Ceny interfejsu Gemini Developer API

Zacznij tworzyć bezpłatnie dzięki dużym limitom, a potem skaluj w górę aplikacje gotowe do wdrożenia, korzystając z płatności z góry i płatności według wykorzystania.

Nasz najbardziej inteligentny model Flash, zaprojektowany z myślą o długofalowej inżynierii oprogramowania, autonomicznych agentach i złożonych firmowych przepływach pracy.

Nasz szybki i wydajny model Flash stworzony z myślą o codziennym kodowaniu, korzystaniu z narzędzi agentowych i niezawodnym wykonywaniu wieloetapowych zadań.

Nasz model Flash poprzedniej generacji, który zapewnia równowagę między szybkością a funkcjami multimodalnymi w ogólnych zadaniach agentowych i zadaniach wykonywanych na co dzień.

^* Żądanie przesłane przez klienta do Gemini może spowodować wysłanie do wyszukiwarki Google co najmniej 1 zapytania. Opłaty są naliczane za każde wykonane zapytanie.

^** Można przetestować w Google AI Studio.

Nasz wcześniejszy model Flash, stworzony z myślą o szybkości i podstawowej wydajności w rutynowych zbiorach zadań wymagających wysokiej przepustowości.

^* Żądanie przesłane przez klienta do Gemini może spowodować wysłanie do wyszukiwarki Google co najmniej 1 zapytania. Opłaty są naliczane za każde wykonane zapytanie.

^** Można przetestować w Google AI Studio.

Nasze modele audio-to-audio o krótkim czasie oczekiwania, zoptymalizowane pod kątem agentów głosowych działających w czasie rzeczywistym i dialogów na żywo, w tym obsługi rozumowania w tle dzięki funkcji Extended Thinking.

^* Żądanie przesłane przez klienta do Gemini może spowodować wysłanie do wyszukiwarki Google co najmniej 1 zapytania. Opłaty są naliczane za każde wykonane zapytanie.

Nasz model tłumaczenia mowy na mowę w czasie rzeczywistym z krótkim czasem oczekiwania, który obsługuje ponad 70 języków.

^* Rozliczenia są oparte na łącznym zużyciu tokenów audio wejściowych i wyjściowych, obliczanym w tempie 25 tokenów na sekundę dźwięku, co daje efektywną cenę około 0,0368 USD za minutę.

Nasz model zamiany mowy na tekst w czasie rzeczywistym z krótkim czasem oczekiwania do dwukierunkowej transkrypcji strumieniowego dźwięku przez WebSockets.

^* Szacunkowe ceny są oparte na 25 tokenach audio na sekundę w przypadku danych wejściowych i 175 tokenach tekstowych na minutę w przypadku danych wyjściowych, co daje efektywną stawkę mieszaną w wysokości około 0,009 USD za minutę w przypadku funkcji Transkrypcja na żywo.

Nasz model zamiany mowy na tekst z automatycznym wykrywaniem języka, rozdzielaniem rozmówców, sygnaturami czasowymi na poziomie słów i rozpoznawaniem słów z uwzględnieniem kontekstu.

^* Szacowane ceny są oparte na 25 tokenach audio na sekundę w przypadku danych wejściowych i 175 tokenach tekstowych na minutę w przypadku danych wyjściowych, co daje efektywną stawkę mieszaną w wysokości około 0,005 USD za minutę w przypadku transkrypcji.

Ekonomiczny model zoptymalizowany pod kątem zadań agentowych o dużej skali, tłumaczenia i prostego przetwarzania danych.

^* Żądanie przesłane przez klienta do Gemini może spowodować wysłanie do wyszukiwarki Google co najmniej 1 zapytania. Opłaty są naliczane za każde wykonane zapytanie.

^** Można przetestować w Google AI Studio.

^** Można przetestować w Google AI Studio.

Ekonomiczny model zoptymalizowany pod kątem zadań agentowych o dużej skali, tłumaczenia i prostego przetwarzania danych.

^* Żądanie przesłane przez klienta do Gemini może spowodować wysłanie do wyszukiwarki Google co najmniej 1 zapytania. Opłaty są naliczane za każde wykonane zapytanie.

^** Można przetestować w Google AI Studio.

Nasz model nowej generacji do generowania i edytowania filmów, który jest teraz ogólnie dostępny dla deweloperów korzystających z płatnego poziomu Gemini API.

