Gemini API 价格详解：Vertex AI 费率与两套月度预算

估算 Google Cloud 上的 Gemini API 价格，可以先看一个具体场景：每月调用 100,000 次，用 Gemini 3.8 Flash 起草客服回复，按目前优惠计算，有效月成本为 $337.50；首发优惠结束后则为 $675。Google 现已将这个平台更名为 Gemini Enterprise Agent Platform。建议先采用按量付费，把推理 token 计入输出，并按优惠结束后的价格编制预算，再投入生产。

本文于 2026 年 10 月 20 日，对照 Google Cloud 和 Gemini Developer API 的在线价格页面核验。 文中采用美元公开价，示例金额均为计算结果，不是生产环境基准测试，也不是议价报价。Google Cloud 的优惠通过向符合条件的净支出返还抵用金实现，因此，下文的有效成本并不意味着首张账单一定就是这个金额。Google Cloud 价格页面

Gemini API 价格速览：Vertex AI 如何计费

Vertex AI 的费用取决于模型、token 用量和所选的服务方式。 token 是文本或编码后媒体内容的小单位。输入包括发送给模型的内容；输出包括回答和需要计费的推理内容。即使输入单价很低，模型一旦生成大量推理内容，单次回答仍可能很贵。

下表为 Standard 推理价格，单位为美元/百万 token；价格页区分区域时，采用 Global 费率。这里的输入指文本，其他模态的差异见后文。Pro 行中用斜杠分隔的价格，依次对应输入上下文不超过 200,000 token / 超过 200,000 token。这个门槛按单次请求判断，不按月用量累计。Gemini 2.5 各行没有标注 Global，因为来源表格没有注明。官方模型价格表

Gemini 3 Flash Preview 的输出价格留空，是有意为之。 Google 当前的 Cloud Standard 表没有列出这一项，尽管 Priority 和 Flex/Batch 表列出了输出费率。借用另一个 API 的价格会掩盖这个缺口。将其纳入预算前，请先确认对应的 Standard SKU。

开发新的文本功能时，如果 Flash-Lite 模型能达到质量要求，建议先评估它。只有更贵的模型能切实提高答案采纳率、减少重试，或完成便宜模型做不到的任务时，才值得升级。token 单价只能确定成本下限，不能证明回答质量。

平台更名，对预算有什么影响？

原名 Vertex AI 的开发者平台，现已更名为 Gemini Enterprise Agent Platform。 2026 年 4 月 22 日，Google 写道：“Gemini Enterprise Agent Platform 是我们全新的开发者平台，也是 Vertex AI 的演进。”同日的版本说明也记录了这次名称调整。Google 公告、版本说明

Google 将供技术团队开发和运行智能体的 Agent Platform，与面向员工的 Gemini Enterprise app 分开定位。按席位订阅应用，与按 token 支付模型费用，解决的是不同的采购需求。不能仅因为平台更名，就拿应用订阅价替代 API 成本估算。

Vertex AI Studio 怎么收费？

在这次名称调整中，Vertex AI Studio 更名为 Agent Studio。估算从该环境调用 Gemini 模型的成本时，应采用模型的 Cloud 推理费率，并加上另行使用的服务费用。界面沿用过的旧名称，不代表它是一项独立的无限 token 套餐。个人 Gemini 应用订阅可参阅本站的 Gemini 价格指南。名称变更记录

Vertex AI 模型定价：不能只看标出的基础单价

先确定端点和模态，再套用费率。 “Gemini 输入”可能指文本、音频或图像，有些模型会为不同模态单独计费。本节价格均来自同一份 Google Cloud 价格页面。

