قیمت‌گذاری API توسعه‌دهندگان Gemini

با محدودیت‌های سخاوتمندانه، ساخت را به صورت رایگان شروع کنید، سپس با قیمت‌های پیش‌پرداخت و سپس پرداخت در حین استفاده، برنامه‌های آماده تولید خود را گسترش دهید.

توانمندترین مدل فلش ما برای گردش‌های کاری عامل‌محور و استدلال چندوجهی.

یک مدل فلش که برای سرعت ساخته شده و هوش مرزی را با جستجو و ردیابی برتر ترکیب می‌کند.

^* درخواست ارسالی مشتری به Gemini ممکن است منجر به یک یا چند جستجو در جستجوی گوگل شود. برای هر جستجوی انجام شده، هزینه از شما دریافت خواهد شد.

^** قابل آزمایش در استودیوی هوش مصنوعی گوگل.

یک مدل فلش که برای سرعت ساخته شده و هوش مرزی را با جستجو و ردیابی برتر ترکیب می‌کند.

^* درخواست ارسالی مشتری به Gemini ممکن است منجر به یک یا چند جستجو در جستجوی گوگل شود. برای هر جستجوی انجام شده، هزینه از شما دریافت خواهد شد.

^** قابل آزمایش در استودیوی هوش مصنوعی گوگل.

مدل ترجمه گفتار به گفتار ما با تأخیر کم و به‌صورت آنی که از بیش از ۷۰ زبان پشتیبانی می‌کند.

^* صورتحساب بر اساس کل مصرف توکن‌های صوتی ورودی و خروجی محاسبه می‌شود که با نرخ ۲۵ توکن در هر ثانیه صدا محاسبه می‌شود و معادل قیمت مؤثر تقریباً ۰.۰۳۶۸ دلار در دقیقه است.

مدل تبدیل گفتار به متن با تأخیر کم و بلادرنگ ما برای رونویسی صوتی دو طرفه از طریق WebSockets.

^* قیمت تخمینی بر اساس ۲۵ توکن صوتی در ثانیه برای ورودی و ۱۷۵ توکن متنی در دقیقه برای خروجی است، که نرخ ترکیبی مؤثر آن برای Live Transcribe حدود ۰.۰۰۹ دلار در دقیقه است.

مدل تبدیل گفتار به متن ما با تشخیص خودکار زبان، تشخیص گویشور از طریق دفترچه خاطرات، مهرهای زمانی در سطح کلمه و بایاس واژگان سفارشی.

^* قیمت تخمینی بر اساس ۲۵ توکن صوتی در ثانیه برای ورودی و ۱۷۵ توکن متنی در دقیقه برای خروجی است، که نرخ ترکیبی مؤثر آن برای رونویسی حدود ۰.۰۰۵ دلار در دقیقه است.

یک مدل مقرون‌به‌صرفه، بهینه‌شده برای وظایف عامل‌محور با حجم بالا، ترجمه و پردازش داده‌های ساده.

^* درخواست ارسالی مشتری به Gemini ممکن است منجر به یک یا چند جستجو در جستجوی گوگل شود. برای هر جستجوی انجام شده، هزینه از شما دریافت خواهد شد.

^** قابل آزمایش در استودیوی هوش مصنوعی گوگل.

^** قابل آزمایش در استودیوی هوش مصنوعی گوگل.

یک مدل مقرون‌به‌صرفه، بهینه‌شده برای وظایف عامل‌محور با حجم بالا، ترجمه و پردازش داده‌های ساده.

^* درخواست ارسالی مشتری به Gemini ممکن است منجر به یک یا چند جستجو در جستجوی گوگل شود. برای هر جستجوی انجام شده، هزینه از شما دریافت خواهد شد.

^** قابل آزمایش در استودیوی هوش مصنوعی گوگل.

مدل نسل بعدی تولید و ویرایش ویدیو ما، اکنون به طور کلی برای توسعه‌دهندگان در سطح پولی رابط برنامه‌نویسی نرم‌افزار Gemini در دسترس است.

^* صورتحساب بر اساس کل مصرف توکن خروجی محاسبه می‌شود که با نرخ ۵۷۹۲ توکن در ثانیه از ویدیوی ۷۲۰p محاسبه می‌شود. تحت قیمت‌گذاری استاندارد، این معادل قیمت مؤثر تقریباً ۰.۱۰ دلار در ثانیه است.

