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.

هوشمندترین مدل فلش ما، که برای مهندسی نرم‌افزار بلندمدت، عامل‌های خودگردان و گردش‌های کاری پیچیده سازمانی مهندسی شده است.

مدل فلش پرسرعت و کارآمد ما که برای کدنویسی روزمره، استفاده از ابزارهای خودکار و اجرای چند مرحله‌ای قابل اعتماد ساخته شده است.

مدل فلش نسل قبلی ما، که سرعت و قابلیت‌های چندوجهی را در وظایف عمومی و روزمره متعادل 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 فلش قبلی ما، برای سرعت و عملکرد پایه در بارهای کاری روتین و با توان عملیاتی بالا ساخته شده بود.

^* 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 کم‌تأخیر و تبدیل صدا به صدا 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.

مدل قدیمی فلش ما، سرعت و هوشمندی پایه را فراهم 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.

مدل‌های صوتی بومی Live API ما برای خروجی‌های صوتی با کیفیت بالاتر با ریتم بهتر، طبیعی بودن صدا، پرگویی و حس و حال بهتر بهینه شده‌اند.

یک مدل تولید تصویر بومی، بهینه شده برای سرعت، انعطاف‌پذیری و درک متنی. ورودی و خروجی متن با قیمتی مشابه نسخه ۲.۵ فلش ارائه می‌شود.

[*] خروجی تصویر به ازای هر ۱,۰۰۰,۰۰۰ توکن، ۳۰ دلار قیمت دارد. تصاویر خروجی تا ابعاد ۱۰۲۴x۱۰۲۴ پیکسل، ۱۲۹۰ توکن مصرف می‌کنند و معادل ۰.۰۳۹ دلار برای هر تصویر هستند.

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

مدل صوتی متن به گفتار نسخه ۲.۵ پرو ما برای تولید گفتار قدرتمند و با تأخیر کم بهینه شده است تا خروجی‌های طبیعی‌تر و هدایت آسان‌تر دستورات را فراهم کند.

یک مدل تولید سریع ویدیو.

Google's family of music generation models. Preview models may change before becoming stable and have more restrictive rate limits.

Google's family of legacy music generation models.

اولین مدل جاسازی چندوجهی ما، نگاشت متن، تصاویر، ویدیو، صدا و فایل‌های PDF در یک فضای جاسازی یکپارچه.

اولین مدل Gemini Embeddings ما برای موارد استفاده فقط متنی.

Gemini Robotics ER 2، که مخفف Gemini Robotics Embodied Reasoning 2 است، یک نقطه پایانی مدل زبان بینایی است که ربات‌ها را قادر می‌سازد محیط خود را به طور دقیق درک کنند و از هماهنگی عاملانه ربات‌ها، درک پیشرفت ویدیویی، همکاری چند ربات و استدلال فضایی پیشرفته پشتیبانی می‌کند.

Gemini Robotics ER 2 Streaming یک نقطه پایانی مدل زبان بینایی برای رباتیک است که برای پخش متن در زمان واقعی با استفاده از Live API بهینه شده است. این برنامه ورودی متن، تصویر، ویدئو و صدا را می‌پذیرد و از پخش دو طرفه با فراخوانی تابع پشتیبانی می‌کند.

Gemini Robotics ER، که مخفف Gemini Robotics-Embodied Reasoning است، یک مدل تفکر است که توانایی‌های ربات‌ها را برای درک و تعامل با دنیای فیزیکی افزایش می‌دهد.

مدل استفاده از کامپیوتر ما برای ساخت عوامل کنترل مرورگر که وظایف را خودکار می‌کنند، بهینه شده است.

مدل سبک، پیشرفته و باز ما که از همان فناوری‌ای ساخته شده که مدل‌های Gemini ما را پشتیبانی می‌کند.

قیمت گذاری ابزارآلات

ابزارها با نرخ‌های خودشان قیمت‌گذاری می‌شوند و بر روی مدلی که از آنها استفاده می‌کند، اعمال می‌شوند. برای اطلاع از ابزارهای موجود برای هر مدل، صفحه مدل‌ها را بررسی کنید.

قیمت گذاری برای نمایندگان

هزینه‌های استفاده از عامل بر اساس مصرف توکن‌های اصلی و استفاده از ابزارها محاسبه می‌شود.