Global 与 Non-global 端点

价格页为若干当前模型列出了更高的 Non-global 费率。以下为 Standard 输入/输出价格，单位均为美元/百万 token：

• **Gemini 4 Argon：**截至 11 月 30 日为 $2.20/$11，之后为 $4.40/$22。Non-global 缓存输入先为 $0.11，之后为 $0.22。Argon Cyber Permissive 的输入/输出为 $4.40/$22，缓存输入为 $0.22，不适用 Argon 优惠。
• **Gemini 3.8 Flash、3.7 Flash 和 3.6 Flash：**截至 12 月 31 日为 $0.825/$4.125，之后为 $1.65/$8.25。缓存输入先为 $0.0825，之后为 $0.165。3.8 Flash Cyber 的输入/输出为 $1.65/$8.25，缓存输入为 $0.165。
• **Gemini 3.5 Flash：**输入/输出为 $1.65/$9.90，缓存输入为 $0.165。**3.5 Flash-Lite：**输入/输出为 $0.33/$2.75，缓存输入为 $0.033。
• **Gemini 3.1 Flash-Lite：**文本/图像/视频输入与文本输出为 $0.275/$1.65，缓存输入为 $0.0275。音频输入为 $0.55，缓存音频输入为 $0.055。

这些已列出的 Non-global 费率，比对应的 Global 价格高 10%。对这些表格行而言，这是一条实用的预算规律；但不能据此为只列出 Global 价格的模型推算区域价格。应先选择满足部署要求的端点，再按该端点的实际价格估算。

音频输入、实时会话与语音模型

在 Global Standard 推理中，Gemini 3.1 Flash-Lite 的音频输入为每百万 token $0.50，缓存输入为 $0.05。Gemini 3 Flash Preview 的音频输入为 $1.00，缓存输入为 $0.10。Gemini 3.5 Flash、3.5 Flash-Lite、3.6/3.7/3.8 Flash、3.8 Flash Cyber、3.1 Pro Preview 和 Argon，则对各自行中列明的模态采用所示输入费率。

Gemini 2.5 Flash Lite 的音频输入为 $0.30，缓存输入为 $0.03。Cloud 表格将 Gemini 2.5 Flash 的音频输入列为：上下文不超过 200K 时 $1.00，超过 200K 时 $0.30，两栏的缓存输入均为 $0.10。这个不寻常的 Standard 表格行在此按原样保留；如果想用较低的价格预测长音频成本，请先确认。

Google 的实时交互模型 Gemini 3.8 Live API 列出的 Non-global 费率为：文本输入 $0.75、图像/视频输入 $1、音频输入 $3、文本输出 $4.50、音频输出 $12、虚拟形象视频输出 $1，均按每百万 token 计费。缓存栏为 N/A。价格页说明，每一轮都会重新处理累计的会话上下文并计费。因此，十轮对话不能按原始上下文只发送一次来估算。

Gemini 2.5 Flash Live API 的价格为每百万 token 文本输入 $0.50、图像/视频或音频输入 $3、文本输出 $2、音频输出 $12。其 Priority 和 Flex/Batch 栏均为 N/A。

对于专门的语音任务，截至 2026 年 12 月 31 日，Gemini 3.8 Flash TTS Preview 为文本输入 $0.50/音频输出 $9，Gemini 3.8 Flash-Lite TTS Preview 为 $0.50/$6，计量单位采用价格页所列的每百万计数。自 2027 年 1 月 1 日起，两者分别调整为 $1/$18 和 $1/$12。页面说明，首发阶段的价格减免以促销抵用金形式提供。

Gemini 3.5 Live Translate 为音频输入 $3.50/音频输出 $21。Gemini 3.5 Transcribe Live 为音频输入 $3.50/文本输出 $21；Gemini 3.5 Transcribe 为 $2/$12。这些都是每百万 token 的费率，并非每次对话的固定费用。换算成每分钟成本前，应采用对应模型自己的音频换算规则。

