Precios de la API Gemini Flash: ¿qué modelo Flash es realmente el más barato?

Si solo comparas las tarifas actuales de texto, gemini-2.5-flash-lite es el modelo más barato de esta tabla. Para un proyecto nuevo que quiere un candidato estable y económico de una generación más reciente, prueba también gemini-3.1-flash-lite. Son dos respuestas distintas: el mínimo por token y el punto de partida moderno de bajo coste.

En los precios oficiales de Google consultados el 14 de julio de 2026, 2.5 Flash-Lite Standard cuesta $0.10 por un millón de tokens de entrada y $0.40 por un millón de salida. 3.1 Flash-Lite cuesta $0.25 y $1.50. Con un millón de entrada y 250.000 de salida, la factura de tokens es de $0.20 y $0.625, respectivamente.

Ejecuta primero una muestra representativa con un Lite estable. Añade un Flash superior solo cuando fallos, reintentos o correcciones cuesten más que la diferencia de API. Calcula Batch, Flex o caché por separado únicamente si el trabajo puede esperar o reutiliza suficiente contexto.

El coste de texto de la familia Flash es una decisión distinta de cuánto nivel gratuito tiene el proyecto y de cuánto cuesta generar imágenes con Flash-Lite Image. Un nombre parecido no convierte esos productos en la misma salida ni en la misma factura. Tampoco conviene mezclar suscripciones de la aplicación Gemini, Vertex AI, conversiones variables a euros o precios de terceros con la fila oficial de Gemini Developer API.

Calcula el coste por llamada y por mes antes de elegir modelo

Copiar únicamente el precio de entrada produce una estimación incompleta. Una llamada de texto tiene dos contadores independientes y el presupuesto mensual debe sumar ambos:

coste mensual = tokens de entrada mensuales × tarifa de entrada / 1.000.000 + tokens de salida mensuales × tarifa de salida / 1.000.000

La entrada no es solo el último mensaje del usuario. Incluye instrucciones de sistema, historial que vuelve a enviarse, documentos recuperados mediante RAG, resultados de herramientas que regresan al modelo, contexto multimodal y solicitudes repetidas tras un fallo. La salida es la respuesta completa; cuando la fila oficial indica que incluye tokens de razonamiento, no basta con contar el texto visible.

El primer cálculo mantiene un millón de tokens de entrada y 250.000 de salida para comparar cinco modelos sobre la misma carga. No incluye Grounding, herramientas de pago, almacenamiento de caché explícita, impuestos, reintentos fallidos ni recargos de un proveedor externo. En producción, cada elemento debe ocupar una línea separada para que el precio del modelo no oculte el resto de la factura.

Llevémoslo a un servicio concreto: 100.000 llamadas al mes, con una media de 800 tokens de entrada y 200 de salida por llamada. El volumen mensual es de 80 millones de tokens de entrada y 20 millones de salida.

Los $16 de 2.5 Flash-Lite salen de 80 × $0.10 + 20 × $0.40; los $50 de 3.1 Flash-Lite, de 80 × $0.25 + 20 × $1.50. En ambas expresiones, 80 y 20 están medidos en millones de tokens. El coste por llamada divide el total entre 100.000, sin introducir una tarifa nueva.

No conviertas una petición excepcionalmente corta en la media del producto. Registra mediana y percentiles altos de entrada y salida, y separa conversaciones largas, contexto recuperado, JSON inválido y reintentos. Un asistente puede responder brevemente la mayor parte del tiempo y aun así concentrar el gasto en una cola de explicaciones largas. Un extractor puede repetir el mismo documento cuando una respuesta no cumple el esquema.

La salida merece un control propio. En las filas consultadas, la salida de 3.1 Flash-Lite cuesta seis veces su entrada, y 3.5 Flash mantiene la misma proporción. Un límite de salida reduce consumo, pero si es demasiado estrecho causa truncado, campos ausentes y otra llamada. El objetivo no es obtener la respuesta más corta posible, sino la salida más corta que complete el trabajo de forma fiable.

Calcula al menos tres escenarios: tráfico actual, doble de llamadas y aumento del percentil alto de salida. Así se ve si el siguiente ahorro debe venir del modelo, del contexto, de la longitud de salida, de los reintentos o de la modalidad de ejecución. El mínimo observado en un piloto pequeño no es un techo seguro para producción.

