Vertex AI pricing: quanto custa usar o Gemini por mês?

Na tabela de Vertex AI pricing, uma operação que gera rascunhos de respostas de suporte em 100,000 chamadas sai hoje por $337.50 efetivos ao mês com o Gemini 3.8 Flash, ou $675 após o fim da promoção de lançamento. O Google agora chama a plataforma de Gemini Enterprise Agent Platform. Comece pelo pagamento conforme o uso, inclua o raciocínio nos tokens de saída e use o preço após a promoção como referência de orçamento antes de levar a aplicação para produção.

Conferido nas páginas de preços vigentes do Google Cloud e da Gemini Developer API em 20 de outubro de 2026. Os valores são tarifas públicas em USD e exemplos calculados, não resultados de testes em produção nem uma proposta comercial negociada. A promoção do Google Cloud devolve créditos sobre os gastos líquidos elegíveis; por isso, o custo efetivo abaixo não garante que a primeira fatura terá esse valor. Preços do Google Cloud

Vertex AI pricing: preços por modelo

O Vertex AI cobra pelo modelo, pelos tokens e pela modalidade de processamento escolhida. Um token é uma pequena unidade de texto ou de mídia codificada. A entrada inclui o que você envia; a saída inclui a resposta e o raciocínio faturável. Uma tarifa de entrada baixa ainda pode resultar em uma resposta cara se o modelo gerar muito raciocínio.

A tabela apresenta inferência Standard, em USD por milhão de tokens, com tarifas Global quando a página especifica uma região. Aqui, entrada significa texto; as diferenças entre modalidades de mídia aparecem mais adiante. Nas linhas Pro, os valores separados por uma barra indicam contexto de entrada de até 200,000 tokens / acima de 200,000 tokens. O limite se aplica a cada requisição, não ao volume mensal. As linhas Gemini 2.5 aparecem sem a indicação Global porque a tabela de origem não traz essa classificação. Tabelas oficiais dos modelos

A ausência do preço de saída do Gemini 3 Flash Preview é intencional. A tabela Standard atual do Google Cloud omite esse valor, embora as tabelas Priority e Flex/Batch informem tarifas de saída. Trazer um preço de outra API esconderia essa lacuna. Confirme o SKU Standard antes de incluí-lo no orçamento.

Para um novo recurso de texto, avalie primeiro um modelo Flash-Lite, desde que ele atenda ao seu padrão de qualidade. Passe para um modelo mais caro quando houver melhora mensurável nas respostas aceitas, redução de novas tentativas ou capacidade de executar uma tarefa que o modelo mais barato não consegue realizar. As tarifas por token definem apenas o piso do custo; elas não dizem qual será a qualidade da resposta.

O que a mudança de nome altera no orçamento?

A plataforma para desenvolvedores antes chamada Vertex AI agora é Gemini Enterprise Agent Platform. Em 22 de abril de 2026, o Google escreveu: “Gemini Enterprise Agent Platform é nossa nova plataforma para desenvolvedores e a evolução do Vertex AI.” As notas de versão registram as mudanças de nomenclatura na mesma data. Anúncio do Google, notas de versão

O Google diferencia a Agent Platform, onde equipes técnicas criam e operam agentes, do aplicativo Gemini Enterprise, voltado aos funcionários. Uma assinatura por usuário e a cobrança de tokens de um modelo atendem a necessidades de compra diferentes. A mudança de nome, por si só, não justifica usar o preço de uma assinatura de aplicativo no lugar de uma estimativa de API.

Quanto custa usar o Vertex AI Studio?

O Vertex AI Studio passou a se chamar Agent Studio nas mudanças de nomenclatura do Google. Para estimar chamadas aos modelos Gemini nesse ambiente, use as tarifas de inferência do modelo no Cloud e some os serviços utilizados à parte. O nome antigo da interface não representa um plano separado com tokens ilimitados. Para assinaturas pessoais do aplicativo Gemini, consulte o guia de preços do Gemini do site. Mudanças de nomenclatura

Preços Vertex AI: o que muda além da tarifa principal

Escolha o endpoint e a modalidade de mídia antes de aplicar uma tarifa. “Entrada do Gemini” pode significar texto, áudio ou imagens, e alguns modelos cobram cada modalidade de forma diferente. Os preços desta seção vêm da mesma página de preços do Google Cloud.