یادداشت‌ها

• درک ویدیوی عامل‌محور: هنگام استفاده از درک ویدیوی عامل‌محور، استفاده از توکن‌ها بر اساس محتوای بارگذاری شده توسط مدل و نه کل طول ویدیو متغیر است. این امر معمولاً منجر به کاهش ۸۸ درصدی توکن‌های ورودی برای ویدیوهای طولانی می‌شود، اگرچه تعداد توکن‌ها به پیچیدگی پرس‌وجو و عمق نمونه‌برداری پویا (که ممکن است برای بخش‌های بصری دقیق از ۱ فریم در ثانیه تجاوز کند) بستگی دارد. به درک ویدیوی عامل‌محور مراجعه کنید.
• پرداخت با توکن سند: توکن‌های مربوط به روش DOCUMENT (برای مثال، فایل‌های PDF) با نرخ توکن تصویر محاسبه می‌شوند. در پاسخ‌های API، این توکن‌ها تحت روش DOCUMENT در promptTokensDetails ظاهر می‌شوند.
• استفاده از Google AI Studio در تمام مناطق موجود رایگان است. برای جزئیات بیشتر به سوالات متداول در مورد صورتحساب مراجعه کنید.
• قیمت‌ها ممکن است با قیمت‌های ذکر شده در اینجا و قیمت‌های ارائه شده در پلتفرم Gemini Enterprise Agent متفاوت باشد. برای اطلاع از قیمت‌های پلتفرم Gemini Enterprise Agent، به صفحه قیمت‌گذاری پلتفرم Gemini Enterprise Agent مراجعه کنید.
• اگر از بازیابی پویا برای بهینه‌سازی هزینه‌ها استفاده می‌کنید، فقط درخواست‌هایی که حداقل یک URL پشتیبانی اتصال به زمین از وب در پاسخ خود دارند، هزینه اتصال به زمین با جستجوی گوگل را دریافت می‌کنند. هزینه‌های Gemini همیشه اعمال می‌شود. محدودیت‌های نرخ ممکن است تغییر کنند.

Start building free of charge with generous limits, then scale up with prepaid then pay-as-you-go pricing for your production ready applications.

هوشمندترین مدل فلش ما، که برای مهندسی نرم‌افزار بلندمدت، عامل‌های خودگردان و گردش‌های کاری پیچیده سازمانی مهندسی شده است.

مدل فلش پرسرعت و کارآمد ما که برای کدنویسی روزمره، استفاده از ابزارهای خودکار و اجرای چند مرحله‌ای قابل اعتماد ساخته شده است.

مدل فلش نسل قبلی ما، که سرعت و قابلیت‌های چندوجهی را در وظایف عمومی و روزمره متعادل می‌کند.

^* A customer-submitted request to Gemini may result in one or more queries to Google Search. You will be charged for each individual search query performed.

^** Can be tested in Google AI Studio.

مدل فلش قبلی ما، برای سرعت و عملکرد پایه در بارهای کاری روتین و با توان عملیاتی بالا ساخته شده بود.

^* A customer-submitted request to Gemini may result in one or more queries to Google Search. You will be charged for each individual search query performed.

^** Can be tested in Google AI Studio.

Our low-latency, real-time speech to speech translation model that supports 70+ languages.

^* Billing is based on total input and output audio token consumption, calculated at a rate of 25 tokens per second of audio, equating to an effective price of approximately $0.0368 per minute.

Our low-latency, real-time speech-to-text model for bidirectional streaming audio transcription over WebSockets.

^* Estimated pricing is based on 25 audio tokens per second for input and 175 text tokens per minute for output, for an effective blended rate of ~$0.009 per min for Live Transcribe.

Our speech-to-text model with automatic language detection, speaker diarization, word-level timestamps, and custom vocabulary biasing.

^* Estimated pricing is based on 25 audio tokens per second for input and 175 text tokens per minute for output, for an effective blended rate of ~$0.005 per min for Transcribe.

A cost-efficient model, optimized for high-volume agentic tasks, translation, and simple data processing.

^* A customer-submitted request to Gemini may result in one or more queries to Google Search. You will be charged for each individual search query performed.

^** Can be tested in Google AI Studio.

^** Can be tested in Google AI Studio.

A cost-efficient model, optimized for high-volume agentic tasks, translation, and simple data processing.

^* A customer-submitted request to Gemini may result in one or more queries to Google Search. You will be charged for each individual search query performed.

^** Can be tested in Google AI Studio.

Our next-generation video generation and editing model, now generally available to developers on the paid tier of the Gemini API.

^* Billing is based on total output token consumption, calculated at a rate of 5,792 tokens per second of 720p video. Under Standard pricing, this equates to an effective price of approximately $0.10 per second.

Our next-generation video generation and editing model.

