.
Preços verificados a 19 de julho de 2026. A Google e o Poyo.ai podem atualizar os preços, as funcionalidades ou a disponibilidade após a publicação.
Preços da API do Gemini 3.5 Flash num relance
| Contador | Nível pago padrão da Google | Poyo.ai |
|---|---|---|
| Entrada | $1.50 / 1M de tokens | $0.90 / 1M de tokens |
| Saída, incluindo raciocínio | $9.00 / 1M de tokens | $5.40 / 1M de tokens |
| Leitura da cache de contexto | $0.15 / 1M de tokens | Consulta os termos atuais da API |
| Armazenamento da cache de contexto | $1.00 / 1M de tokens por hora | Consulta os termos atuais da API |
| Grounding com a Pesquisa Google | 5000 prompts partilhados no Gemini 3, depois conforme a utilização | Depende do endpoint e da configuração das ferramentas |
A Google também indica um nível gratuito para o Gemini 3.5 Flash. É útil para avaliação, mas o planeamento de produção deve usar os preços do nível pago, os limites de pedidos, os termos de dados e os requisitos de fiabilidade.
Para veres os preços atuais do Poyo e os endpoints suportados, consulta a página do modelo API do Gemini 3.5 Flash.
O que conta para a fatura do Gemini 3.5 Flash?
Uma boa fórmula para uma primeira estimativa é:
request cost =
input tokens × input rate
+ output and thinking tokens × output rate
+ cache storage
+ grounding or server-side tool charges
A entrada pode incluir instruções do sistema, histórico da conversa, definições de ferramentas, documentos recuperados, imagens, áudio e vídeo. A saída inclui a resposta visível e os tokens de raciocínio faturados. Um pedido que parece curto na interface pode, por isso, conter uma carga medida muito maior.
Tokens de entrada
A entrada é a categoria de tokens padrão mais barata, mas pode tornar-se a maior linha da fatura quando uma aplicação envia repetidamente documentos longos ou todo o histórico da conversa. Uma janela de contexto de 1 milhão de tokens é capacidade, não uma recomendação para encher cada pedido.
Tokens de saída e de raciocínio
O preço de saída de $9 da Google inclui explicitamente os tokens de raciocínio. Isto importa porque a saída custa seis vezes o preço de entrada padrão. Um agent de programação que explora várias abordagens, chama ferramentas e escreve uma resposta longa pode gastar mais em raciocínio e saída do que no prompt original.
Cache de contexto
A cache de contexto pode reduzir o preço de leitura de material repetido, como um prompt de sistema estável, um catálogo de produtos, um manual de políticas ou um resumo de uma base de código. É mais útil quando o mesmo bloco em cache é reutilizado vezes suficientes para compensar o custo de armazenamento e a complexidade da gestão da cache.
Grounding com pesquisa e ferramentas
A página de preços da Google indica uma quota mensal incluída para o grounding com a Pesquisa, seguida de um custo por consulta. Um pedido ao modelo pode gerar mais do que uma consulta de pesquisa. As aplicações com muitas ferramentas devem registar as chamadas de ferramentas separadamente da utilização de tokens, para que a origem de um aumento de custos seja visível.
Quanto custa o Gemini 3.5 Flash na prática?
Os exemplos abaixo usam os preços de tokens padrão e excluem impostos, níveis de processamento especiais e custos de ferramentas à parte.
Exemplo 1: um pequeno assistente de programação
Imagina que um assistente de programação consome 10 milhões de tokens de entrada e 2 milhões de tokens de saída por mês.
| Fornecedor | Custo de entrada | Custo de saída | Total mensal |
|---|---|---|---|
| Google, preço padrão | $15.00 | $18.00 | $33.00 |
| Poyo.ai | $9.00 | $10.80 | $19.80 |
A saída é apenas um quinto do volume de entrada, mas custa mais do que a entrada em ambas as vias. É por isso que os limites de saída e as definições de raciocínio merecem atenção.
Exemplo 2: um agent de suporte com contexto repetido
Imagina 100 000 conversas por mês. Cada uma começa com 8000 tokens de políticas e de contexto de produto e depois produz 1000 tokens de saída.
