Chi phí token Gemini: 5 model, giá 300đ đến 900đ một triệu token

Gemini 3.1 Flash Lite tốn 1,86 đồng cho một lượt hỏi 2.000 token đầu vào và 700 token đầu ra. Gemini 3.8 Flash tốn 4,95 đồng. Năm model Gemini trong bảng giá có giá đầu vào từ 300đ đến 900đ một triệu token, và cả năm đều ghi cache miễn phí.

Năm model Gemini và giá quy ra đồng

Bảng dưới đọc từ bảng giá của Wisa, quy theo giá lẻ 1 CUBE = 1.000đ. Cả năm model đều có ngữ cảnh 1.048.576 token, nên khác biệt duy nhất giữa chúng là giá và tốc độ.

Model	Vào	Ra	Đọc cache	Ghi cache
Gemini 3.1 Flash Lite	300đ	1.800đ	120đ	0đ
Gemini 3.5 Flash Lite	360đ	3.000đ	72đ	0đ
Gemini 3 Flash	600đ	3.600đ	60đ	0đ
Gemini 3 Flash Preview	600đ	3.600đ	60đ	0đ
Gemini 3.8 Flash	900đ	4.500đ	180đ	0đ

Dải giá đầu vào chỉ 3 lần, từ 300đ đến 900đ, hẹp hơn nhiều so với nhóm premium nơi mức cao nhất là 24.000đ. Đây là lý do với phần lớn việc văn phòng, câu hỏi đúng không phải "Gemini có đắt không" mà "chọn model nào trong năm model này". Bảng đầy đủ cho cả danh mục nằm ở bảng giá token.

Một lượt hỏi tốn chưa tới 5 đồng

Lượt hỏi chuẩn là một câu hỏi kèm hai trang tài liệu, câu trả lời khoảng nửa trang. Phép tính cho Gemini 3.8 Flash:

• Đầu vào: 2.000 ÷ 1.000.000 × 900 = 1,8 đồng
• Đầu ra: 700 ÷ 1.000.000 × 4.500 = 3,15 đồng
• Tổng: 4,95 đồng

Áp cùng công thức cho cả năm model:

Model	Đầu vào	Đầu ra	Một lượt
Gemini 3.1 Flash Lite	0,6 đồng	1,26 đồng	1,86 đồng
Gemini 3.5 Flash Lite	0,72 đồng	2,1 đồng	2,82 đồng
Gemini 3 Flash	1,2 đồng	2,52 đồng	3,72 đồng
Gemini 3 Flash Preview	1,2 đồng	2,52 đồng	3,72 đồng
Gemini 3.8 Flash	1,8 đồng	3,15 đồng	4,95 đồng

Cả năm đều dưới 5 đồng một lượt. Với gói Developer 799.000đ và 940 CUBE, bạn mua được khoảng 505.376 lượt bằng Gemini 3.1 Flash Lite hoặc 189.898 lượt bằng Gemini 3.8 Flash. Đó là mức khối lượng mà một người dùng văn phòng khó chạm tới trong một tháng.

Vì sao ghi cache 0đ làm bài toán tài liệu khác hẳn?

Với Claude và GPT, đưa một tài liệu mới vào bộ nhớ đệm là một khoản trả trước, thường 1,25 lần giá input. Với Gemini, khoản đó bằng 0. Bạn chỉ trả cho lần đọc đầu theo giá input, rồi trả giá đọc cache cho các lần sau.

Khoản tiết kiệm khi đọc lại không giống nhau giữa năm model. Gemini 3.8 Flash đọc cache ở 20 phần trăm giá input, tức rẻ hơn 80 phần trăm. Gemini 3.5 Flash Lite cũng 20 phần trăm. Gemini 3.1 Flash Lite ở 40 phần trăm, tức rẻ hơn 60 phần trăm. Gemini 3 Flash ở 10 phần trăm, tức rẻ hơn 90 phần trăm.