^* Billing is based on total output token consumption, calculated at a rate of 5,792 tokens per second of 720p video. Under Standard pricing, this equates to an effective price of approximately $0.10 per second.

Our 3rd generation Pro model, built for multimodal understanding, agentic capabilities, and vibe-coding.

^* A customer-submitted request to Gemini may result in one or more queries to Google Search. You will be charged for each individual search query performed.

^** Can be tested in Google AI Studio.

Our low-latency, audio-to-audio model optimized for real-time dialogue with acoustic nuance detection, numeric precision, and multimodal awareness.

^* A customer-submitted request to Gemini may result in one or more queries to Google Search. You will be charged for each individual search query performed.

Designed for speed and efficiency, the Gemini 3.1 Flash Image generation model is effective for quick, interactive responses and high throughput.

^* Image output is priced at $60 per 1,000,000 tokens. Output images at 0.5K (512px) consume 747 tokens and are equivalent to $0.045 per image. Output images at 1K (1024x1024px) consume 1120 tokens and are equivalent to $0.067 per image. Output images at 2K (2048x2048px) consume 1680 tokens and are equivalent to $0.101 per image. Output images at 4K (4096x4096px) consume 2520 tokens and are equivalent to $0.151 per image.

^** A customer-submitted request to Gemini may result in one or more queries to Google Search. You will be charged for each individual search query performed. Retrieved context (text or images) provided by Grounding with Google Search is not charged as input tokens.

^*** Can be tested in Google AI Studio.

Designed as the efficiency specialist of the image generation family, the Gemini 3.1 Flash Lite Image model is designed for ultra-low latency and cost-effective image generation and editing.

^* Image output is priced at $30 per 1,000,000 tokens. Output images at 1K (1024x1024px) consume 1120 tokens and are equivalent to $0.0336 per image.

Our 3.1 Flash Text-to-Speech audio model optimized for price-performant, low-latency, controllable speech generation.

^* Audio tokens correspond to 25 tokens per second of audio.

مدل قدیمی فلش ما، سرعت و هوشمندی پایه را فراهم می‌کند.

^* A customer-submitted request to Gemini may result in one or more queries to Google Search. You will be charged for each individual search query performed.

^** Can be tested in Google AI Studio.

Our native image generation model, optimized for speed, flexibility, and contextual understanding. Text input and output is priced the same as Gemini 3.1 Pro .

^* Image input is set at 560 tokens or $0.0011 per image.

^** Image output is priced at $120 per 1,000,000 tokens. Output images from 1024x1024px (1K) and up to 2048x2048px (2K) consume 1120 tokens and are equivalent to $0.134 per image. Output images up to 4096x4096px (4K) consume 2000 tokens and are equivalent to $0.24 per image.

^*** A customer-submitted request to Gemini may result in one or more queries to Google Search. You will be charged for each individual search query performed.

^**** Can be tested in Google AI Studio.

A Pro model which excels at coding and complex reasoning tasks.

Our first hybrid reasoning model which supports a 1M token context window and has thinking budgets.

A small and cost effective model, built for at scale usage.

مدل‌های صوتی بومی Live API ما برای خروجی‌های صوتی با کیفیت بالاتر با ریتم بهتر، طبیعی بودن صدا، پرگویی و حس و حال بهتر بهینه شده‌اند.

یک مدل تولید تصویر بومی، بهینه شده برای سرعت، انعطاف‌پذیری و درک متنی. ورودی و خروجی متن با قیمتی مشابه نسخه ۲.۵ فلش ارائه می‌شود.

[*] خروجی تصویر به ازای هر ۱,۰۰۰,۰۰۰ توکن، ۳۰ دلار قیمت دارد. تصاویر خروجی تا ابعاد ۱۰۲۴x۱۰۲۴ پیکسل، ۱۲۹۰ توکن مصرف می‌کنند و معادل ۰.۰۳۹ دلار برای هر تصویر هستند.

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

مدل صوتی متن به گفتار نسخه ۲.۵ پرو ما برای تولید گفتار قدرتمند و با تأخیر کم بهینه شده است تا خروجی‌های طبیعی‌تر و هدایت آسان‌تر دستورات را فراهم کند.

یک مدل تولید سریع ویدیو.

Google's family of music generation models. Preview models may change before becoming stable and have more restrictive rate limits.

Google's family of legacy music generation models.

اولین مدل جاسازی چندوجهی ما، نگاشت متن، تصاویر، ویدیو، صدا و فایل‌های PDF در یک فضای جاسازی یکپارچه.

اولین مدل Gemini Embeddings ما برای موارد استفاده فقط متنی.