Sem cache nem recuperação de informação:
- Entrada: 800 milhões de tokens
- Saída: 100 milhões de tokens
- Google, preço padrão: $1200 de entrada + $900 de saída = $2100
- Preços de tokens do Poyo.ai: $720 de entrada + $540 de saída = $1260
Este desenho paga repetidamente para enviar o mesmo contexto. Uma arquitetura melhor poria em cache o prefixo estável, recuperaria apenas as secções relevantes das políticas ou prepararia um resumo estruturado mais pequeno.
Exemplo 3: um workflow de documentos multimodal
Para PDFs, imagens, áudio e vídeo, não estimes o custo apenas pelo tamanho do ficheiro. Mede os tokens de entrada devolvidos pela API para ficheiros representativos. Depois testa casos curtos, médios e difíceis, porque a duração do conteúdo e o raciocínio do modelo podem alterar os dois lados da fatura.
Um piloto prático deve registar:
- tokens de entrada por tipo de conteúdo;
- tokens de saída e de raciocínio;
- chamadas de ferramentas e de grounding;
- latência;
- sucesso das tarefas sem correção humana;
- repetições por tarefa concluída com sucesso.
Porque é que a fatura do Gemini 3.5 Flash pode exceder a estimativa
O raciocínio é faturado como saída
Se uma aplicação ativar um raciocínio mais profundo em todos os pedidos, paga o preço de saída mesmo quando a resposta visível é curta. Usa o nível de raciocínio mais leve que ainda cumpra o nível de qualidade exigido pela tarefa.
Os ciclos de agents multiplicam a entrada e a saída
Cada resultado de ferramenta pode voltar ao modelo como nova entrada. Chamadas falhadas, esquemas de ferramentas ambíguos e a falta de condições de paragem podem criar ciclos dispendiosos. Define limites de iterações e regista o motivo de cada repetição.
O contexto completo é reenviado sem necessidade
Enviar um repositório, uma conversa ou uma coleção de documentos inteiros em cada turno raramente é o desenho mais económico. Resumos, recuperação de informação, prefixos que se podem pôr em cache e estado guardado fora do modelo podem reduzir a entrada repetida.
As respostas sem limite são caras
A saída é a categoria de tokens premium. Define valores máximos de saída realistas, pede respostas estruturadas e concisas e gera relatórios longos apenas quando os utilizadores realmente precisarem deles.
O grounding pode multiplicar-se
Um único pedido pode desencadear várias consultas de pesquisa. As aplicações que precisam de uma economia unitária previsível devem definir políticas de ferramentas e monitorizar o número de consultas, em vez de tratarem o grounding como contexto gratuito.
Os benchmarks do Gemini 3.5 Flash em contexto
A Google posiciona o Gemini 3.5 Flash como um modelo orientado para agents e programação que mantém a velocidade da classe Flash. Os dados do seu lançamento, em maio de 2026, indicam:
| Avaliação | Resultado do Gemini 3.5 Flash | O que testa |
|---|---|---|
| Terminal-Bench 2.1 | 76,2% | Execução de programação em linha de comandos e com agents |
| GDPval-AA | 1656 Elo | Desempenho em trabalho de conhecimento profissional |
| MCP Atlas | 83,6% | Capacidade de agents e de utilização de ferramentas |
| CharXiv Reasoning | 84,2% | Raciocínio multimodal sobre gráficos e imagens |
A Google indica ainda que o Gemini 3.5 Flash produz saída a cerca de quatro vezes a velocidade de outros modelos de vanguarda na sua comparação. Estes números são sinais úteis, não substituem testes na tua aplicação. O desenho do harness, as definições de ferramentas, as definições de raciocínio, os objetivos de latência e a qualidade dos prompts afetam o desempenho real.
A pergunta económica importante não é “qual é o benchmark mais alto?”. É esta:
Quanto custa uma tarefa bem-sucedida depois de contabilizar tokens, ferramentas, repetições e correções humanas?