Elige entre 2.5 Flash-Lite, 3.1 Flash-Lite y Flash

Elimina primero los modelos que ya no se pueden ejecutar. Gemini 2.0 Flash y Gemini 2.0 Flash-Lite se cerraron el 1 de junio de 2026. El calendario de retirada de Google sirve para comprobar fechas y sustituciones; el catálogo actual de modelos es el propietario de los identificadores y estados vigentes. Un precio antiguo de 2.0 no es una opción barata si la API ya no acepta el modelo.

Empieza con Gemini 2.5 Flash-Lite cuando la prioridad sea la tarifa mínima. Clasificación, extracción, enrutado, reescritura, resúmenes compactos y transformación estructurada son tareas razonables para iniciar una prueba Lite. Eso no garantiza que el modelo cumpla un esquema estricto, un idioma concreto, un contexto largo o una decisión compleja; la prueba debe usar datos del producto.

Prueba Gemini 3.1 Flash-Lite cuando quieras un candidato estable y económico de generación más reciente. La ficha de 3.1 Flash-Lite indicaba en la fecha consultada un límite de entrada de 1.048.576 tokens y un máximo de salida de 65.536. Admite entrada multimodal, pero devuelve texto. No es el modelo Flash-Lite Image que genera imágenes.

Compara Gemini 2.5 Flash solo cuando Lite no supera un criterio definido de antemano. Es una opción Flash estable para el ascenso. Su tarifa de entrada está cerca de 3.1 Flash-Lite, pero la salida cuesta más. El motivo para pagar la diferencia debe ser una mejora observada en resultados válidos, reintentos o corrección, no que el nombre “Flash” suene más potente.

Mantén Gemini 3 Flash Preview en una ruta experimental. Un Preview puede servir para probar una generación nueva, pero su ciclo de vida, disponibilidad y comportamiento pueden cambiar con más frecuencia. No debe entrar silenciosamente como valor predeterminado de producción; necesita una razón de producto, una evaluación y un fallback estable.

Reserva Gemini 3.5 Flash para necesidades que justifican su tarifa. En el ejemplo de 100.000 llamadas cuesta $300 al mes en Standard, frente a $16 y $50 de los dos Lite. Solo resulta más económico si mejora lo suficiente la tasa de éxito, reduce trabajo manual o aporta una capacidad que los candidatos baratos no entregan. La tabla de precios no demuestra por sí sola ninguna de esas ventajas.

La regla inicial puede resumirse así: 2.5 Flash-Lite si importa el mínimo por token y supera la prueba; 3.1 Flash-Lite si se prefiere un punto de partida estable más reciente; un Flash estable solo cuando ambos Lite fallan el mismo conjunto de aceptación. Si cambias modelo, prompt, caché y modalidad a la vez, no podrás atribuir la mejora.

Separa el nivel gratuito, la facturación y los límites del proyecto

Que una tabla muestre Free Tier no significa que todos los proyectos reciban una misma cantidad fija de llamadas. La capacidad útil depende del modelo, el proyecto, el nivel de uso, la región y la política vigente. La documentación de límites de frecuencia explica RPM, TPM y RPD, pero los valores exactos deben comprobarse con el proyecto seleccionado en Google AI Studio.

Crear varias claves de API dentro del mismo proyecto no suele multiplicar un límite de proyecto. La clave autentica la petición; el proyecto posee cuota y facturación. Ante un 429, identifica si se agotó una dimensión de solicitudes o tokens, aplica backoff cuando corresponda y revisa el nivel de cuenta. Rotar claves sin entender el contador solo oculta la causa.

Hay tres preguntas diferentes: si el modelo tiene una fila gratuita, cuánto puede usar ahora un proyecto concreto y si la facturación de pago está activa. El nivel gratuito es útil para validar formato y comportamiento inicial, pero no demuestra que sostendrá el tráfico previsto. Antes de producción de pago, fija responsable de facturación, límite de gasto, alertas de uso anómalo y regla de parada.