图像、视频与嵌入模型

图像生成的输出另有计费项。以下 Cloud Standard 价格依次为输入 / 文本输出 / 图像输出，单位为美元/百万 token：

• Gemini Nano Banana 2.1： $1.50 / $7.50 / $30，缓存输入为 $0.15。
• Gemini 3.1 Flash-Lite Image、Nano Banana 2 Lite： $0.25 / $1.50 / $30，缓存输入为 $0.025。
• **Gemini 3.1 Flash Image、Nano Banana 2：**Global 为 $0.50 / $3 / $60，缓存输入为 $0.05；Non-global 为 $0.55 / $3.30 / $66，缓存输入为 $0.055。
• Gemini 3 Pro Image、Nano Banana Pro： $2 / $12 / $120，缓存输入为 $0.20。
• Gemini 2.5 Flash Image： $0.30 / $2.50 / $30；缓存输入为 N/A。

分辨率会影响图像 token 数量。例如，Google 列出的 Nano Banana 2.1 近似输出成本为：1K 时 $0.034、2K 时 $0.05、4K 时 $0.113。提示词输入仍需单独付费。不能将图像输出费率套用到文本输出，也不能把它当成每张图片的价格。

Gemini Omni Flash 和 Gemini Omni 1.1 Flash 的费率为每百万 token 输入 $1.50、文本输出 $9、视频输出 $17.50。价格页的视频 token 换算比例随分辨率而变，所以固定的 token 单价不代表所有分辨率下每秒视频的费用都相同。

Gemini Embedding 2, Unified Multimodal Preview 将内容转换为用于检索的数值表示，其在线输入费率为每百万 token 文本 $0.20、图像 $0.45、视频 $12、音频 $6.50。Batch 输入费率依次为 $0.10、$0.225、$6 和 $3.25；输出 token 不收费。单独列出的 Gemini Embedding 一行，按每 1,000 计数，在线 $0.00015、Batch $0.00012 标价，也不收输出费用。核对 SKU 时，必须连同来源中的计量单位一起核对。

旧模型仍有价格，不代表新部署一定可用

Google 仍公布 Gemini 2.0 的价格：Flash 文本输入/输出为 $0.15/$0.60，音频输入为 $1；Batch 为 $0.075/$0.30，音频输入为 $0.50。Flash Lite 为输入 $0.075/输出 $0.30，输入价格包含表中列出的音频输入；Batch 为 $0.0375/$0.15。以上均按每百万 token 计费。

其 2.0 Flash Image Generation 一行列出输入 $0.15、音频输入 $1、文本输出 $0.60、图像输出 $30；2.0 Flash Live API 一行列出文本输入 $0.50、音频/视频/图像输入 $3、文本输出 $2、音频输出 $12。Batch 栏留空，不等于存在折扣。页面还保留了更早的 Gemini 1.5 和 1.0 的模态价格表。仅凭价格表中仍有这一行，无法确定该模型能否用于新的部署；选型前请先核实模型 ID。

Batch、Priority 与缓存：哪些优惠适用？

能等待的任务可以考虑 Batch，缓存则要单独算账。 Batch 将任务提交后异步处理；缓存则复用此前的输入上下文。某一栏价格更低，不代表每个模型都能叠加这两类优惠。

官方列出的 Batch 与 Flex 费率

Google 将 Gemini 4 的折扣表标为 Batch，相关 Gemini 3 和 2.5 表格则标为 Flex/Batch。所列 Global 输入/输出费率如下，均按每百万 token 计费：