O Gemini 3.5 Flash comparado com modelos alternativos
| Modelo | Melhor adequação | Principal questão de custos |
|---|---|---|
| Gemini 3.5 Flash | Agents multimodais rápidos, programação, workflows com ferramentas | O raciocínio e o contexto repetido estão controlados? |
| GPT-5.6 Terra | Programação equilibrada e raciocínio em produção | Uma melhor conclusão de tarefas compensa um nível de preço por token mais alto? |
| Claude Sonnet 5 | Programação com agents, Computer Use, workflows profissionais longos | Como é que o novo tokenizer afeta o custo de pedidos equivalentes? |
| Gemini 3.1 Flash-Lite | Processamento mais simples em grande volume | A tarefa exige mesmo raciocínio de nível de vanguarda? |
Usa isto como uma lista curta para o encaminhamento. Executa a mesma carga de trabalho representativa em cada candidato antes de escolheres uma predefinição.
Sete formas de reduzir os custos da API do Gemini 3.5 Flash
- Define um limite de saída. Evita pagar por explicações ou contexto repetido que o produto não mostra.
- Ajusta o raciocínio à dificuldade da tarefa. Reserva o raciocínio mais profundo para os pedidos que beneficiam dele.
- Põe em cache os prefixos estáveis. Reutiliza prompts de sistema ou material de referência quando a taxa de acertos justificar o armazenamento.
- Recupera antes de gerar. Envia as secções relevantes dos documentos em vez de todo o corpus.
- Limita as iterações dos agents. Pára ou escala após um número definido de falhas de ferramentas.
- Encaminha as tarefas simples para modelos mais leves. A classificação e a extração podem caber num modelo mais leve.
- Acompanha o custo por tarefa bem-sucedida. O custo de tokens, por si só, esconde as repetições e o trabalho de correção.
Como chamar o Gemini 3.5 Flash no Poyo.ai
O Poyo.ai suporta o ID de modelo gemini-3.5-flash. As equipas podem usar um endpoint de chat compatível com a OpenAI ou o formato nativo do Gemini documentado para o modelo.
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."
}
]
}'
Cria uma chave de API no dashboard do Poyo e consulta depois a página do modelo Gemini 3.5 Flash e a documentação da API associada antes da implementação em produção.
O Gemini 3.5 Flash compensa pelo preço?
O Gemini 3.5 Flash é um forte candidato quando uma aplicação precisa de programação rápida, utilização de ferramentas, entrada multimodal ou raciocínio de contexto longo. É menos convincente quando um pedido é suficientemente previsível para um modelo mais pequeno.
O melhor padrão de produção costuma ser o encaminhamento seletivo:
- usa um modelo mais leve para tarefas simples e repetitivas;
- usa o Gemini 3.5 Flash para pedidos que precisam de raciocínio mais forte ou de contexto multimodal;
- escala apenas os casos mais difíceis para um nível de vanguarda mais caro.
Esta abordagem aproveita a velocidade e a capacidade do modelo sem pagar custos de modelo de vanguarda em todos os pedidos.
Perguntas frequentes
Quanto custa o Gemini 3.5 Flash por milhão de tokens?
O nível pago padrão da Google é de $1.50 por 1 milhão de tokens de entrada e $9 por 1 milhão de tokens de saída, incluindo os tokens de raciocínio. O Poyo.ai apresenta atualmente $0.90 de entrada e $5.40 de saída por 1 milhão de tokens.
A API do Gemini 3.5 Flash é grátis?
A Google indica um nível gratuito, mas as aplicações de produção devem avaliar os respetivos limites de pedidos e termos de dados. O Poyo.ai usa créditos de pagamento por utilização.
Os tokens de raciocínio do Gemini 3.5 Flash são cobrados?
Sim. A tabela de preços da Google indica que o preço de saída inclui os tokens de raciocínio.
O Gemini 3.5 Flash suporta cache de contexto?
Sim. A Google indica preços pagos de leitura e de armazenamento da cache. A cache é mais económica para contexto estável reutilizado em pedidos suficientes.
Qual é o ID de modelo do Gemini 3.5 Flash?
O ID do modelo é gemini-3.5-flash.
O Gemini 3.5 Flash pode usar uma API compatível com a OpenAI?
Sim. O Poyo.ai disponibiliza uma via de chat completions compatível com a OpenAI, bem como um caminho de integração nativo do Gemini.