Endpoints Global e Non-global

A página informa uma tarifa Non-global mais alta para vários modelos atuais. Para entrada/saída Standard, por milhão de tokens:

• Gemini 4 Argon: $2.20/$11 até 30 de novembro; depois, $4.40/$22. A entrada em cache Non-global custa $0.11 e, depois, $0.22. Argon Cyber Permissive usa $4.40/$22 e $0.22 de entrada em cache, sem a promoção do Argon.
• Gemini 3.8 Flash, 3.7 Flash e 3.6 Flash: $0.825/$4.125 até 31 de dezembro; depois, $1.65/$8.25. A entrada em cache custa $0.0825 e, depois, $0.165. 3.8 Flash Cyber usa $1.65/$8.25 e $0.165 de entrada em cache.
• Gemini 3.5 Flash: $1.65/$9.90, com entrada em cache a $0.165. 3.5 Flash-Lite: $0.33/$2.75, com entrada em cache a $0.033.
• Gemini 3.1 Flash-Lite: $0.275/$1.65 para entrada de texto/imagem/vídeo e saída de texto, com entrada em cache a $0.0275. A entrada de áudio custa $0.55, ou $0.055 em cache.

Essas tarifas Non-global estão 10% acima das linhas Global correspondentes. É uma regra útil para orçar essas linhas, não uma autorização para inventar um preço regional para um modelo que só informa Global. Escolha o endpoint que atende aos requisitos da implantação e, então, calcule o custo desse endpoint.

Entrada de áudio, sessões ao vivo e modelos de fala

Na inferência Global Standard, a entrada de áudio do Gemini 3.1 Flash-Lite custa $0.50, ou $0.05 em cache, por milhão de tokens. A entrada de áudio do Gemini 3 Flash Preview custa $1.00, ou $0.10 em cache. Gemini 3.5 Flash, 3.5 Flash-Lite, 3.6/3.7/3.8 Flash, 3.8 Flash Cyber, 3.1 Pro Preview e Argon aplicam as tarifas de entrada informadas às modalidades indicadas em suas respectivas linhas.

A entrada de áudio do Gemini 2.5 Flash Lite custa $0.30, ou $0.03 em cache. A tabela do Cloud apresenta a entrada de áudio do Gemini 2.5 Flash a $1.00 para contexto de até 200K e $0.30 acima de 200K, com $0.10 em cache nas duas colunas. Essa linha incomum de Standard está reproduzida como foi publicada; confirme o valor antes de usar a tarifa mais baixa em uma projeção para áudios longos.

O Gemini 3.8 Live API, modelo do Google para interação ao vivo, aparece para uso Non-global a $0.75 de entrada de texto, $1 de entrada de imagem/vídeo, $3 de entrada de áudio, $4.50 de saída de texto, $12 de saída de áudio e $1 de saída de vídeo de avatar, todos por milhão de tokens. As colunas de cache são N/A. A página informa que o contexto acumulado da sessão é processado e cobrado novamente a cada turno. Uma conversa de dez turnos, portanto, não pode ser orçada como se o contexto original fosse enviado uma única vez.

O Gemini 2.5 Flash Live API informa $0.50 de entrada de texto, $3 de entrada de imagem/vídeo ou áudio, $2 de saída de texto e $12 de saída de áudio por milhão de tokens. As células Priority e Flex/Batch são N/A.

Para tarefas específicas de síntese de fala, o Gemini 3.8 Flash TTS Preview informa $0.50 de entrada de texto/$9 de saída de áudio, e o Gemini 3.8 Flash-Lite TTS Preview, $0.50/$6, nas unidades por milhão de contagens usadas pela página, até 31 de dezembro de 2026. A partir de 1 de janeiro de 2027, passam a $1/$18 e $1/$12, respectivamente. A página descreve a redução de lançamento como créditos promocionais.

O Gemini 3.5 Live Translate informa $3.50 de entrada de áudio/$21 de saída de áudio. O Gemini 3.5 Transcribe Live informa $3.50 de entrada de áudio/$21 de saída de texto; o Gemini 3.5 Transcribe, $2/$12. São tarifas por milhão de tokens, não um valor fixo por conversa. Use as premissas de conversão de áudio do próprio modelo antes de transformar esses valores em minutos.

Modelos de imagem, vídeo e embeddings

A geração de imagens tem uma cobrança de saída própria. As tarifas Cloud Standard abaixo representam entrada / saída de texto / saída de imagem, em USD por milhão de tokens:

• Gemini Nano Banana 2.1: $1.50 / $7.50 / $30, com entrada em cache a $0.15.
• Gemini 3.1 Flash-Lite Image, Nano Banana 2 Lite: $0.25 / $1.50 / $30, com entrada em cache a $0.025.
• Gemini 3.1 Flash Image, Nano Banana 2: Global $0.50 / $3 / $60, em cache $0.05; Non-global $0.55 / $3.30 / $66, em cache $0.055.
• Gemini 3 Pro Image, Nano Banana Pro: $2 / $12 / $120, com entrada em cache a $0.20.
• Gemini 2.5 Flash Image: $0.30 / $2.50 / $30; entrada em cache é N/A.

