API key Gemini giá rẻ: bốn thứ quyết định chi phí
Ý chính
- Trang giá của Google tách đầu vào và đầu ra, và dòng đầu ra bao gồm token suy luận. Một câu trả lời có suy luận vì thế bị tính cho phần việc bạn không nhìn thấy.
- Cache ngữ cảnh bật mặc định với Gemini 2.5 trở lên, kèm mức đầu vào tối thiểu. Google nói phần tiết kiệm được chuyển lại tự động, và số token cache khớp hiện trong
usage.total_cached_tokens. - Cùng một mô hình có giá theo bậc dịch vụ — standard, batch, flex và priority. Batch có mức giảm 50% được công bố rõ, và đó là mức giảm duy nhất trên trang mà bạn không cần qua bên bán lại.
- Bậc miễn phí là thật nhưng có điều kiện: chỉ một số mô hình, và Google ghi rõ nội dung ở bậc miễn phí được dùng để cải thiện sản phẩm, còn bậc trả phí thì không.
- Trên KuaiAPI, nhóm Gemini nói giao thức của Google. Một khóa gắn vào nhóm khác, hoặc một client chỉ nói OpenAI, sẽ lỗi — và lỗi đó trông như vấn đề tính phí nhưng thực ra là vấn đề cấu hình.
Vì sao đây là câu hỏi hợp lý
Dòng Flash đã thành lựa chọn tiết kiệm mặc định cho những việc không cần mô hình mạnh nhất: phân loại, trích xuất, tóm tắt, hỗ trợ code thường ngày. Tìm cách gọi rẻ là phản xạ hợp lý, và thị trường đã trả lời — các cổng API và bên bán lại xếp hạng cho đúng cụm từ này bằng những trang Gemini riêng.
Nhưng cụm từ đó che một vấn đề. Gemini không bán bằng một mức giá. Nó bán theo loại token, theo mô hình và theo bậc dịch vụ, và những điều quan trọng nhất nằm công khai trên trang của Google. Đọc mất năm phút; bỏ qua là cách người ta quay lại hỏi vì sao chi phí cao gấp mấy lần con số họ ước tính.
Bốn dòng, không phải một
| Dòng | Cái gì làm nó thay đổi | Xem ở đâu |
|---|---|---|
| Đầu vào | mọi token bạn gửi, gồm cả toàn bộ hội thoại ở từng lượt | số token đầu vào trong khối usage |
| Đầu ra | câu trả lời nhìn thấy cộng token suy luận | số token đầu ra, so với độ dài câu trả lời đọc được |
| Cache ngữ cảnh | phần đầu lặp lại có vượt mức tối thiểu và có khớp thật không | usage.total_cached_tokens |
| Bậc dịch vụ | standard, batch, flex hay priority | cột giá của mô hình bạn gọi |
Một bảng giá chỉ nêu một con số không hẳn sai — nó đang trả lời một câu hỏi khác với câu bạn hỏi.
Cách kiểm tra: gửi cùng một câu lệnh dài hai lần, cách nhau vài phút, rồi so hai khối usage. Nếu lần thứ hai báo token cache khớp và số trừ nhỏ hơn, cache đang hoạt động. Nếu hai lần giống hệt nhau, hoặc phần đầu của bạn đã đổi giữa hai lần, hoặc nó nằm dưới mức tối thiểu.
Token suy luận được tính như đầu ra
Dòng đầu ra trên trang giá của Google không chỉ là đoạn văn bạn đọc. Nó gồm cả token mô hình dùng để suy luận trước khi trả lời. Với một mô hình có suy luận, phần đó có thể chiếm phần lớn chi phí của một câu trả lời ngắn: một câu trả lời hai đoạn có thể mang theo rất nhiều việc không nhìn thấy.
Đây là lý do phổ biến nhất khiến một ước tính "rẻ" bị lệch. Người ta ước tính theo câu trả lời nhìn thấy; đồng hồ đếm cả phần suy luận.