• **Gemini 4 Argon：**截至 11 月 30 日为 $1/$5，缓存输入 $0.05；之后为 $2/$10，缓存输入 $0.10。Argon Cyber Permissive： $2/$10，缓存输入 $0.10。
• **Gemini 3.8 Flash、3.7 Flash 和 3.6 Flash：**截至 12 月 31 日为 $0.375/$1.875，缓存输入 $0.0375；之后为 $0.75/$3.75，缓存输入 $0.075。3.8 Flash Cyber： $0.75/$3.75，缓存输入 $0.075。
• Gemini 3.5 Flash： $0.75/$4.50，缓存输入 $0.075。3.5 Flash-Lite： $0.15/$1.25，缓存输入 $0.015。
• **Gemini 3.1 Flash-Lite：**文本/图像/视频输入与文本输出为 $0.125/$0.75，缓存输入为 $0.0125；音频输入为 $0.25，缓存音频输入为 $0.025。
• **Gemini 3.1 Pro Preview：**上下文不超过 200K 时为 $1/$6，超过时为 $2/$9。其 Cloud Flex/Batch 缓存输入栏为 N/A。
• Gemini 3 Flash Preview： 文本/图像/视频输入 $0.25、音频输入 $0.50、文本输出 $1.50；缓存栏为 N/A。
• Gemini 2.5 Pro： $0.625/$5，长上下文则为 $1.25/$7.50。2.5 Flash： $0.15/$1.25，音频输入 $0.50。2.5 Flash Lite： $0.05/$0.20，其 Cloud 表格明确列出音频输入 $0.05。

Argon、较新的 Flash 模型及 3.1 Flash-Lite 所列出的对应 Non-global 折扣价，比 Global 高 10%。例如，目前 3.8 Flash 为 $0.4125/$2.0625，缓存输入 $0.04125；3.1 Flash-Lite 为 $0.1375/$0.825，缓存文本输入 $0.01375。最终应以 Google 的表格为准，包括其中的 N/A 项。Batch 与 Flex 价格

图像模型的折扣价格，按输入/文本输出/图像输出排列，分别为：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，以及 2.5 Flash Image $0.15/$1.25/$15。前四款模型的缓存输入价格依次为 $0.075、$0.0125、$0.025 和 $0.10。Google 的 Nano Banana 表格将 Flex/Batch/Off-peak 放在同一组，但明确说明 Nano Banana 2.1 不支持 Flex。

Priority 需要额外付费

在列有 Priority 价格的文本模型行中，输入、输出和缓存输入费率均为 Standard 的 1.8 倍。例如，目前 Global 3.8 Flash 为输入 $1.35/输出 $6.75/缓存输入 $0.135；3.1 Pro Preview 短上下文为 $3.60/$21.60/$0.36，长上下文为 $7.20/$32.40/$0.72。Argon 当前的 Global Priority 费率为 $3.60/$18/$0.18，优惠结束后为 $7.20/$36/$0.36。

四款 Nano Banana 模型的 Priority 费率也为各自 Standard 费率的 1.8 倍，图像输出同样适用。该页面中，Gemini 2.5 Flash Image、2.5 Flash Live API 和 2.5 Pro Computer Use-Preview 的 Priority 栏均为 N/A。不能给表格未列出的服务方式直接套上倍率。

缓存还要支付存储费

Cloud 的显式缓存存储表，为其中列出的 Flash 和 Flash-Lite 模型标价为每 token·小时 $0.000001，相当于每百万 token·小时 $1。Gemini 3.1 Pro、3 Pro 和 2.5 Pro 则为每 token·小时 $0.0000045，相当于每百万 token·小时 $4.50。缓存输入的处理费用另计。存储表没有列出 Argon 的显式缓存费率，不能借用其他模型的价格。缓存存储价格

以一份可复用的 100,000-token 参考资料包为例，按当前 Global Gemini 3.8 Flash 费率计算，普通输入处理为每次调用 $0.075；读取缓存为 $0.0075，每次命中节省 $0.0675。保留这份资料一小时需 $0.10，因此，在尚未计入任何额外创建成本的情况下，一小时内命中两次缓存，就能覆盖存储费用。这只是边际复用收益的计算，不代表创建缓存免费。

假设一个月为 720 小时，将同一份资料整月保留在缓存中，存储费就是 $72。按相同费率，需要 1,067 次缓存命中，节省金额才会超过这笔存储费。保留时长与折扣比例同样重要。应缓存应用近期确实会复用的内容，并据此设置有效期。