A resolução altera a quantidade de tokens de imagem. Por exemplo, o Google informa custos aproximados de saída do Nano Banana 2.1 de $0.034 em 1K, $0.05 em 2K e $0.113 em 4K. A entrada do prompt continua sendo cobrada à parte. A tarifa de saída de imagem nunca deve ser aplicada à saída de texto nem interpretada como preço por imagem.

Gemini Omni Flash e Gemini Omni 1.1 Flash informam $1.50 de entrada, $9 de saída de texto e $17.50 de saída de vídeo por milhão de tokens. A conversão de vídeo em tokens apresentada na página varia com a resolução; portanto, uma tarifa fixa por token não significa um preço fixo por segundo em todas as resoluções.

O Gemini Embedding 2, Unified Multimodal Preview, que converte conteúdo em representações numéricas para recuperação de informações, informa tarifas de entrada online de $0.20 para texto, $0.45 para imagem, $12 para vídeo e $6.50 para áudio por milhão de tokens. As tarifas de entrada Batch são $0.10, $0.225, $6 e $3.25, respectivamente; os tokens de saída não são cobrados. A linha separada Gemini Embedding apresenta $0.00015 online ou $0.00012 em Batch por 1,000 contagens, sem cobrança de saída. Ao verificar o SKU, mantenha a unidade da fonte junto da tarifa.

Preço publicado de modelo antigo não garante disponibilidade

O Google ainda publica preços do Gemini 2.0: Flash com entrada/saída de texto a $0.15/$0.60, entrada de áudio a $1 e Batch a $0.075/$0.30, com entrada de áudio a $0.50. O Flash Lite custa $0.075 de entrada/$0.30 de saída, incluindo a entrada de áudio informada, com Batch a $0.0375/$0.15. Todos os valores são por milhão de tokens.

A linha 2.0 Flash Image Generation informa $0.15 de entrada, $1 de entrada de áudio, $0.60 de saída de texto e $30 de saída de imagem; a linha 2.0 Flash Live API informa $0.50 de entrada de texto, $3 de entrada de áudio/vídeo/imagem, $2 de saída de texto e $12 de saída de áudio. Células Batch vazias não representam descontos anunciados. A página também mantém tabelas antigas por modalidade do Gemini 1.5 e 1.0. A permanência de uma linha de preços, por si só, não comprova que o modelo esteja disponível para uma nova implantação; verifique o ID do modelo antes de escolhê-lo.

Batch, Priority e cache: qual desconto vale?

Use Batch para tarefas que podem esperar e calcule o cache separadamente. Batch envia tarefas para processamento assíncrono. O cache reutiliza contexto de entrada anterior. Um preço menor em uma coluna não comprova que os dois descontos se acumulam em todos os modelos.

As tarifas publicadas de Batch e Flex

O Google chama a tabela com desconto do Gemini 4 de Batch e as tabelas correspondentes dos Gemini 3 e 2.5 de Flex/Batch. As tarifas Global de entrada/saída informadas, por milhão de tokens, são:

• Gemini 4 Argon: $1/$5, em cache $0.05, até 30 de novembro; depois, $2/$10, em cache $0.10. Argon Cyber Permissive: $2/$10, em cache $0.10.
• Gemini 3.8 Flash, 3.7 Flash e 3.6 Flash: $0.375/$1.875, em cache $0.0375, até 31 de dezembro; depois, $0.75/$3.75, em cache $0.075. 3.8 Flash Cyber: $0.75/$3.75, em cache $0.075.
• Gemini 3.5 Flash: $0.75/$4.50, em cache $0.075. 3.5 Flash-Lite: $0.15/$1.25, em cache $0.015.
• Gemini 3.1 Flash-Lite: $0.125/$0.75 para entrada de texto/imagem/vídeo e saída de texto, entrada em cache $0.0125; entrada de áudio $0.25, em cache $0.025.
• Gemini 3.1 Pro Preview: $1/$6 até 200K de contexto, $2/$9 acima desse limite. As células de entrada em cache do Cloud Flex/Batch são N/A.
• Gemini 3 Flash Preview: $0.25 de entrada de texto/imagem/vídeo, $0.50 de entrada de áudio e $1.50 de saída de texto; as células de cache são N/A.
• Gemini 2.5 Pro: $0.625/$5, ou $1.25/$7.50 para contexto longo. 2.5 Flash: $0.15/$1.25, com $0.50 de entrada de áudio. 2.5 Flash Lite: $0.05/$0.20, e a tabela do Cloud informa explicitamente $0.05 de entrada de áudio.

