Gemini 3.8 Flash API 怎么收费？思考和缓存费用也要算进去

Google Gemini 3.8 Flash 的 Standard 档，截至 2026 年底每百万输入 tokens 为 0.75 美元、输出为 3.75 美元，输出包含思考 tokens。 2027 年 1 月 1 日起计划调整为 1.50 和 7.50 美元。估算预算时，除了单价，还要统计应用实际消耗的 tokens、缓存和工具费用。

本文于 2026 年 9 月 14 日核对。下表来自 Google 官方价目表，适用于 Gemini API 直连，不能直接当作 Vertex AI 或 Ofox 某条供应商路由的报价。

Gemini 3.8 Flash 输入、输出与缓存价格

以下单位均为美元／百万 tokens，输出价包含计费的思考 tokens。

缓存存储另计：2026 年为每百万 tokens 每小时 0.50 美元，2027 年 1 月起计划为 1.00 美元。缓存读取便宜，不代表任何内容都值得缓存；还要看保留时长和重复使用次数。

1,000 次请求大约多少钱？

假设应用发出 1,000 次请求，每次消耗 2,000 个未缓存输入 tokens，以及 500 个包含思考在内的计费输出 tokens。这是演示预算方法的假设，并非 Gemini 典型回复长度的实测。

按 2026 年 Standard 费率计算：

• 输入共 200 万 tokens：2 × 0.75 = 1.50 美元。
• 输出共 50 万 tokens：0.5 × 3.75 = 1.875 美元。
• 模型 tokens 合计 3.375 美元，不含工具、缓存存储及重试。

用量不变时，按 2027 年计划费率计算为 6.75 美元。如果每次 500 tokens 只统计了用户看到的答案，预算还缺思考费用。

有缓存时，命中的输入按缓存读取费率计算，并从未缓存输入量中扣除，不能让同一批 tokens 同时按两种费率收费。再计入缓存存储、工具以及实际产生费用的失败或重复请求。

应该读取哪些 usage 字段？

保留完整 usage 记录。原生 generateContent 返回的 usageMetadata 中，应查看 promptTokenCount、cachedContentTokenCount、candidatesTokenCount 和 thoughtsTokenCount。候选输出与思考是两个字段，只统计候选输出会低估计费输出。字段定义见 Google UsageMetadata 文档。

OpenAI 兼容响应则需核对供应商对 completion_tokens 及 reasoning 明细的定义。若总数已包含思考，不要再次相加。涉及工具或多模态输入时，应结合所选供应商账单核对，不能只凭一项 usage 数值推算全部费用。

免费层、联网搜索与限流

Google 为符合条件的账户和项目列出了免费模型输入、输出额度。Gemini 3.8 Flash 的免费层不支持 Google Search grounding。 付费列提供 Gemini 3.x 共用的每月 5,000 次请求额度，之后每 1,000 次搜索查询 14 美元。一条用户 prompt 可能触发多次搜索，不能默认它只对应一个计费查询。

具体可用额度在 AI Studio 查看。Google 限流文档 说明了项目配额与用量档位；同一项目多建一个 Key，不会多出一份配额。

遇到 429 时，先结合错误详情检查项目额度和账单状态，再决定如何重试。短时请求突增与配额耗尽需要不同处理；连续立即重试可能进一步增加负载。参见 Google API 错误说明。

申请 Key 并调用 Gemini 3.8 Flash

直连时，在 Google AI Studio 创建 Key。现在新建的 Key 默认是 auth key。已有旧 Standard key 的用户，应按 Google Key 指南 迁移。官方宣布在 2026 年 9 月拒绝 Standard key，但未给出具体哪一天；这不意味着今天新建的 Key 都要再转换一次。

Key 保存在服务端环境变量中。下面的原生 REST 示例假设已设置 GEMINI_API_KEY：

curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-3.8-flash:generateContent" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [{"parts": [{"text": "Return only the sum of 17 and 25."}]}],
    "generationConfig": {"thinkingConfig": {"thinkingLevel": "medium"}}
  }'

这个小算术任务的预期答案是 42，用于说明请求结构，不用于证明模型能力。支持的思考档位是 low、medium、high，不支持 minimal，见 Gemini 3.8 模型文档。REST 使用 generationConfig.thinkingConfig.thinkingLevel，SDK 字段写法可能不同，见 generateContent 参考。

Ofox 当前接入方式

Ofox 已列出 Gemini 3.8 Flash，模型 ID 为 google/gemini-3.8-flash。模型页列明 OpenAI、Gemini 两种协议以及 Vertex 供应商路由。OpenAI 兼容 base URL 为 https://api.ofox.run/v1；原生 Gemini base URL 为 https://api.ofox.run/gemini。

运行下面示例前，用 pip install openai 安装 Python 包，并在服务端设置 OFOX_API_KEY：

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.ofox.run/v1",
    api_key=os.environ["OFOX_API_KEY"],
)
response = client.chat.completions.create(
    model="google/gemini-3.8-flash",
    messages=[{"role": "user", "content": "Return only the sum of 17 and 25."}],
)
print(response.choices[0].message.content)
if response.usage is not None:
    print(response.usage.model_dump())

费率和支持参数以所选路由为准。Google 直连的免费额度、服务档位和搜索赠送额度不会自动沿用到网关。本次更新核对了目录与协议说明，未通过付费推理请求验证这两个示例。

从 3.7 升级，费用会变吗？

两个模型的直连 Standard 单价相同，但实际输出和思考量可能不同。应在自己的任务上比较验收通过率、tokens 和重试次数。3.8 与 3.7 迁移对比 将发布时的评测数据与实际升级检查分开说明。

跨厂商选型可看 DeepSeek V4.1 Flash、Gemini 3.8 Flash 与 Qwen3.8 Flash 对比。如果来自旧 V4 比较文章，先核对 DeepSeek V4 版本与别名变化。