Cách kiểm tra: lấy một yêu cầu thật dùng mô hình có suy luận, đọc số token đầu ra trong khối usage, rồi so với độ dài câu trả lời. Khoảng chênh là phần suy luận. Chạy lại cùng câu lệnh với mức suy luận thấp hơn và xem khoảng chênh thu lại.
Cache đã đổi nghĩa của chữ "rẻ"
Google bật cache ngầm mặc định trên Gemini 2.5 trở lên. Có một ngưỡng — phần đầu phải đủ lớn mới được tính (4.096 token với dòng Gemini 3 và 4, 2.048 với dòng 2.5) — và sau đó phần đầu lặp lại được cache mà không cần cấu hình gì. Google nói phần tiết kiệm được chuyển lại tự động, và phản hồi báo phần đã cache.
Điều đó đổi định nghĩa thực tế của chữ rẻ. Hai nhóm gọi cùng một mô hình, cùng một mức giá, có thể trả hai số tiền rất khác nhau: một bên gửi khối hệ thống lớn và ổn định ở mọi lần gọi, bên kia dựng lại khối đó mỗi lần. Bên thứ hai trả đủ giá đầu vào mãi mãi và không bao giờ thấy chiết khấu.
Cách kiểm tra: mở chi tiết usage của một yêu cầu lặp lại một khối dài. Nếu usage.total_cached_tokens bằng không qua nhiều lần lẽ ra giống nhau, phần đầu đang bị đổi hoặc đang dưới ngưỡng. Đặt phần ổn định lên đầu, giữ nguyên từng byte, và gửi các lần gọi gần nhau.
Bậc bạn chọn đổi mức giá
Google liệt kê cùng một mô hình dưới nhiều bậc dịch vụ. Standard là mặc định cho tương tác. Batch là bậc có mức giảm 50% được công bố — dành cho việc có thể chờ. Flex và priority nằm ở các điểm khác nhau giữa độ trễ và công suất, với priority ở đầu đắt nhất.
Hai hệ quả. Thứ nhất, nếu công việc của bạn chạy nền (trích xuất ban đêm, gán nhãn lại hàng loạt, chạy đánh giá), bậc batch là mức giảm hợp pháp rẻ nhất, và bạn không cần bên thứ ba để có nó. Thứ hai, nếu là tương tác, bạn ở bậc standard, và nên so giữa các nhà cung cấp ở cùng bậc — không so giá batch với giá standard của người khác.
Cách kiểm tra: phân loại công việc trước khi so bảng giá. Việc chạy qua đêm nên tính theo dòng batch; một tính năng chat nên tính theo standard. Trộn hai loại làm mọi so sánh mất nghĩa.
Miễn phí là một bậc có điều kiện
Bậc miễn phí là thật: token đầu vào và đầu ra miễn phí, và quyền dùng cho dự án nhỏ. Nó cũng hẹp hơn quảng cáo. Nó chỉ gồm một số mô hình — Google ghi rõ mô hình chủ lực mới nhất không nằm trong đó — và điều khoản khác. Ở bậc miễn phí, Google nêu rõ nội dung được dùng để cải thiện sản phẩm. Ở bậc trả phí, điều ngược lại, kèm cache ngữ cảnh, bậc batch và giới hạn cao hơn.
Với một câu lệnh thử nghiệm, đánh đổi đó hợp lý. Với lưu lượng sản xuất mang dữ liệu khách hàng, bậc miễn phí không phải cùng một sản phẩm với bậc trả phí, và "miễn phí" là cột sai để so với một nhà cung cấp trả phí.
Cách kiểm tra: đọc cả hai cột trên trang giá của Google, không chỉ các con số. Câu về cách dùng dữ liệu là phần quyết định bậc đó có hợp với công việc của bạn hay không.
Câu hỏi về client, nơi giao thức quyết định
Google công bố một endpoint tương thích OpenAI, nên bạn có thể gọi mô hình Gemini từ SDK OpenAI bằng cách đổi base URL và model id. Lớp tương thích đó thuộc về endpoint của Google. Nó không có nghĩa mọi bên bán lại Gemini đều nhận cùng giao thức.