As tarifas Non-global com desconto correspondentes a Argon, aos modelos Flash mais recentes e ao 3.1 Flash-Lite estão 10% acima dos valores Global. Por exemplo, o 3.8 Flash custa atualmente $0.4125/$2.0625, com entrada em cache a $0.04125, enquanto o 3.1 Flash-Lite custa $0.1375/$0.825, com entrada de texto em cache a $0.01375. As tabelas do Google, inclusive as células N/A, continuam sendo a referência. Preços de Batch e Flex

Para os modelos de imagem, os conjuntos de entrada/saída de texto/saída de imagem com desconto são Nano Banana 2.1 $0.75/$3.75/$15, Nano Banana 2 Lite $0.125/$0.75/$15, Nano Banana 2 $0.25/$1.50/$30, Nano Banana Pro $1/$6/$60 e 2.5 Flash Image $0.15/$1.25/$15. Os quatro primeiros têm preços de entrada em cache de $0.075, $0.0125, $0.025 e $0.10. A tabela Nano Banana do Google agrupa Flex/Batch/Off-peak, mas afirma explicitamente que Nano Banana 2.1 não oferece suporte a Flex.

Priority tem custo adicional

Nas linhas de modelos de texto que informam preços Priority, as tarifas de entrada, saída e entrada em cache são 1.8 vezes as de Standard. Por exemplo, o 3.8 Flash Global custa atualmente $1.35 de entrada/$6.75 de saída/$0.135 de entrada em cache, e o 3.1 Pro Preview custa $3.60/$21.60/$0.36 para contexto curto ou $7.20/$32.40/$0.72 para contexto longo. As tarifas atuais de Argon Global Priority são $3.60/$18/$0.18 e passam a $7.20/$36/$0.36 após a promoção.

As linhas dos quatro modelos Nano Banana também informam Priority a 1.8 vezes as respectivas tarifas Standard, incluindo saída de imagem. Gemini 2.5 Flash Image, 2.5 Flash Live API e 2.5 Pro Computer Use-Preview apresentam células Priority como N/A nessa página. Não aplique um multiplicador a uma modalidade de serviço que a tabela não informa.

O cache também gera custo de armazenamento

A tabela de armazenamento de cache explícito do Cloud informa $0.000001 por token-hora, equivalente a $1 por milhão de tokens-hora, para os modelos Flash e Flash-Lite nela listados. Para Gemini 3.1 Pro, 3 Pro e 2.5 Pro, informa $0.0000045 por token-hora, equivalente a $4.50 por milhão de tokens-hora. O processamento da entrada em cache é cobrado separadamente. A tabela de armazenamento não informa uma tarifa de cache explícito para Argon; não deduza uma a partir de outro modelo. Preços de armazenamento de cache

Considere um conjunto reutilizável de referências com 100,000 tokens no Gemini 3.8 Flash Global, às tarifas atuais. Processá-lo normalmente custa $0.075 por chamada; uma leitura do cache custa $0.0075, gerando uma economia de $0.0675 por acerto de cache. Manter esse conjunto por uma hora custa $0.10; assim, dois acertos de cache nessa hora cobrem o armazenamento, antes de qualquer custo adicional de criação. Esse é um cálculo marginal de reutilização, não uma afirmação de que criar o cache é grátis.

Se o mesmo conjunto permanecer armazenado por um mês hipotético de 720 horas, o armazenamento chega a $72. Nesse caso, são necessários 1,067 acertos de cache para superar esse custo de armazenamento às mesmas tarifas. O tempo de retenção importa tanto quanto o percentual de desconto. Armazene em cache o material que a aplicação vai reutilizar em breve e ajuste o tempo de vida de acordo com esse uso.

Provisioned Throughput: reserve capacidade quando precisar dela

Provisioned Throughput reserva capacidade; não é uma assinatura com tokens ilimitados. O Google vende essa capacidade em unidades de escala de IA generativa, ou GSUs. A taxa de processamento fornecida por cada GSU depende do modelo e da composição dos tokens. Só o total de requisições mensais não permite determinar quantas unidades reservar. Preços oficiais de Provisioned Throughput

A visualização por hora da página informa estes preços em USD por GSU-hora, Global / Non-global:

• Compromisso de uma semana: $7.14 / $7.854.
• Compromisso de um mês: $3.698630137 / $4.068493151.
• Compromisso de três meses: $3.287671233 / $3.616438356.
• Compromisso de um ano: $2.739726027 / $3.01369863.