^* Rozliczenia są oparte na łącznym zużyciu tokenów wyjściowych, obliczanym według stawki 5792 tokenów na sekundę filmu w rozdzielczości 720p. W przypadku standardowych cen odpowiada to efektywnej cenie około 0, 10 USD za sekundę.

Nasz model nowej generacji do generowania i edytowania filmów.

^* Rozliczenia są oparte na łącznym zużyciu tokenów wyjściowych, obliczanym w tempie 5792 tokenów na sekundę filmu w rozdzielczości 720p. W przypadku cen standardowych odpowiada to efektywnej cenie około 0, 10 USD za sekundę.

Nasz model Pro trzeciej generacji, stworzony z myślą o rozpoznawaniu multimodalnym, funkcjach agentowych i vibe codingu.

^* Żądanie przesłane przez klienta do Gemini może spowodować wysłanie do wyszukiwarki Google co najmniej 1 zapytania. Opłaty są naliczane za każde wykonane zapytanie.

^** Można przetestować w Google AI Studio.

Ulepszona wersja modelu Nano Banana 2 (Gemini 3.1 Flash Image) stworzona z myślą o wydajnym generowaniu obrazów i edytowaniu w trybie konwersacyjnym z poprawioną jakością wizualną, spójnością postaci w wieloetapowych interakcjach, dokładnym renderowaniem tekstu i generowaniem powiązanym ze źródłem informacji w rozdzielczościach 1K, 2K i 4K.

^* Cena za wygenerowanie obrazu wynosi 30 USD za 1 000 000 tokenów (wersja standardowa) i 15 USD za 1 000 000 tokenów (wersja wsadowa). Obrazy wyjściowe w rozdzielczości 1K (1024 x 1024 pikseli) zużywają 1120 tokenów i kosztują 0,0336 USD za obraz. Obrazy wyjściowe w rozdzielczości 2K (2048 x 2048 pikseli) zużywają 1680 tokenów i kosztują 0,0504 USD za obraz. Obrazy wyjściowe w rozdzielczości 4K (4096 x 4096 pikseli) zużywają 2520 tokenów i kosztują 0,0756 USD za obraz.

^** Wysłana przez klienta prośba do Gemini może spowodować wysłanie do wyszukiwarki Google co najmniej 1 zapytania. Opłaty są naliczane za każde wykonane zapytanie. Pobrany kontekst (tekst lub obrazy) dostarczony przez Grounding with Google Search nie jest naliczany jako tokeny wejściowe.

Model generowania obrazów Gemini 3.1 Flash został zaprojektowany z myślą o szybkości i wydajności. Jest skuteczny w przypadku szybkich, interaktywnych odpowiedzi i wysokiej przepustowości.

^* Wygenerowanie obrazu kosztuje 60 USD za 1 000 000 tokenów. Obrazy wyjściowe w rozdzielczości 0,5K (512 pikseli) zużywają 747 tokenów i kosztują 0,045 USD za obraz. Obrazy wyjściowe w rozdzielczości 1K (1024 x 1024 pikseli) zużywają 1120 tokenów i kosztują 0,067 USD za obraz. Obrazy wyjściowe w rozdzielczości 2K (2048 x 2048 pikseli) zużywają 1680 tokenów i kosztują 0,101 USD za obraz. Obrazy wyjściowe w rozdzielczości 4K (4096 x 4096 pikseli) zużywają 2520 tokenów i kosztują 0,151 USD za obraz.

^** Wysłana przez klienta prośba do Gemini może spowodować wysłanie do wyszukiwarki Google co najmniej 1 zapytania. Opłaty są naliczane za każde wykonane zapytanie. Pobrany kontekst (tekst lub obrazy) dostarczony przez Grounding with Google Search nie jest naliczany jako tokeny wejściowe.

^*** Można przetestować w Google AI Studio.

Model Gemini 3.1 Flash Lite Image został zaprojektowany jako specjalista od wydajności w rodzinie modeli do generowania obrazów. Zapewnia bardzo małe opóźnienie oraz ekonomiczne generowanie i edytowanie obrazów.

^* Wygenerowanie obrazu kosztuje 30 PLN za 1 000 000 tokenów. Obrazy wyjściowe w rozdzielczości 1K (1024 x 1024 pikseli) zużywają 1120 tokenów i kosztują 0,0336 USD za obraz.

