Coût d'appel de fonction de l'API Gemini : Guide de tarification des agents Gemini

Un agent d’appel de fonction en 12 étapes coûte 0,377 $ sur Gemini 3.1 Pro (2 $ en entrée / 12 $ en sortie par million de tokens), 0,139 $ sur Gemini 3.8 Flash (0,75 $ / 3,75 $) et 0,059 $ sur Gemini 3.5 Flash Lite (0,30 $ / 2,50 $), en utilisant une instruction système de 4 000 tokens plus des déclarations de fonctions, des réponses de fonction de 1 500 tokens et 300 tokens de sortie par étape. Ces étapes totalisent 166 800 tokens d’entrée et 3 600 tokens de sortie car chaque étape renvoie tout l’historique. Les prix proviennent de notre catalogue daté du 2026-09-11.

Pour Gemini 3.8 Flash à 12 étapes : 166 800 × 0,75 $ ÷ 1 000 000 = 0,125 $ en entrée, plus 3 600 × 3,75 $ ÷ 1 000 000 = 0,0135 $ en sortie, total 0,139 $. Il n’y a pas de frais par appel de fonction ; les déclarations, appels et réponses sont des tokens ordinaires. Les outils d’ancrage et de recherche intégrés de Google sont facturés séparément (voir la page du fournisseur).

Avec le SDK google-genai, vous passez des fonctions Python ou des objets FunctionDeclaration dans config.tools. Le modèle renvoie une partie function_call, vous l’exécutez et ajoutez une partie function_response, puis appelez à nouveau generate_content avec la liste complète des contenus. L’appel de fonction automatique dans le SDK exécutera cette boucle pour vous, ce qui est également le moyen le plus rapide de dépenser de l’argent sans vous en rendre compte, alors définissez maximum_remote_calls sur AutomaticFunctionCallingConfig plutôt que d’accepter la valeur par défaut.

Sur Gemini 3.8 Flash, l’entrée représente 90 % de la facture, et sur Gemini 3.1 Pro, 88 %. Doubler chaque tour d’assistant sur 3.1 Pro ajoute 0,043 $ à une exécution de 0,377 $. Les modèles Gemini raisonnent par défaut et les tokens de raisonnement sont facturés comme des sorties ; utilisez thinking_config pour réduire le budget de raisonnement sur les workers Flash et Flash Lite. Les tokens mis en cache sont signalés dans usage_metadata.cached_content_token_count, c’est ce qu’il faut surveiller pour confirmer que la mise en cache fonctionne.

Les trois modèles Gemini actuels acceptent environ 1 million de tokens par requête, et la tentation est de charger l’intégralité d’une base de code, d’un ensemble de contrats ou d’un crawl dans le premier tour et de laisser l’agent travailler. La fenêtre de contexte est une limite de capacité, pas une réduction, et un agent renvoie ce contexte à chaque étape.

L’arithmétique : un agent transportant 500 000 tokens de documents à travers une boucle de 12 étapes envoie 12 × 500 000 = 6 000 000 tokens d’entrée pour les seuls documents. À 2 $ par million sur Gemini 3.1 Pro, cela donne 12,00 $ par exécution avant le trafic d’outils ou la sortie. Sur Gemini 3.8 Flash, c’est 4,50 $, sur 3.5 Flash Lite, 1,80 $. La même tâche en tant qu’agent de récupération extrayant 5 000 tokens pertinents par étape coûte environ 0,45 $ sur 3.1 Pro.

Le piège a une deuxième mâchoire : la latence. Un demi-million de tokens par étape transforme un agent de deux minutes en un agent de vingt minutes. Traitez le contexte de 1 million comme le plafond pour un seul passage de lecture, pas comme une mémoire de travail pour une boucle ; si les documents doivent vraiment être présents à chaque étape, c’est le cas pour la mise en cache de contexte.