O exemplo que acompanha a tabela usa $1,200 por GSU-semana, ou $2,700, $2,400 e $2,000 por GSU-mês para os prazos de um mês, três meses e um ano, respectivamente. Respeite o prazo e a unidade de cobrança publicados; não trate a tarifa anual como um plano que pode ser cancelado a qualquer mês.

Uma GSU Global pela tarifa mensal do compromisso anual representa $24,000 ao longo de doze meses, contra $32,400 se a tarifa de um mês fosse mantida por doze meses. Essa diferença de $8,400 só ajuda se você precisar da capacidade reservada durante todo o compromisso. Ela não representa um ponto de equilíbrio em relação aos tokens pagos conforme o uso, porque ainda não se determinou a capacidade útil de processamento da GSU para a sua carga de trabalho.

O Google também informa créditos promocionais de 50% sobre o gasto líquido elegível com Provisioned Throughput: para Argon, de 13 de outubro a 30 de novembro de 2026, excluindo Cyber Permissive; e para 3.8/3.7/3.6 Flash, de 13 de agosto a 31 de dezembro de 2026. Segundo a página, esses créditos são emitidos no sétimo dia do mês seguinte e expiram após 30 dias. Eles podem ser aplicados aos SKUs sob demanda dos modelos indicados e aos SKUs de Provisioned Throughput de diferentes modelos; não alteram a configuração de capacidade nem as taxas de abatimento do compromisso contratado.

Para tráfego intermitente, comece pelo pagamento conforme o uso. Reavalie a capacidade reservada quando tiver medido os picos de demanda, a utilização sustentada e o custo para o negócio de uma capacidade de processamento insuficiente.

Calculadora Vertex AI: dois exemplos de custo mensal

Multiplique os tokens efetivamente faturáveis e depois some os serviços usados ao redor deles. Para inferência de texto sem cache:

Custo mensal de tokens = tokens de entrada ÷ 1,000,000 × tarifa de entrada + tokens de saída faturáveis ÷ 1,000,000 × tarifa de saída.

Os dois exemplos abaixo usam cargas de trabalho hipotéticas. A contagem de saída inclui raciocínio. Os cálculos excluem cache, grounding, ambiente de execução de agentes, armazenamento, rede, impostos e descontos negociados. Cada chamada ao modelo fica abaixo do limite aplicável de contexto longo.

Exemplo um: rascunhos de suporte com 100,000 chamadas por mês

Considere 2,000 tokens de entrada e 500 tokens de saída faturáveis por chamada. O volume mensal é de 200 milhões de tokens de entrada e 50 milhões de tokens de saída.

Com o Gemini 3.8 Flash Global Standard, o custo efetivo da promoção atual é:

200 × $0.75 + 50 × $3.75 = $150 + $187.50 = $337.50 por mês.

Isso equivale a $0.003375 por rascunho, ou $3.375 por 1,000 rascunhos. Pelas tarifas publicadas para 1 de janeiro de 2027 em diante, a mesma carga passa a 200 × $1.50 + 50 × $7.50 = $675. A versão Non-global custa hoje $371.25 e sobe para $742.50. Os cálculos usam as tarifas de modelos informadas pelo Google e pressupõem que os créditos promocionais elegíveis possam ser utilizados. Tarifas usadas no cálculo

Uma opção mais barata muda o piso do custo: o Gemini 3.1 Flash-Lite custaria $125 com as mesmas contagens de tokens, e o 3.5 Flash-Lite custaria $185. Isso não comprova que algum deles produza rascunhos aceitáveis. Avalie a qualidade nos seus próprios casos de suporte antes de pagar pelo modelo maior ou escolher o mais barato.

Exemplo dois: extração de dados de relatórios durante a noite

Considere 10,000 relatórios por mês, cada um usando 20,000 tokens de entrada e 2,000 tokens de saída faturáveis. O total é de 200 milhões de tokens de entrada e 20 milhões de tokens de saída.

Com o Gemini 3.1 Pro Preview Global abaixo de 200K de contexto, Standard custa 200 × $2 + 20 × $12 = $640. As tarifas Flex/Batch publicadas resultam em 200 × $1 + 20 × $6 = $320. Isso equivale a $0.032 por relatório, ou $32 por 1,000 relatórios. Para uma tarefa que pode rodar durante a noite, Batch é a primeira modalidade de processamento a avaliar. Tarifas usadas no cálculo

Juntas, a operação de suporte em Standard e a extração de relatórios em Batch somam $657.50 de custo efetivo mensal de tokens hoje, ou $995 após a promoção do Flash, mantendo todo o restante constante. Trate esse valor como o subtotal de inferência e acrescente os outros custos da aplicação.