La documentación de facturación describe prepagado, pospago, topes de gasto, caducidad de créditos y pasos dependientes de la cuenta. Los importes mínimos, créditos, impuestos y condiciones pueden cambiar. Compruébalos en la cuenta que pagará antes de transferir fondos, en lugar de reutilizar una conversión antigua a euros.

Un fallo también tiene dos efectos distintos: dinero y capacidad. Según la explicación actual de Google, las solicitudes fallidas de clases 400 y 500 no se cobran por tokens, pero pueden consumir cuota. Una tormenta de reintentos puede agotar solicitudes o tokens disponibles aunque la gráfica de gasto apenas suba. Conviene vigilar ambas métricas.

El uso de datos forma otra frontera. Los términos adicionales de Gemini API distinguen servicios sin pago y servicios de pago. En servicios no pagados, el contenido puede utilizarse para mejorar productos de Google y puede ser revisado; no envíes datos sensibles, confidenciales o personales por esa ruta. Antes de usar datos de clientes, valida términos aplicables, acuerdo de tratamiento, configuración del proyecto y política de la organización.

Si la decisión principal es cuánto puede consumir hoy el proyecto sin pagar y cuándo activar la facturación, usa el análisis específico del nivel gratuito de Gemini API. Fijar una cuota cambiante dentro de una comparación de modelos haría caducar las dos decisiones a la vez.

Decide cuándo usar Standard, Batch, Flex o caché

Si una persona espera la respuesta dentro de la misma interacción, mide primero Standard. Esa modalidad ofrece la referencia más clara para latencia, errores, tokens y tasa de éxito. No supongas un descuento hasta tener esa línea base, porque Batch, Flex y la reutilización de contexto cambian también el comportamiento operativo.

La documentación de Batch API marca un objetivo de finalización dentro de 24 horas. Es una buena opción para clasificación nocturna, evaluaciones, backfills y enriquecimiento sin urgencia. Es una mala opción para un asistente interactivo, una revisión sincrónica o una petición cuyo siguiente proceso debe empezar inmediatamente.

Flex tampoco es un interruptor universal de “mitad de precio”. Comprueba el modelo exacto, la región, el estado de soporte y si la carga tolera sus características. Si la experiencia depende de una cadena interactiva predecible, conserva Standard y mueve solo el tráfico que realmente admite ejecución flexible.

La caché de contexto ayuda cuando muchas peticiones reutilizan un manual grande, una instantánea de código, un corpus de políticas o un fondo multimodal repetido. La descripción de caché separa caché implícita y explícita; la guía de caché explícita explica TTL y almacenamiento. Un acierto de caché mantiene cargos por lectura, tiempo de almacenamiento, entrada no cacheada y salida.

Antes de crearla, calcula tamaño del prefijo × reutilizaciones × TTL. Si el prefijo cambia mucho o se usa pocas veces, el almacenamiento y la complejidad pueden superar el ahorro. Cuando miles de peticiones leen el mismo contexto largo, la posibilidad de ahorro aumenta. No presentes el descuento de lectura como descuento de la factura completa.

El orden más fácil de auditar es medir Standard, mover trabajos tolerantes a demora a Batch o Flex compatible, calcular aparte la caché de un prefijo repetido y ascender de modelo solo por fallos observados. Aplicar las cuatro cosas simultáneamente puede reducir el gasto, pero impide saber por qué y oculta regresiones de calidad o latencia.

Compara el coste por resultado aceptado, no solo por token

Un modelo barato deja de ser barato cuando sus fallos consumen el ahorro. El coste de tokens sale de logs y tarifas. El coste de fallo debe definirse en el producto: segunda llamada, fallback, reparación de JSON, edición humana, soporte al cliente o reversión de una acción posterior.

Antes de fijar el valor predeterminado de producción, crea un conjunto pequeño pero representativo. Incluye solicitudes normales, entrada larga y desordenada, casos multilingües, JSON o esquemas estrictos, límites de seguridad y la salida máxima que el producto necesita. Escribe los criterios antes de ejecutar para que una respuesta brillante no oculte fallos repetidos.