Trên KuaiAPI, nhóm Gemini nói giao thức của Google: tài liệu đưa cho Gemini CLI một base URL của cổng và cảnh báo rằng nền tảng của nhóm gắn với khóa phải khớp giao thức của client. Vì vậy một khóa thuộc nhóm Gemini với client chỉ nói OpenAI sẽ lỗi, và một khóa thuộc nhóm OpenAI với Gemini CLI cũng lỗi. Lỗi thường hiện ra như một mã 4xx trông giống vấn đề tài khoản.
Cách kiểm tra: xem nền tảng của nhóm trên bảng mô hình trước khi mua, rồi xác nhận chế độ provider trong client. Một lần gọi nhỏ cộng một dòng usage cho biết chuỗi đã nối đúng chưa.
Danh sách kiểm trước khi trả tiền
| # | Điều kiểm | Câu trả lời tốt |
|---|---|---|
| 1 | Danh sách mô hình có công khai? | Đọc được các biến thể Flash mà không cần đăng nhập, và đúng dòng bạn cần có mặt |
| 2 | Dòng đầu ra có nói rõ phần suy luận? | Nhà cung cấp nói đầu ra gồm token suy luận, không ám chỉ ngược lại |
| 3 | Cache có nhìn thấy được? | Có trường token cache khớp trong khối usage, không chỉ lời hứa tiết kiệm |
| 4 | Bậc có được gọi tên? | Bạn biết mức giá đang xem là standard hay batch |
| 5 | Giao thức của khóa có khớp client? | Nền tảng của nhóm được ghi rõ, và client nói đúng giao thức đó |
Câu hỏi thường gặp
API Gemini có miễn phí không? Một phần. Có bậc miễn phí kèm giới hạn cho một số mô hình, và Google nói nội dung ở bậc này được dùng để cải thiện sản phẩm. Đó là chỗ tốt để thử và là chỗ dở cho lưu lượng sản xuất mang dữ liệu khách hàng. Hãy so bậc trả phí trước khi xây sản phẩm trên bậc miễn phí.
Gemini có rẻ hơn ChatGPT không? Tuỳ bậc dịch vụ và tuỳ phần đầu ra là suy luận nhiều hay ít. So cùng bậc và cùng loại token; giá standard cho tương tác và giá batch không phải cùng một sản phẩm. Mua API key DeepSeek giá rẻ đi qua đúng phép so đó trên một dòng khác.
Có thể gọi Gemini bằng SDK OpenAI hiện có không? Có, với endpoint tương thích OpenAI của Google — chỉ đổi base URL và model id. Trên KuaiAPI, nhóm Gemini phục vụ qua giao thức của Google, nên hãy kiểm nền tảng của nhóm trước khi mặc định client OpenAI chạy được. Nếu toàn bộ stack của bạn chỉ nói OpenAI, một nhóm OpenAI cùng dòng mô hình nhóm đó phục vụ là đường ngắn hơn.
Vì sao chi phí cao hơn độ dài câu trả lời? Ba lý do quen thuộc: token suy luận được tính như đầu ra, toàn bộ hội thoại được gửi lại mỗi lượt, và phần đầu cứ đổi thì không bao giờ được cache. Khối usage tách cả ba, nên đó là nơi xem trước tiên.
Bước tiếp theo
Bảng mô hình công khai mức giá từng mô hình và hệ số từng nhóm mà không cần đăng nhập, để bậc bạn đang so là bậc nhìn thấy được trước khi cam kết. Trang trạng thái cho biết từng nhóm đang chạy thế nào vào lúc này, và trang hoàn tiền ghi rõ đường xử lý nếu bạn dừng.
Cho các quyết định lân cận, API key Kimi giá rẻ đi qua đúng cấu trúc chi phí đó trên một dòng chi phí thấp khác, Một khóa API cho mọi mô hình nói về cấu hình client khi một khóa phải phục vụ nhiều công cụ, và tài liệu tiếng Việt trình bày endpoint cùng cách cấu hình khóa.