Vertex AI e Gemini Developer API: como os preços se comparam?

A Gemini Developer API não é automaticamente mais barata para o mesmo modelo. A API do Google voltada a desenvolvedores e sua plataforma Cloud informam atualmente as mesmas tarifas principais Global Standard para Argon, 3.8 Flash, 3.1 Flash-Lite e 3.1 Pro Preview. Antes de comparar, é preciso alinhar modelo, modalidade de processamento, tamanho do contexto e data. Preços da Developer API, preços do Cloud

As diferenças aparecem nas linhas além da tarifa principal:

• Acesso gratuito: a Developer API informa entrada/saída grátis para modelos selecionados, incluindo 3.8 Flash, mas Argon e 3.1 Pro Preview não estão disponíveis na camada Free. A tabela de preços do Google Cloud é separada.
• Uso dos dados: a Developer API informa que o conteúdo da camada Free é usado para melhorar produtos, enquanto o da camada Paid convencional não é usado para essa finalidade. Ela também apresenta uma prévia Contributor disponível apenas por convite, com termos diferentes; não a confunda com os preços da camada Paid convencional.
• Armazenamento de cache explícito: a Developer API informa $0.50 por milhão de tokens-hora para 3.8 Flash até 31 de dezembro e, depois, $1. A tabela de armazenamento do Cloud informa $1. Use o preço de armazenamento de cada plataforma apenas na estimativa correspondente.
• Entrada Batch em cache: as células Flex/Batch do 3.1 Pro Preview no Cloud são N/A; as tabelas Batch e Flex da Developer API informam $0.20/$0.40 para contexto curto/longo. Para 3.5 Flash-Lite, o Cloud informa entrada Flex/Batch em cache a $0.015, enquanto a Developer API exibe $0.02.
• Áudio: a tabela Flex/Batch do 2.5 Flash Lite no Cloud informa $0.05 de entrada de áudio por milhão de tokens; a Developer API informa $0.15. As páginas divergem nessa célula. Para uma tarefa com uso intenso de áudio, confirme o SKU faturado em vez de presumir que uma página corrige a outra.

O Google posiciona a opção empresarial com recursos opcionais de suporte, segurança e conformidade, Provisioned Throughput e descontos por volume. Escolha essa opção quando esses requisitos operacionais forem relevantes. Se a aplicação só precisa fazer chamadas a modelos, compare a contratação mais simples da Developer API com base nos recursos exatos que você usa.

Calculadora de preços da Gemini API: compare a mesma carga

Com os 200M de entrada/50M de saída do exemplo de suporte e sem cache, as tarifas atuais do 3.8 Flash na Developer API também resultam em $337.50, subindo para $675 na data anunciada. Essa equivalência numérica não elimina o mecanismo de devolução em créditos da promoção do Cloud nem as diferenças de armazenamento descritas acima.

O Amazon Bedrock, plataforma gerenciada de modelos da Amazon Web Services, é outra opção de implantação. Sua tabela oficial Standard informa DeepSeek v3.2 a $0.62 de entrada/$1.85 de saída por milhão de tokens nas regiões US East, N. Virginia e Ohio, e US West, Oregon. Com as mesmas contagens hipotéticas de tokens, isso equivale a $216.50 por mês. É um cenário de preço para outro modelo, não uma evidência de qualidade equivalente nas respostas. Consulte o guia de preços do Amazon Bedrock para conhecer os serviços que acompanham a inferência. Preços da AWS

O Microsoft Azure, plataforma de nuvem da Microsoft, publica preços por modelo e tipo de implantação. Selecione a implantação e a moeda na página vigente antes de comparar com uma estimativa Global do Google Cloud. O preço de outra faixa de contexto ou de outro tipo de implantação não é um substituto válido. Preços do Azure

Entre as opções mais caras do Google, o Argon Global Standard resulta em $900 para a carga de suporte pelas tarifas promocionais atuais e, depois, $1,800 após 30 de novembro. Compare os resultados aceitos e os requisitos operacionais antes de considerar que a mudança compensa. Tarifas de Argon usadas no cálculo

Use o comparativo de APIs de LLM mais baratas para ampliar a lista de opções. O critério de decisão é o custo por resultado aceito: inclua respostas rejeitadas, chamadas repetidas e esforço de engenharia antes de declarar que um provedor é mais barato.