مدل نسل بعدی تولید و ویرایش ویدیو ما.

^* صورتحساب بر اساس کل مصرف توکن خروجی محاسبه می‌شود که با نرخ ۵۷۹۲ توکن در ثانیه از ویدیوی ۷۲۰p محاسبه می‌شود. تحت قیمت‌گذاری استاندارد، این معادل قیمت مؤثر تقریباً ۰.۱۰ دلار در ثانیه است.

مدل حرفه‌ای نسل سوم ما، برای درک چندوجهی، قابلیت‌های عامل‌محور و کدگذاری ارتعاشی ساخته شده است.

^* درخواست ارسالی مشتری به Gemini ممکن است منجر به یک یا چند جستجو در جستجوی گوگل شود. برای هر جستجوی انجام شده، هزینه از شما دریافت خواهد شد.

^** قابل آزمایش در استودیوی هوش مصنوعی گوگل.

مدل صوتی-به-صوتی با تأخیر کم ما، برای گفتگوی بلادرنگ با تشخیص ظرافت صوتی، دقت عددی و آگاهی چندوجهی بهینه شده است.

^* درخواست ارسالی مشتری به Gemini ممکن است منجر به یک یا چند جستجو در جستجوی گوگل شود. برای هر جستجوی انجام شده، هزینه از شما دریافت خواهد شد.

مدل تولید تصویر فلش Gemini 3.1 که برای سرعت و کارایی طراحی شده است، برای پاسخ‌های سریع و تعاملی و توان عملیاتی بالا مؤثر است.

^* خروجی تصویر به ازای هر ۱,۰۰۰,۰۰۰ توکن ۶۰ دلار قیمت دارد. تصاویر خروجی با وضوح ۰.۵ هزار پیکسل (۵۱۲ پیکسل) ۷۴۷ توکن مصرف می‌کنند و معادل ۰.۰۴۵ دلار برای هر تصویر هستند. تصاویر خروجی با وضوح ۱ هزار پیکسل (۱۰۲۴x۱۰۲۴ پیکسل) ۱۱۲۰ توکن مصرف می‌کنند و معادل ۰.۰۶۷ دلار برای هر تصویر هستند. تصاویر خروجی با وضوح ۲ هزار پیکسل (۲۰۴۸x۲۰۴۸ پیکسل) ۱۶۸۰ توکن مصرف می‌کنند و معادل ۰.۱۰۱ دلار برای هر تصویر هستند. تصاویر خروجی با وضوح ۴ هزار پیکسل (۴۰۹۶x۴۰۹۶ پیکسل) ۲۵۲۰ توکن مصرف می‌کنند و معادل ۰.۱۵۱ دلار برای هر تصویر هستند.

^** درخواست ارسالی مشتری به Gemini ممکن است منجر به یک یا چند پرس‌وجو در جستجوی گوگل شود. برای هر پرس‌وجوی جستجوی انجام شده، هزینه از شما دریافت خواهد شد. محتوای بازیابی شده (متن یا تصاویر) ارائه شده توسط Grounding with Google Search به عنوان توکن ورودی هزینه‌ای دریافت نمی‌کند.

^*** قابل آزمایش در استودیوی هوش مصنوعی گوگل.

مدل Gemini 3.1 Flash Lite Image که به عنوان متخصص بهره‌وری در خانواده تولید تصویر طراحی شده است، برای تولید و ویرایش تصویر با تأخیر بسیار کم و مقرون به صرفه طراحی شده است.

^* خروجی تصویر به ازای هر ۱,۰۰۰,۰۰۰ توکن، ۳۰ دلار قیمت دارد. تصاویر خروجی با وضوح ۱K (۱۰۲۴x۱۰۲۴px) ۱۱۲۰ توکن مصرف می‌کنند و معادل ۰.۰۳۳۶ دلار برای هر تصویر هستند.

مدل صوتی تبدیل متن به گفتار فلش ۳.۱ ما برای تولید گفتار قابل کنترل، با تأخیر کم و با عملکرد مناسب از نظر قیمت بهینه شده است.

^* توکن‌های صوتی معادل ۲۵ توکن در هر ثانیه از صدا هستند.

یک مدل هوشمند که برای سرعت ساخته شده است و هوش را با جستجو و اتصال به زمین ترکیب می‌کند.

^* درخواست ارسالی مشتری به Gemini ممکن است منجر به یک یا چند جستجو در جستجوی گوگل شود. برای هر جستجوی انجام شده، هزینه از شما دریافت خواهد شد.