Vì không có phí ghi, ngưỡng hoà vốn biến mất. Với một tài liệu chỉ đọc lại một lần, bạn vẫn có lãi ngay từ lần thứ hai. Đó là khác biệt vận hành, không chỉ là khác biệt giá.

Đọc lại một tài liệu 100 trang 10 lần tốn bao nhiêu?

Một trang tiếng Việt thường rơi vào khoảng 500 token, nên 100 trang tương đương khoảng 50.000 token. Con số trang là ước tính; tài liệu có bảng biểu hoặc scan có thể tốn gấp đôi.

Model	Lần đọc đầu	Mỗi lần đọc lại	10 lần có cache	10 lần không cache
Gemini 3.1 Flash Lite	15 đồng	6 đồng	69 đồng	150 đồng
Gemini 3.5 Flash Lite	18 đồng	3,6 đồng	50,4 đồng	180 đồng
Gemini 3 Flash	30 đồng	3 đồng	57 đồng	300 đồng
Gemini 3.8 Flash	45 đồng	9 đồng	126 đồng	450 đồng

Cách ra con số của Gemini 3.8 Flash: lần đầu trả 50.000 ÷ 1.000.000 × 900 = 45 đồng. Chín lần sau trả 50.000 ÷ 1.000.000 × 180 = 9 đồng mỗi lần, tổng 81 đồng. Cộng lại là 126 đồng. Không dùng cache thì mười lần đều 45 đồng, tức 450 đồng.

Một điều đáng chú ý: model rẻ nhất không phải model rẻ nhất cho việc này. Gemini 3.1 Flash Lite tốn 69 đồng cho mười lần đọc, thấp hơn 126 đồng của Gemini 3.8 Flash. Nếu việc chỉ là bóc dữ liệu theo mẫu, chọn model Lite và giữ nguyên cấu trúc tài liệu để cache không bị mất.

Cách tự tính và giới hạn

Bạn lấy số token thật của tài liệu, chia cho một triệu, nhân với giá input để ra chi phí lần đầu. Sau đó nhân số token với giá đọc cache cho mỗi lần đọc lại. Nếu bạn đổi thứ tự chương hoặc thêm một đoạn vào đầu tài liệu, cache có thể mất và lần đọc kế tiếp quay về giá input.

Bài tính này bỏ qua một biến: chất lượng. Chúng tôi không có phép đo công khai cho độ chính xác, nên không thể nói model Lite sai bao nhiêu phần trăm so với model Flash. Cách kiểm tra thực tế là lấy 20 tài liệu đã có đáp án đúng, chạy cả hai model và đếm số lần sai. Nếu chênh lệch dưới 1 đồng một tài liệu, chọn model rẻ.

Độ trễ đo được

Con số dưới đây lấy từ số liệu đo tại gateway của Wisa trong cửa sổ 7 ngày kết thúc ngày 27/10/2026: Gemini 3.8 Flash có 6.051 mẫu với p50 10.181 ms, p95 27.344 ms và p99 59.922 ms. Tốc độ sinh chữ trung bình là 42,57 token/giây. Đây là model duy nhất trong họ Gemini có đủ mẫu để báo cáo; bốn model còn lại không có mặt trong tập dữ liệu.

Con số p95 27.344 ms gấp 2,7 lần p50, nghĩa là khoảng 5 phần trăm lượt gọi chậm hơn 27 giây. Với luồng có người chờ, mức đó chấp nhận được. Với luồng tự động gọi liên tục, bạn cần đặt timeout và một đường dự phòng.

Nếu bạn đang cân nhắc giữa các họ model, bài giá API Gemini bao nhiêu đi vào giá niêm yết, còn prompt caching giảm chi phí giải thích cơ chế đệm dùng chung. Bài chi phí token Claude cho thấy cùng phép tính nhưng có phí ghi cache, và chi phí token AI xếp cả 41 model chat có giá token theo một lượt hỏi chuẩn.