Preços da API Vertex: custos que vão além dos tokens

Uma estimativa de tokens só vira orçamento de aplicação quando inclui recuperação de informações, ferramentas e ambiente de execução. Os riscos específicos de cobrança abaixo são mais úteis do que um percentual genérico de contingência.

Raciocínio e contexto repetido. As linhas de saída do Google incluem raciocínio. Históricos longos de conversa, documentos recuperados e chamadas repetidas ao modelo aumentam a entrada. Para sessões Live, a página afirma explicitamente que o contexto acumulado é cobrado novamente nos turnos seguintes. Conte as chamadas e todo o contexto faturável de cada uma, não apenas os usuários.

A mudança de faixa para contexto longo. Acima de 200K tokens de entrada, os modelos com uma faixa de contexto longo cobram toda a entrada e a saída pela tarifa dessa faixa. No 3.1 Pro Preview Standard, uma requisição com 200,000 tokens de entrada e 2,000 tokens de saída custa $0.424. Com 200,001 tokens de entrada, a mesma saída custa $0.836004. O token adicional muda a faixa da requisição inteira. Esse é um motivo concreto para reduzir o material recuperado quando o contexto estiver perto do limite. Regra de contexto e tarifas

Grounding, ou busca de informações para embasar a resposta. Para Gemini 3 e 4, Google Search e Web Grounding for Enterprise incluem 5,000 consultas de grounding por mês, compartilhadas entre essas famílias de modelos, e depois cobram $14 por 1,000 consultas. Um único prompt do usuário pode acionar várias consultas. O Google Maps tem sua própria franquia mensal de 5,000 consultas e depois cobra $14 por 1,000 consultas. O grounding com seus próprios dados custa $2.50 por 1,000 prompts. Não leve a antiga unidade de cobrança por prompt com grounding do Gemini 2.5 para um orçamento de Gemini 3/4.

Requisições com falha e uma exceção prevista. A regra geral da página diz que a cobrança de entrada/saída se aplica apenas a respostas HTTP 200. Separadamente, ela informa que, a partir de 13 de novembro de 2026, gerações do Gemini 4 que excedam 32K tokens terão o uso de tokens recuperáveis cobrado mesmo que a requisição termine em falha por timeout do cliente ou do servidor. Uma política de novas tentativas pode, portanto, ter um perfil de custo diferente para essas gerações longas.

Ajuste de modelos. O treinamento tem cobrança própria, e o Google informa que a inferência de modelos ajustados, a partir do Gemini 3, custa 1.5 vezes o preço de predição do modelo base. Não use uma estimativa de tokens do modelo sem ajuste como orçamento final de um endpoint ajustado. Cobranças e condições adicionais

Quanto custa o Vertex AI Agent Builder?

Um agente pode consumir tokens de modelos e serviços de plataforma cobrados separadamente. A página de IA generativa encaminha explicitamente os leitores à tabela mais ampla da Agent Platform para os custos de plataforma de ML e MLOps. Calcule os componentes que o agente realmente utiliza em vez de chamar o subtotal de tokens de “custo do Agent Builder”. Preços gerais da plataforma

A página de IA generativa inclui um produto específico, o Gemini Deep Research Agent: Standard a $2 de entrada/$12 de saída/$0.20 de entrada em cache e Deferred a $1/$6/$0.10, por milhão de tokens. Essas são as tarifas desse agente específico. Não são uma taxa fixa para todos os agentes que você criar, e o grounding continua com cobrança separada.

Vertex AI gratuito: quem consegue usar sem pagar?

Não planeje a inferência Gemini em produção no Google Cloud como se fosse um serviço gratuito e ilimitado. A oferta do Google para novos clientes inclui $300 em crédito de teste, e a empresa informa que não há cobrança até a ativação de uma conta paga completa. Os critérios de elegibilidade e os termos do teste continuam valendo. Um crédito temporário abate o consumo; não zera o preço dos tokens. Oferta gratuita do Google Cloud

A Gemini Developer API oferece, separadamente, entrada/saída gratuita em modelos selecionados, com acesso limitado e restrições específicas por modelo. Um desenvolvedor que faça experimentos dentro desses limites, use um modelo elegível e aceite os termos de uso de dados da camada Free talvez nunca precise de uma conta de API paga para esse pequeno projeto. Já uma equipe em produção que precise de um modelo disponível apenas na camada paga, limites maiores ou opções empresariais deve prever o pagamento. Camadas Free e Paid

O que fazer antes de colocar em produção

Monte o primeiro orçamento com chamadas representativas e depois decida quais otimizações compensam a complexidade que acrescentam. Na próxima semana, use uma amostra da sua própria carga de trabalho para registrar entrada, entrada em cache e saída total faturada, incluindo raciocínio. Guarde o ID exato do modelo, o endpoint e a modalidade de processamento em cada registro.