Gemini Robotics ER 2، که مخفف Gemini Robotics Embodied Reasoning 2 است، یک نقطه پایانی مدل زبان بینایی است که ربات‌ها را قادر می‌سازد محیط خود را به طور دقیق درک کنند و از هماهنگی عاملانه ربات‌ها، درک پیشرفت ویدیویی، همکاری چند ربات و استدلال فضایی پیشرفته پشتیبانی می‌کند.

Gemini Robotics ER 2 Streaming یک نقطه پایانی مدل زبان بینایی برای رباتیک است که برای پخش متن در زمان واقعی با استفاده از Live API بهینه شده است. این برنامه ورودی متن، تصویر، ویدئو و صدا را می‌پذیرد و از پخش دو طرفه با فراخوانی تابع پشتیبانی می‌کند.

Gemini Robotics ER، که مخفف Gemini Robotics-Embodied Reasoning است، یک مدل تفکر است که توانایی‌های ربات‌ها را برای درک و تعامل با دنیای فیزیکی افزایش می‌دهد.

مدل استفاده از کامپیوتر ما برای ساخت عوامل کنترل مرورگر که وظایف را خودکار می‌کنند، بهینه شده است.

مدل سبک، پیشرفته و باز ما که از همان فناوری‌ای ساخته شده که مدل‌های Gemini ما را پشتیبانی می‌کند.

قیمت گذاری ابزارآلات

ابزارها با نرخ‌های خودشان قیمت‌گذاری می‌شوند و بر روی مدلی که از آنها استفاده می‌کند، اعمال می‌شوند. برای اطلاع از ابزارهای موجود برای هر مدل، صفحه مدل‌ها را بررسی کنید.

قیمت گذاری برای نمایندگان

هزینه‌های استفاده از عامل بر اساس مصرف توکن‌های اصلی و استفاده از ابزارها محاسبه می‌شود.

یادداشت‌ها

• درک ویدیوی عامل‌محور: هنگام استفاده از درک ویدیوی عامل‌محور، استفاده از توکن‌ها بر اساس محتوای بارگذاری شده توسط مدل و نه کل طول ویدیو متغیر است. این امر معمولاً منجر به کاهش ۸۸ درصدی توکن‌های ورودی برای ویدیوهای طولانی می‌شود، اگرچه تعداد توکن‌ها به پیچیدگی پرس‌وجو و عمق نمونه‌برداری پویا (که ممکن است برای بخش‌های بصری دقیق از ۱ فریم در ثانیه تجاوز کند) بستگی دارد. به درک ویدیوی عامل‌محور مراجعه کنید.
• پرداخت با توکن سند: توکن‌های مربوط به روش DOCUMENT (برای مثال، فایل‌های PDF) با نرخ توکن تصویر محاسبه می‌شوند. در پاسخ‌های API، این توکن‌ها تحت روش DOCUMENT در promptTokensDetails ظاهر می‌شوند.
• استفاده از Google AI Studio در تمام مناطق موجود رایگان است. برای جزئیات بیشتر به سوالات متداول در مورد صورتحساب مراجعه کنید.
• قیمت‌ها ممکن است با قیمت‌های ذکر شده در اینجا و قیمت‌های ارائه شده در پلتفرم Gemini Enterprise Agent متفاوت باشد. برای اطلاع از قیمت‌های پلتفرم Gemini Enterprise Agent، به صفحه قیمت‌گذاری پلتفرم Gemini Enterprise Agent مراجعه کنید.
• اگر از بازیابی پویا برای بهینه‌سازی هزینه‌ها استفاده می‌کنید، فقط درخواست‌هایی که حداقل یک URL پشتیبانی اتصال به زمین از وب در پاسخ خود دارند، هزینه اتصال به زمین با جستجوی گوگل را دریافت می‌کنند. هزینه‌های Gemini همیشه اعمال می‌شود. محدودیت‌های نرخ ممکن است تغییر کنند.

Start building free of charge with generous limits, then scale up with prepaid then pay-as-you-go pricing for your production ready applications.

هوشمندترین مدل فلش ما، که برای مهندسی نرم‌افزار بلندمدت، عامل‌های خودگردان و گردش‌های کاری پیچیده سازمانی مهندسی شده است.

مدل فلش پرسرعت و کارآمد ما که برای کدنویسی روزمره، استفاده از ابزارهای خودکار و اجرای چند مرحله‌ای قابل اعتماد ساخته شده است.

مدل فلش نسل قبلی ما، که سرعت و قابلیت‌های چندوجهی را در وظایف عمومی و روزمره متعادل می‌کند.