^** قابل آزمایش در استودیوی هوش مصنوعی گوگل.

مدل تولید تصویر بومی ما، که برای سرعت، انعطاف‌پذیری و درک متنی بهینه شده است. ورودی و خروجی متن با قیمتی مشابه Gemini 3.1 Pro ارائه می‌شود.

^* ورودی تصویر ۵۶۰ توکن یا ۰.۰۰۱۱ دلار برای هر تصویر تعیین شده است.

^** خروجی تصویر به ازای هر ۱,۰۰۰,۰۰۰ توکن ۱۲۰ دلار قیمت دارد. تصاویر خروجی از ۱۰۲۴x۱۰۲۴px (1K) تا ۲۰۴۸x۲۰۴۸px (2K) ۱۱۲۰ توکن مصرف می‌کنند و معادل ۰.۱۳۴ دلار برای هر تصویر هستند. تصاویر خروجی تا ۴۰۹۶x۴۰۹۶px (4K) ۲۰۰۰ توکن مصرف می‌کنند و معادل ۰.۲۴ دلار برای هر تصویر هستند.

^*** درخواست ارسالی مشتری به Gemini ممکن است منجر به یک یا چند جستجو در جستجوی گوگل شود. برای هر جستجوی انجام شده، هزینه از شما دریافت خواهد شد.

^**** قابل آزمایش در استودیوی هوش مصنوعی گوگل است.

یک مدل حرفه‌ای که در کدنویسی و کارهای استدلالی پیچیده عالی عمل می‌کند.

اولین مدل استدلال ترکیبی ما که از یک پنجره زمینه ۱ میلیون توکنی پشتیبانی می‌کند و دارای بودجه‌های تفکر است.

یک مدل کوچک و مقرون به صرفه، ساخته شده برای استفاده در مقیاس بزرگ.

Our Live API native audio models optimized for higher quality audio outputs with better pacing, voice naturalness, verbosity, and mood.

A native image generation model, optimized for speed, flexibility, and contextual understanding. Text input and output is priced the same as 2.5 Flash .

[*] Image output is priced at $30 per 1,000,000 tokens. Output images up to 1024x1024px consume 1290 tokens and are equivalent to $0.039 per image.

Our 2.5 Flash text-to-speech audio model optimized for price-performant, low-latency, controllable speech generation.

Our 2.5 Pro text-to-speech audio model optimized for powerful, low-latency speech generation for more natural outputs and easier to steer prompts.

A fast video generation model.

Google's family of music generation models.

Our first multimodal embedding model, mapping text, images, video, audio, and PDFs into a unified embedding space.

Our first Gemini Embeddings model for text-only use cases.

Gemini Robotics ER 2, short for Gemini Robotics Embodied Reasoning 2, is a vision-language model endpoint that enables robots to understand their environments precisely, supporting agentic orchestration of robots, video progress understanding, multi-robot collaboration, and advanced spatial reasoning.

Gemini Robotics ER 2 Streaming is a vision-language model endpoint for robotics optimized for real-time text streaming using the Live API. It accepts text, image, video, and audio input and supports bidirectional streaming with function calling.

Gemini Robotics ER, short for Gemini Robotics-Embodied Reasoning, is a thinking model that enhances robots' abilities to understand and interact with the physical world.

Our Computer Use model optimized for building browser control agents that automate tasks.

Our lightweight, state-of the art, open model built from the same technology that powers our Gemini models.

Pricing for tools

Tools are priced at their own rates, applied to the model using them. Check the Models page for which tools are available to each model.

Pricing for agents

Agent usage costs are calculated based on the underlying token consumption and usage of the tools.

یادداشت‌ها

• Document token billing: Tokens for the DOCUMENT modality (for example, PDFs) are billed at the image token rate. In API responses, these tokens appear under the DOCUMENT modality within promptTokensDetails .
• Google AI Studio usage is free of charge in all available regions . See Billing FAQs for details.
• Prices may differ from the prices listed here and the prices offered on Gemini Enterprise Agent Platform. For Gemini Enterprise Agent Platform prices, see the Gemini Enterprise Agent Platform pricing page .
• If you are using dynamic retrieval to optimize costs, only requests that contain at least one grounding support URL from the web in their response are charged for Grounding with Google Search. Costs for Gemini always apply. Rate limits are subject to change.