Provisioned Throughput：确有需求，再购买预留容量

Provisioned Throughput 提供的是预留容量，不是无限 token 订阅。 Google 按生成式 AI 规模单位（GSU）出售这项服务。每个 GSU 能提供多少吞吐量，取决于模型和 token 组合。仅凭每月请求总量，无法确定需要预留多少单位。Provisioned Throughput 官方价格

价格页的按小时视图列出了以下费率，顺序为 Global / Non-global，单位为美元/GSU·小时：

• 承诺一周：$7.14 / $7.854。
• 承诺一个月：$3.698630137 / $4.068493151。
• 承诺三个月：$3.287671233 / $3.616438356。
• 承诺一年：$2.739726027 / $3.01369863。

Google 随附的示例采用每 GSU·周 $1,200；一个月、三个月和年度承诺期，分别采用每 GSU·月 $2,700、$2,400 和 $2,000。应按公布的承诺期限和计费单位估算，不能把年度价格当成可随时按月取消的套餐。

按年度方案的月费计算，一个 Global GSU 十二个月合计 $24,000；如果十二个月一直按单月方案的费率支付，则为 $32,400。只有在整个承诺期内都需要这份预留容量时，$8,400 的差额才有价值。这个比较并不是与按量 token 计费的盈亏平衡分析，因为尚未确定你的工作负载实际能用到多少 GSU 吞吐量。

Google 还为符合条件的 Provisioned Throughput 净支出提供 50% 的促销抵用金：Argon 的适用期为 2026 年 10 月 13 日至 11 月 30 日，不含 Cyber Permissive；3.8/3.7/3.6 Flash 的适用期为 2026 年 8 月 13 日至 12 月 31 日。页面说明，抵用金会在次月第七天发放，30 天后到期。它们可用于指定的按需模型 SKU，以及跨模型的 Provisioned Throughput SKU；不会改变容量配置，也不会改变承诺用量的扣减速率。

对于间歇性流量，应先采用按量付费。等到测出峰值需求、持续利用率，以及吞吐量不足造成的业务损失后，再评估预留容量。

Vertex AI 费用怎么算？两种月度任务预算

先按实际计费 token 相乘，再加上周边服务。 未使用缓存的文本推理可按以下公式计算：

每月 token 成本 = 输入 token 数 ÷ 1,000,000 × 输入单价 + 计费输出 token 数 ÷ 1,000,000 × 输出单价。

下文均为假设的工作负载，输出量包含推理 token。示例不含缓存、grounding、智能体运行时、存储、网络、税费和议价折扣。每次模型调用均低于相关的长上下文门槛。

任务一：每月调用 100,000 次，起草客服回复

假设每次调用使用 2,000 个输入 token 和 500 个计费输出 token。每月合计为 200M 输入 token 和 50M 输出 token。

采用 Global Standard Gemini 3.8 Flash，按当前优惠计算的有效成本为：

200 × $0.75 + 50 × $3.75 = $150 + $187.50 = 每月 $337.50。

即每份草稿 $0.003375，或每 1,000 份草稿 $3.375。按 2027 年 1 月 1 日起的官方费率，同一工作负载将变为 200 × $1.50 + 50 × $7.50 = $675。当前 Non-global 版本为 $371.25，之后升至 $742.50。这些计算采用 Google 公布的模型费率，并假设符合条件的促销抵用金可以使用。计算所用价格

更便宜的候选模型会降低成本起点：同样的 token 用量，Gemini 3.1 Flash-Lite 为 $125，3.5 Flash-Lite 为 $185。但这不能证明它们生成的草稿达到了可用标准。无论是决定为更大的模型付费，还是选择更便宜的模型，都应先用自己的客服案例评估质量。

任务二：夜间提取报告信息

假设每月处理 10,000 份报告，每份使用 20,000 个输入 token 和 2,000 个计费输出 token。合计为 200M 输入 token 和 20M 输出 token。