La mise en cache de contexte de Gemini vous permet de télécharger un grand préfixe une fois, d’obtenir un nom de cache, et de le référencer à chaque appel. Les tokens d’entrée mis en cache sont facturés à environ 25 % du tarif d’entrée de liste, une réduction plus faible que celle d’Anthropic ou d’OpenAI d’environ 10 %, plus des frais de stockage par token-heure qui ne figurent pas dans notre catalogue (voir la page du fournisseur).

Le cas du document de 500 000 tokens devient une ingestion à plein tarif (1,00 $ sur 3.1 Pro), puis 12 lectures en cache à environ 0,25 $ chacune au lieu de 1,00 $, soit environ 4 $ par exécution au lieu de 12 $, plus le stockage. Sur la trace de référence de 12 étapes avec instruction système et fonctions mises en cache, 3.1 Pro aboutit à environ 0,16 $ au lieu de 0,377 $ et 3.8 Flash à environ 0,06 $ au lieu de 0,139 $.

from google import genai
from google.genai import types

client = genai.Client()

def lookup_shipment(tracking_id: str) -> dict:
    """Return the current status for a shipment tracking id."""
    return wms.status(tracking_id)

cache = client.caches.create(
    model="gemini-3.8-flash",
    config=types.CreateCachedContentConfig(
        system_instruction=SYSTEM_PROMPT,
        contents=[types.Content(role="user", parts=[types.Part(text=POLICY_DOCS)])],
        ttl="3600s",
    ),
)
resp = client.models.generate_content(
    model="gemini-3.8-flash",
    contents=history,
    config=types.GenerateContentConfig(
        cached_content=cache.name,
        tools=[lookup_shipment],
        automatic_function_calling=types.AutomaticFunctionCallingConfig(maximum_remote_calls=12),
        max_output_tokens=2000,
    ),
)
m = resp.usage_metadata
# 3.8 Flash: $0.75 in, ~$0.19 cached in, $3.75 out per 1M (+ cache storage, vendor page)
cost = ((m.prompt_token_count - m.cached_content_token_count) * 0.75
        + m.cached_content_token_count * 0.19 + m.candidates_token_count * 3.75) / 1_000_000

Parce que la réduction n’est que de 75 %, les frais de stockage peuvent l’annuler sur les exécutions courtes ; faites le calcul pour votre propre TTL. La comparaison des coûts de mise en cache des invites présente les trois fournisseurs côte à côte.

Le mode batch de Gemini exécute les requêtes de manière asynchrone à environ 50 % du tarif de liste, et notre catalogue contient des lignes batch pour les modèles Gemini à ce tarif (Gemini 3.8 Flash batch à environ 0,375 $ / 1,875 $ par million). Une boucle en direct ne peut pas l’utiliser, car la deuxième étape a besoin de la réponse de fonction de la première, mais l’éventail autour d’un agent le peut : classer 20 000 e-mails de support avant qu’un agent ne traite les plus difficiles. Au tarif de liste, un agent Gemini 3.8 Flash en 5 étapes coûte 0,034 $ par élément, donc 20 000 éléments coûtent 680 $ ; en batch environ 340 $. Voir la tarification de l’API batch LLM pour la comparaison entre fournisseurs.

Le palier gratuit de l'API Gemini est l'endroit le moins cher pour prototyper un agent : $0, les mêmes modèles et surface d'appel de fonction que le palier payant, et des limites de débit suffisantes pour itérer sur une boucle avec quelques outils. Deux mises en garde : une boucle de 30 étapes atteindra ces limites, et les conditions d'utilisation des données du palier gratuit diffèrent de celles du palier payant, donc passez au paiement à l'utilisation avant que l'agent ne touche à des données réelles.