Nasz model audio 3.8 Flash Text-to-Speech zaprojektowany z myślą o jakości głosu na poziomie studyjnym, ekspresyjnej grze aktorskiej i stabilności w przypadku długich form.

^* Tokeny audio odpowiadają 25 tokenom na sekundę dźwięku.

Nasz model audio Text-to-Speech 3.8 Flash-Lite zoptymalizowany pod kątem wysokiej przepustowości, krótkiego czasu oczekiwania i ekonomicznej mowy konwersacyjnej.

^* Tokeny audio odpowiadają 25 tokenom na sekundę dźwięku.

Nasz model audio 3.1 Flash Text-to-Speech zoptymalizowany pod kątem generowania mowy o niskim czasie oczekiwania i możliwości sterowania, który zapewnia dobrą wydajność w stosunku do ceny.

^* Tokeny audio odpowiadają 25 tokenom na sekundę dźwięku.

Nasz starszy model Flash, który zapewnia podstawową szybkość i inteligencję.

^* Żądanie przesłane przez klienta do Gemini może spowodować wysłanie do wyszukiwarki Google co najmniej 1 zapytania. Opłaty są naliczane za każde wykonane zapytanie.

^** Można przetestować w Google AI Studio.

Nasz natywny model generowania obrazów zoptymalizowany pod kątem szybkości, elastyczności i rozumienia kontekstu. Dane wejściowe i wyjściowe w postaci tekstu są wyceniane tak samo jak Gemini 3.1 Pro.

^* Dane wejściowe obrazu są ustawione na 560 tokenów lub 0,0011 USD za obraz.

^** Wygenerowanie obrazu kosztuje 120 USD za 1 000 000 tokenów. Obrazy wyjściowe o rozdzielczości od 1024 x 1024 pikseli (1K) do 2048 x 2048 pikseli (2K) zużywają 1120 tokenów i kosztują 0,134 USD za obraz. Obrazy wyjściowe o rozdzielczości do 4096 x 4096 pikseli (4K) zużywają 2000 tokenów i kosztują 0,24 USD za obraz.

^*** Wysłana przez klienta prośba do Gemini może spowodować wysłanie do wyszukiwarki Google co najmniej 1 zapytania. Opłaty są naliczane za każde wykonane zapytanie.

^**** Można przetestować w Google AI Studio.

Model Pro, który doskonale radzi sobie z kodowaniem i złożonymi zadaniami wymagającymi wnioskowania.

Nasz pierwszy model rozumowania hybrydowego, który obsługuje okno kontekstu o wielkości 1 mln tokenów i ma budżety myślenia.

Mały i ekonomiczny model stworzony z myślą o użytkowaniu na dużą skalę.

Nasze natywne modele audio Live API zoptymalizowane pod kątem wyższej jakości wyjść audio z lepszym tempem i nastrojem oraz większą szczegółowością i bardziej naturalnym głosami.

	poziom bezpłatny	Płatny poziom, za 1 mln tokenów w USD
Cena wejściowa	Bezpłatnie	0,50 USD (tekst) 3,00 USD (audio / wideo)
Cena wyjściowa (w tym tokeny wymagające myślenia)	Bezpłatnie	2,00 zł (tekst) 12,00 zł (dźwięk)
Wykorzystywane do ulepszania naszych usług	Tak	Nie

Natywny model generowania obrazów zoptymalizowany pod kątem szybkości, elastyczności i rozumienia kontekstu. Tekstowe dane wejściowe i wyjściowe są wyceniane tak samo jak 2,5 Flash.

[*] Wygenerowanie obrazu kosztuje 30 USD za 1 000 000 tokenów. Obrazy wyjściowe o rozdzielczości do 1024 x 1024 pikseli zużywają 1290 tokenów i kosztują 0,039 USD za obraz.

Nasz model audio 2.5 Flash do zamiany tekstu na mowę zoptymalizowany pod kątem wydajności w stosunku do ceny, krótkiego czasu oczekiwania i kontrolowanego generowania mowy.

Nasz model audio 2.5 Pro do zamiany tekstu na mowę zoptymalizowany pod kątem wydajnego generowania mowy o niskiej latencji, co zapewnia bardziej naturalne wyniki i łatwiejsze sterowanie promptami.