采用 Global Gemini 3.1 Pro Preview，且上下文低于 200K，Standard 成本为 200 × $2 + 20 × $12 = $640。按其公布的 Flex/Batch 费率，则为 200 × $1 + 20 × $6 = $320。即每份报告 $0.032，或每 1,000 份报告 $32。对于夜间任务，建议优先评估 Batch。计算所用价格

将 Standard 客服任务与 Batch 报告任务合并，在其他条件不变的情况下，目前每月有效 token 成本为 $657.50，Flash 优惠结束后为 $995。这只是推理费用小计，还需加上应用的其他账单。

Vertex AI 与 Gemini Developer API，价格有何不同？

调用同一模型，Gemini Developer API 不一定更便宜。 Google 面向开发者的 API 与 Cloud 平台，目前对 Argon、3.8 Flash、3.1 Flash-Lite 和 3.1 Pro Preview 列出了相同的 Global Standard 基础费率。比较前，必须对齐模型、服务档位、上下文长度和日期。Developer API 价格、Cloud 价格

差异主要出现在基础费率之外：

• **免费使用：**Developer API 为部分模型提供免费输入/输出，包括 3.8 Flash，但 Argon 和 3.1 Pro Preview 不在其 Free 层级中。Google Cloud 采用另一份独立的价格表。
• **数据使用：**Developer API 说明，Free 层级的内容会用于改进产品，普通 Paid 层级的内容则不会用于这一目的。页面还列出了仅限受邀参与、条款不同的 Contributor 预览方案，不要把它当成普通 Paid 方案。
• 显式缓存存储：Developer API 对 3.8 Flash 列出的价格为截至 12 月 31 日，每百万 token·小时 $0.50，之后为 $1。Cloud 存储表列出的价格为 $1。每个平台的预算应采用它自己的存储费率。
• **Batch 缓存输入：**Cloud 的 3.1 Pro Preview Flex/Batch 栏为 N/A；Developer API 的 Batch 和 Flex 表则对短/长上下文列出 $0.20/$0.40。对于 3.5 Flash-Lite，Cloud 的 Flex/Batch 缓存输入为 $0.015，Developer API 则显示 $0.02。
• 音频：Cloud 的 2.5 Flash Lite Flex/Batch 表列出每百万音频输入 token $0.05；Developer API 列出 $0.15。两个页面在这一项上不一致。对于大量使用音频的任务，应确认实际计费 SKU，不能自行认定其中一页可以纠正另一页。

Google 的企业路线提供可选的支持、安全与合规功能、Provisioned Throughput 和用量折扣。如果这些运营要求很重要，可以选择这条路线。如果应用只需要调用模型，则可针对实际使用的功能，比较 Developer API 更简单的采购方式。

Gemini API 价格怎么算？用同一工作量对比

沿用客服任务的 200M 输入/50M 输出，且不使用缓存，Developer API 当前的 3.8 Flash 费率也算得 $337.50，到已公布的调整日期后升至 $675。数值相同，并不意味着 Cloud 的抵用金返还机制和前述存储差异可以忽略。

Amazon Bedrock 是 Amazon Web Services 的托管模型平台，也是另一种部署选择。其官方 Standard 表在美国东部的北弗吉尼亚和俄亥俄，以及美国西部的俄勒冈区域，列出 DeepSeek v3.2 每百万 token 输入 $0.62/输出 $1.85。按同样假设的 token 用量，成本为每月 $216.50。这是另一款模型的价格测算，并不能证明回答质量相同。推理之外的服务费用，可参阅 Amazon Bedrock 价格指南。AWS 价格

Microsoft 的云平台 Microsoft Azure 按模型和部署类型公布价格。与 Google Cloud 的 Global 估算比较前，应先在 Azure 的在线页面选择部署方式和币种。其他上下文区间或部署方式的价格，不能直接替代。Azure 价格

如果考虑 Google 更高价的模型，采用 Argon Global Standard，按当前优惠费率计算，同一客服工作负载为 $900，11 月 30 日后为 $1,800。应先比较结果采纳情况和运营要求，再判断升级是否值得。Argon 计算所用价格