Les formules grand public, Google AI Plus à $4.99, Google AI Pro à $19.99 et Google AI Ultra à partir de $99.99 par mois ($199.99 pour le palier 20x), ne sont pas des formules API. La page des formules de Google ne liste que le modèle Flash pour AI Plus ; le modèle Pro commence à AI Pro. Elles achètent l'application Gemini, Gemini dans Workspace, du stockage supplémentaire (400 Go, 5 To, 20 To et plus) et des limites plus élevées dans les propres outils de codage de Google ; elles ne créditent pas une facture API. Donc la comparaison ne vaut que pour une personne pilotant un agent de manière interactive.

Un individu qui veut Gemini pour le chat, les documents et une certaine assistance au codage devrait acheter AI Pro. Ultra à $99.99 n'a de sens que pour quelqu'un dont l'utilisation interactive équivaudrait autrement à environ 265 exécutions Pro-class non mises en cache par mois ($99.99 ÷ $0.377) ; les mêmes $99.99 sur l'API achètent environ 1,650 exécutions mises en cache de Gemini 3.8 Flash ($99.99 ÷ environ $0.06). Notre page de tarification Gemini contient les détails des formules.

Le modèle le moins cher qui fait encore cela de manière fiable : Gemini 3.8 Flash. À $0.139 par exécution de 12 étapes, il suit les déclarations de fonction de manière cohérente, gère un contexte de 1M, prend en charge la mise en cache et termine les tâches de routine en à peu près le même nombre d'étapes que 3.1 Pro. C'est notre valeur par défaut pour les agents ouvriers sur la pile de Google, au niveau de GPT-5.4 mini ($0.141) et moins cher que l'ancien Claude Haiku 4.5 ($0.185) sur la même trace. Claude Haiku 5.5, sorti en octobre à $0.10 / $0.50, exécute maintenant cette trace pour environ $0.0185, donc Flash n'est plus le choix économique tous fournisseurs confondus.

Gemini 3.5 Flash Lite à $0.059 convient pour les étapes de classification et d'acheminement et les petits ensembles d'outils, mais son nombre d'étapes explose sur les tâches ouvertes, et 30 étapes Flash Lite ($0.293) coûtent plus que 12 étapes Flash. Gardez-le hors du rôle de planificateur.

Quand payer pour Gemini 3.1 Pro : à $0.377 par exécution, il est 2.7× Flash, donc il doit échouer matériellement moins souvent ou finir en matériellement moins d'étapes. Cela tient pour le raisonnement multi-documents, la planification sur un grand ensemble d'outils, et tout ce où un appel de fonction erroné a des effets secondaires. En tant que planificateur déléguant à des ouvriers Flash, il vaut l'argent ; pour chaque étape d'une boucle simple, non. Le guide du LLM le moins cher pour les agents classe les trois contre 27 autres modèles.

Quatre contrôles qui capturent chacun un échec différent :

• max_output_tokens dans GenerateContentConfig : 1 000 à 4 000 pour les tours d'appel de fonction, associés à un budget de réflexion pour que les tokens de raisonnement soient également limités.
• maximum_remote_calls sur AutomaticFunctionCallingConfig, ou un compteur d'étapes manuel : 12 à 15 pour la plupart des tâches.
• Conditions d'arrêt : une fonction finish obligatoire, une interruption sur deux appels de fonction consécutifs identiques, et un plafond de tokens de contexte par étape (disons 60 000) qui force les réponses de fonction plus anciennes à être résumées ou supprimées.
• Un budget en USD par exécution calculé à partir de usage_metadata après chaque appel, avec des tokens en cache à environ 25 % du prix catalogue. Interrompre au-delà du plafond et l'enregistrer par tâche pour calculer le coût par tâche réussie.

Aux tarifs Gemini 3.8 Flash, un budget de 0,25 $ par exécution permet environ 17 étapes de référence non mises en cache ou environ 40 en cache ; sur 3.1 Pro, le même budget permet environ 9 étapes non mises en cache. Le calculateur de coût IA convertit un nombre mensuel d'exécutions en un budget, le tutoriel Gemini 101 couvre les bases du SDK, et les guides de coût de l'API Claude agent et du SDK OpenAI Agents couvrent les autres piles.