1. 1

   Calcule o custo dos casos comuns e dos mais caros

   Use chamadas típicas e as chamadas mais longas que pesam na conta. Faça um cálculo separado para requisições que ultrapassem o limite de contexto do modelo.

2. 2

   Separe tarefas interativas das programadas

   Direcione as requisições imediatas dos usuários à modalidade online adequada. Avalie Batch para extração de dados de relatórios, enriquecimento e outras tarefas com prazo mais flexível.

3. 3

   Some os custos que os tokens não cobrem

   Inclua retenção de cache, consultas de grounding, ambiente de execução e serviços de apoio. Apresente separadamente o custo efetivo promocional e o custo após a promoção.

4. 4

   Assuma compromissos só depois de medir a demanda

   Use a taxa de processamento observada e a conversão em GSUs do modelo escolhido antes de comprar capacidade reservada. Uma tarifa unitária anual mais barata não resolve a baixa utilização.

Perguntas frequentes sobre os custos do Vertex AI

O Vertex AI agora se chama Agent Platform?

Sim. O Google apresentou Gemini Enterprise Agent Platform em 22 de abril de 2026 como a evolução do Vertex AI, e as notas de versão documentam as mudanças de nomenclatura. A plataforma para desenvolvedores e o aplicativo Gemini Enterprise para funcionários continuam sendo ofertas distintas para fins de contratação.

Quais são os planos de preços do Google Cloud?

O Google Cloud cobra por produto. Para a inferência Gemini abordada aqui, compare Standard, as modalidades de processamento com desconto publicadas, Priority e Provisioned Throughput. Uma divisão genérica de planos de aplicativo em Free/Professional/Enterprise não descreve essas cobranças de modelos.

Quais serviços são semelhantes ao Vertex AI?

Para um desenvolvedor que contrata inferência de modelos, vale comparar a Gemini Developer API do Google, o Amazon Bedrock e o Microsoft Azure. Use o mesmo modelo quando possível; caso contrário, compare o custo por resultado aceito na sua própria tarefa, incluindo região, ferramentas e serviços de apoio.

Os preços do Vertex AI são iguais aos da Gemini API?

Algumas tarifas Global Standard coincidem. Armazenamento de cache, entrada Batch em cache, tarifas de áudio e disponibilidade de camada gratuita podem diferir. Use a página de preços da API que você vai chamar.

O Google Vertex é gratuito?

O Google oferece crédito de teste a novos clientes elegíveis. A tabela de inferência do Cloud continua informando preços por uso. Alguns modelos da Gemini Developer API têm uma camada gratuita separada, com limites e termos de uso de dados diferentes.

Existe uma calculadora de preços do Vertex AI?

Comece multiplicando os totais de tokens de entrada e saída faturada pelas tarifas publicadas do modelo, como nos dois exemplos acima. Some separadamente o processamento de tokens em cache, o armazenamento em tokens-hora e o grounding. A capacidade reservada exige uma estimativa de taxa de processamento específica do modelo, além da estimativa de volume mensal.

Há desconto para estudantes?

A página citada de preços de IA generativa do Cloud não publica uma tarifa de tokens específica para estudantes. Não aplique uma oferta estudantil do Gemini para consumidores às chamadas de API do Cloud sem um crédito explícito ou um benefício de programa que autorize esse uso.

Qual é a política de reembolso?

A página de preços dos modelos não promete um prazo geral de reembolso para inferência já consumida. Leve divergências de cobrança ao suporte do Google Cloud e confira os termos vinculados à sua conta ou aos créditos promocionais. Não monte o orçamento de um experimento contando com um reembolso presumido.

Esses preços vão mudar?

O Google informa atualmente tarifas maiores para Argon a partir de 1 de dezembro de 2026 e para 3.8/3.7/3.6 Flash a partir de 1 de janeiro de 2027. Essas mudanças programadas já estão incluídas nos orçamentos acima. Confira novamente a página oficial antes de assumir um compromisso de gasto.

Use o checklist de auditoria de fluxos de trabalho com IA nos negócios para relacionar cada tarefa de IA proposta ao seu volume, prazo e requisitos operacionais antes de escolher a infraestrutura.