还可通过低价 LLM API 对比扩大候选范围。判断标准应是每个被采纳结果的成本：把被否决的答案、重复调用和工程投入都算进去，再判断哪家供应商更便宜。

Vertex AI API 费用：token 之外还有哪些开销？

加上检索、工具和运行时费用，token 估算才是一份应用预算。 与其笼统预留一个应急百分比，不如逐项核算以下明确的计费风险。

推理与重复上下文。 Google 的输出价格包含推理内容。冗长的聊天记录、检索到的文档，以及重复的模型调用，都会增加输入量。对于 Live 会话，价格页明确说明，后续每轮都会重新计费累计上下文。应统计调用次数及每次完整的计费上下文，不能只数用户。

长上下文的价格跳档。 输入超过 200K token 后，设有长上下文档位的模型会对全部输入和输出按该档位收费。以 3.1 Pro Preview Standard 为例，一次请求包含 200,000 个输入 token 和 2,000 个输出 token，费用为 $0.424。当输入变为 200,001 个 token 时，输出量相同，费用却变为 $0.836004。多出的一个 token 会改变整个请求的计费档位。这也是在接近门槛时应精简检索材料的具体原因。上下文规则与费率

Grounding，即检索支撑回答的信息。 对 Gemini 3 和 4，Google Search 与 Web Grounding for Enterprise 提供这些模型系列共享的每月 5,000 次 grounding 查询额度，之后为每 1,000 次查询 $14。单条用户提示可能触发多次查询。Google Maps 另有每月 5,000 次查询额度，之后为每 1,000 次查询 $14。使用自有数据进行 grounding，为每 1,000 条提示 $2.50。不能把旧版 Gemini 2.5 按 grounded prompt 计费的口径搬到 Gemini 3/4 的预算中。

失败请求，以及即将生效的例外。 价格页的一般规则是：仅对 HTTP 200 响应收取输入/输出费用。但页面另行说明，自 2026 年 11 月 13 日起，Gemini 4 生成内容超过 32K token 时，即使请求最终因客户端或服务器超时而失败，仍会对可检索到的 token 用量收费。因此，对于这些较长的生成任务，重试策略可能带来不同的成本。

微调。 训练单独计费；Google 还说明，从 Gemini 3 起，微调模型的推理价格为基础模型预测价格的 1.5 倍。不能把未微调模型的 token 估算当成微调端点的最终预算。额外费用与条件

Vertex AI Agent Builder 怎么收费？

智能体除了消耗模型 token，还可能调用单独计费的平台服务。生成式 AI 价格页明确引导读者前往更全面的 Agent Platform 价格表，查看 ML 平台和 MLOps 费用。应按智能体实际使用的组件逐项估算，不能把 token 小计称为“Agent Builder 总成本”。完整平台价格

生成式 AI 价格页确实包含一款具体产品：Gemini Deep Research Agent。其 Standard 价格为输入 $2/输出 $12/缓存输入 $0.20，Deferred 为 $1/$6/$0.10，均按每百万 token 计费。这些费率只属于这个指定的智能体产品，并非所有自建智能体的统一费用；grounding 仍是单独列出的计费项。

Vertex AI 免费吗？哪些用户可以一直用免费方案？

不要把 Google Cloud 上的生产级 Gemini 推理，当成可无限使用的免费服务来做预算。 Google 为新客户提供 $300 试用抵用金，并说明在启用完整付费账户前不会收费。仍需满足资格要求及试用条款。临时抵用金只能抵扣用量费用，不能把底层 token 单价变为零。Google Cloud 免费优惠

Gemini Developer API 另行为部分模型提供免费输入/输出，同时有访问限制和各模型自己的使用条件。如果开发者的小型实验项目使用符合条件的模型、用量不超过限制，并接受 Free 层级的数据使用条款，可能始终不需要付费 API 账户。需要付费专属模型、更高限额或企业选项的生产团队，则应安排付费预算。Free 与 Paid 层级