Model do szybkiego generowania filmów.

	poziom bezpłatny	Płatny poziom, za sekundę w USD
Cena standardowego filmu z audio wygenerowanego w Veo 3.1 (domyślna)	Niedostępne	0,40 USD (720p i 1080p) 0,60 USD (4K)
Cena filmu Veo 3.1 Fast z dźwiękiem (domyślna)	Niedostępne	0,10 USD (720p) 0,12 USD (1080p) 0,30 USD (4K)
Cena filmu Veo 3.1 Lite z dźwiękiem (domyślna)	Niedostępne	0,05 USD (720p) 0,08 USD (1080p) (wyjście 4K nie jest obsługiwane)
Wykorzystywane do ulepszania naszych usług	Tak	Nie

Model Google do generowania muzyki.

	poziom bezpłatny	Poziom płatny, za żądanie w USD
Lyria 3.5 (pełny utwór)	Niedostępne	0,08 USD za utwór
Wykorzystywane do ulepszania naszych usług	Tak	Nie

Rodzina starszych modeli Google do generowania muzyki.

	poziom bezpłatny	Poziom płatny, za żądanie w USD
Podgląd klipu Lyria 3 (30 s)	Niedostępne	0,04 USD za utwór
Lyria 3 Pro (wersja testowa) – pełny utwór	Niedostępne	0,08 USD za utwór
Wykorzystywane do ulepszania naszych usług	Tak	Nie

Nasz pierwszy multimodalny model osadzania, który mapuje tekst, obrazy, filmy, dźwięk i pliki PDF w ujednoliconej przestrzeni osadzania.

Gemini Robotics ER 2, czyli Gemini Robotics Embodied Reasoning 2, to punkt końcowy modelu wizualno-językowego, który umożliwia robotom dokładne rozumienie otoczenia. Obsługuje on orkiestrację agentów robotów, rozumienie postępów w filmie, współpracę wielu robotów i zaawansowane rozumowanie przestrzenne.

Gemini Robotics ER 2 Streaming to punkt końcowy modelu wizualno-językowego dla robotyki zoptymalizowany pod kątem strumieniowania tekstu w czasie rzeczywistym za pomocą interfejsu Live API. Akceptuje dane wejściowe w formie tekstu, obrazu, wideo i dźwięku oraz obsługuje dwukierunkowe przesyłanie strumieniowe z wywoływaniem funkcji.

Nasz lekki, najnowocześniejszy model otwarty, który został stworzony na podstawie tej samej technologii, która posłużyła do stworzenia modeli Gemini.

	poziom bezpłatny	Płatny poziom, za 1 mln tokenów w USD
Cena wejściowa	Bezpłatnie	Niedostępne
Cena wyjściowa	Bezpłatnie	Niedostępne
Cena pamięci podręcznej kontekstu	Bezpłatnie	Niedostępne
Pamięć podręczna kontekstu (miejsce na dane)	Bezpłatnie	Niedostępne
Cena dostrajania	Niedostępne	Niedostępne
Powiązanie ze źródłem informacji przy użyciu wyszukiwarki Google	Niedostępne	Niedostępne
Wykorzystywane do ulepszania naszych usług	Tak	Nie

Ceny narzędzi

Narzędzia są wyceniane według własnych stawek, które są stosowane do modelu, który ich używa. Na stronie Modele sprawdź, które narzędzia są dostępne w przypadku poszczególnych modeli.

	poziom bezpłatny	Płatny poziom, za 1 mln tokenów w USD
Wyszukiwarka Google	500 bezpłatnych żądań RPD (limit wspólny dla modeli Flash i Flash-Lite). Niedostępne w przypadku modelu Pro.	Modele Gemini 2.5: 1500 RPD bezpłatnie (limit wspólny dla modeli Flash i Flash-Lite), a potem 35 USD za 1000 żądań z kontekstem. Modele Gemini 3: 5000 bezpłatnych żądań wyszukiwania miesięcznie (wspólne dla wszystkich modeli Gemini), a potem 14 USD za 1000 żądań.
Mapy Google	500 RPD Niedostępne w wersji Pro.	1500 RPD bezpłatnie (limit wspólny dla Flash i Flash-Lite) 10 000 RPD bezpłatnie w przypadku wersji Pro. Potem 25 USD za 1000 uziemionych promptów
Wykonanie kodu	Bezpłatnie	Wykonywanie kodu jest rozliczane według standardowych stawek za tokeny dla wybranego modelu. Koszty są określane wyłącznie na podstawie korzystania z narzędzia. Nie są naliczane żadne opłaty za czas trwania sesji. Wygenerowany kod i wyniki wykonania są rozliczane jako tokeny wyjściowe w momencie utworzenia oraz jako tokeny wejściowe, gdy model używa ich w ramach iteracyjnego procesu rozumowania.
Kontekst adresu URL	Bezpłatnie	Opłaty są naliczane jako tokeny wejściowe zgodnie z cennikiem modelu.
Korzystanie z komputera	Niedostępne	Opłata jest naliczana jako zwykłe tokeny zgodnie z cennikiem modelu (np. standardowy cennik Gemini 3.8 Flash).
Wyszukiwanie plików	Bezpłatnie	Opłata za wektoryzację wynosi 0,15 USD za 1 mln tokenów. Tokeny pobranych dokumentów są rozliczane jako zwykłe tokeny zgodnie z cennikiem modelu.
Punkt końcowy Custom Tools (Gemini 3.1 Pro w wersji testowej)	Niedostępne	Tak samo jak w przypadku Gemini 3.1 Pro (wersja testowa)