上线前，先做好这几件事

先用有代表性的调用做出第一版预算，再判断哪些优化值得增加复杂度。 接下来一周，可以抽取自己的工作负载样本，记录输入、缓存输入，以及包含推理在内的全部计费输出。每条记录都保留准确的模型 ID、端点和服务方式。

1. 1

   分别核算常规调用与高成本调用

   同时覆盖典型调用，以及占据主要费用的长调用。超过模型上下文门槛的请求应单独计算。

2. 2

   将交互任务与定时任务分开

   即时用户请求采用合适的在线服务档位。报告提取、数据补全及其他时限较宽的任务，可以评估 Batch。

3. 3

   补齐 token 之外的费用

   计入缓存保留、grounding 查询、运行时和配套服务费用。分别展示优惠期内的有效成本与优惠结束后的成本。

4. 4

   测出需求后，再承诺购买容量

   购买预留容量前，应依据实测吞吐量和所选模型的 GSU 换算规则。年度单位价格再低，也解决不了利用率不足的问题。

Vertex AI 价格常见问题

Vertex AI 现在改叫 Agent Platform 了吗？

是的。Google 于 2026 年 4 月 22 日推出 Gemini Enterprise Agent Platform，将其定位为 Vertex AI 的演进，版本说明也记录了名称变更。开发者平台与面向员工的 Gemini Enterprise 应用，仍是不同的采购对象。

Google Cloud 有哪些收费方案？

Google Cloud 按具体产品计费。对于本文涉及的 Gemini 推理，应比较 Standard、官方列出的折扣服务方式、Priority 和 Provisioned Throughput。一般应用的 Free/Professional/Enterprise 套餐分级，不能用来描述这些模型费用。

哪些平台与 Vertex AI 类似？

如果开发者要采购模型推理服务，可比较 Google 的 Gemini Developer API、Amazon Bedrock 和 Microsoft Azure。能对齐模型时尽量使用同一模型；无法对齐时，应基于自己的任务，比较每个被采纳结果的成本，并计入区域、工具和配套服务。

Vertex AI 与 Gemini API 的价格一样吗？

部分 Global Standard 费率相同。缓存存储、Batch 缓存输入、音频计费项和免费层级的可用性，可能有所不同。应采用实际调用的 API 对应的价格页面。

Google Vertex 可以免费使用吗？

Google 为符合条件的新客户提供试用抵用金，但 Cloud 推理仍有按用量计费的价格表。部分 Gemini Developer API 模型另有免费层级，同时存在用量限制，数据使用条款也不同。

有 Vertex AI 价格计算器吗？

可以像上面的两个示例一样，先将输入和计费输出 token 总量分别乘以模型的官方费率，再单独加入缓存 token 处理费、按 token·小时计量的存储费，以及 grounding 费用。预留容量除了需要月用量估算，还需要针对具体模型估算吞吐量。

学生有专属折扣吗？

本文引用的 Cloud 生成式 AI 价格页，没有公布单独的学生 token 费率。除非明确获得了抵用金或项目权益，否则不能把面向消费者的 Gemini 学生优惠用于 Cloud API 调用。

退款政策是什么？

模型价格页没有承诺对已消耗的推理费用提供通用退款期限。账单如有差异，应联系 Google Cloud 支持，并核对账户或促销抵用金的相关条款。不要在实验预算中预设一定能退款。

这些价格之后会变吗？

Google 当前已列出 Argon 自 2026 年 12 月 1 日起的较高费率，以及 3.8/3.7/3.6 Flash 自 2027 年 1 月 1 日起的较高费率。上面的预算已计入这些计划中的调整。承诺支出前，应再次核对官方页面。

选择基础设施之前，可用 AI 业务工作流审计清单，梳理每项拟开展的 AI 任务所对应的用量、时限和运营要求。