Ceny dla agentów

Koszty korzystania z agenta są obliczane na podstawie zużycia tokenów i korzystania z narzędzi.

	Model	Narzędzia
Agent Deep Research w Gemini	Wszystkie wnioskowania modelu są rozliczane według standardowych cen katalogowych Gemini, w tym tokeny wejściowe, wyjściowe i pośrednie tokeny wejściowe / rozumowania generowane podczas pętli agenta.	Opłaty za korzystanie z narzędzia są naliczane zgodnie z dotychczasową strukturą cenową, z zachowaniem standardowych rozróżnień między wyszukiwaniem podstawowym (pobrane tokeny są wykluczone) a wyszukiwaniem w kontekście adresu URL lub pliku (pobrane tokeny są uwzględniane we wszystkich innych narzędziach).
Zarządzane agenty w Gemini API	Wszystkie wnioskowania modelu są rozliczane według standardowych cen katalogowych Gemini, w tym tokeny wejściowe, wyjściowe i pośrednie tokeny wejściowe / rozumowania generowane podczas pętli agenta. (Zobacz cennik).	W okresie korzystania z wersji testowej nie są naliczane opłaty za obliczenia środowiskowe (procesor, pamięć, wykonywanie w piaskownicy).
Agent Antigravity	Wszystkie wnioskowania modelu są rozliczane według standardowych cen katalogowych Gemini, w tym tokeny wejściowe, wyjściowe i pośrednie tokeny wejściowe / rozumowania generowane podczas pętli agenta. (Zobacz cennik).	W okresie korzystania z wersji testowej nie są naliczane opłaty za obliczenia środowiskowe (procesor, pamięć, wykonywanie w piaskownicy).

Uwagi

• Agentowe rozumienie wideo: W przypadku agentowego rozumienia wideo wykorzystanie tokenów jest zmienne i zależy od treści załadowanych przez model, a nie od pełnej długości wideo. Zwykle skutkuje to zmniejszeniem liczby tokenów wejściowych nawet o 88% w przypadku długich filmów, chociaż liczba tokenów zależy od złożoności zapytania i dynamicznej głębokości próbkowania (która w przypadku szczegółowych segmentów wizualnych może przekraczać 1 klatkę na sekundę). Zobacz Analizowanie filmów przez agenta.
• Rozliczanie tokenów dokumentów: tokeny dla modalności DOCUMENT (np. plików PDF) są rozliczane według stawki za tokeny obrazów. W odpowiedziach interfejsu API te tokeny pojawiają się w sekcji DOCUMENT modality w ramach promptTokensDetails.
• Korzystanie z Google AI Studio jest bezpłatne we wszystkich dostępnych regionach. Szczegółowe informacje znajdziesz w najczęstszych pytaniach dotyczących rozliczeń.
• Ceny mogą się różnić od cen podanych tutaj i cen oferowanych na platformie Gemini Enterprise Agent Platform. Ceny Gemini Enterprise Agent Platform znajdziesz na stronie z cennikiem Gemini Enterprise Agent Platform.
• Jeśli do optymalizacji kosztów używasz dynamicznego pobierania, opłaty za powiązanie ze źródłami informacji przy użyciu wyszukiwarki Google są naliczane tylko w przypadku żądań, które w odpowiedzi zawierają co najmniej 1 adres URL z internetu obsługujący ugruntowanie. Opłaty za Gemini zawsze obowiązują. Limity szybkości mogą ulec zmianie.