En el ejemplo de 100.000 llamadas, 2.5 Flash-Lite ahorra $34 al mes frente a 3.1 Flash-Lite. Si produce 500 reparaciones adicionales y cada una ocupa un minuto, el ahorro de tokens probablemente deja de ser el coste dominante. También puede ocurrir lo contrario: si ambos modelos superan una extracción determinista con la misma tasa, la fila más cara no aporta valor medido.

Define una regla de ascenso antes de mirar los resultados. Conserva Lite cuando cumple el umbral de aceptación y mantiene reintentos, reparación y latencia dentro del presupuesto. Compara 2.5 Flash o 3.5 Flash solo cuando el modelo superior reduzca el coste total de fallos más que su incremento de API. Repite la prueba después de cambiar modelo, prompt, esquema o composición del tráfico.

No conviertas una prueba A/B en un ranking permanente. Modelos, precios y datos de trabajo cambian. Guarda muestra, criterios, identificador exacto, fecha y estadísticas de tokens para poder repetir el cálculo. Así la elección sigue siendo una decisión operativa y no una preferencia heredada.

Migra los presupuestos y fallbacks de Gemini 2.0

Después del cierre del 1 de junio de 2026, los precios de Gemini 2.0 ya no describen una opción ejecutable de producción. Una hoja de cálculo aún puede mostrar una fila atractiva mientras el código apunta a un identificador retirado. Migra la ruta de llamada y el supuesto presupuestario juntos.

1. Busca identificadores de Gemini 2.0 Flash y Flash-Lite en código, variables de entorno, proxies, configuraciones de agentes, fixtures de evaluación, fallbacks, alertas y paneles.
2. Asigna el tráfico antiguo de Flash-Lite a un candidato actual 3.1 Flash-Lite y el antiguo tráfico Flash a un candidato Flash vigente; confirma el identificador en el catálogo.
3. Comprueba modalidades de entrada y salida. gemini-3.1-flash-lite devuelve texto; una tarea de generación de imagen necesita otro modelo y otro contrato de precio.
4. Ejecuta de nuevo el conjunto de aceptación. Un sucesor recomendado no garantiza idéntico resultado.
5. Durante un piloto limitado, registra entrada, salida, reintentos, errores, latencia y modalidad de ejecución.
6. Reconstruye el presupuesto desde la fila actual; no apliques un porcentaje al importe del modelo retirado.

Revisa especialmente los fallbacks. Cambiar la ruta principal y dejar un identificador 2.0 para incidentes convierte un problema pequeño en una cadena de fallos. Retira también tablas antiguas de RPM, TPM y cuota diaria: pueden diagnosticar como averiado un proyecto actual que funciona según sus límites reales.

La migración termina cuando rutas principal y de respaldo usan identificadores vigentes, la muestra supera la prueba, los logs explican tokens y errores, el presupuesto parte de tarifas actuales y las alertas observan el proyecto correcto. Una respuesta exitosa aislada no valida todo ese contrato.

Cierra el presupuesto con un piloto de cuatro pasos

1. Mide el trabajo real. Registra llamadas mensuales, mediana y percentiles altos de entrada y salida, tamaño del prefijo repetido, límite de latencia y porcentaje de tareas que pueden esperar. Una sola petición corta no representa el producto.

2. Calcula una referencia Standard. Presupuesta 2.5 Flash-Lite y 3.1 Flash-Lite sobre la misma carga. Coloca herramientas, Grounding, almacenamiento de caché, reintentos e impuestos en columnas independientes. Otra persona debe poder reproducir el total con los logs y la tarifa oficial.

3. Ejecuta la misma prueba de aceptación. Registra tasa válida, reintentos, reparación, salida y latencia. Si ambos Lite quedan por debajo del umbral, añade un Flash estable y mide el cambio. Una tarifa superior no demuestra que resolverá el fallo.

4. Distribuye el tráfico por condición. Usa Standard para la ruta interactiva; Batch o Flex compatible para trabajo que puede esperar; caché explícita para un prefijo largo y repetido; y un Flash superior solo para fallos medidos. Revisa estado y precios antes de elevar el límite del piloto.

El resultado no es solo un nombre de modelo. Debe dejar escrito qué tráfico usa cada modalidad, cuándo se detiene la optimización por descuento, qué umbral permite ascender, quién controla facturación y cuota, y cómo se recalcula tras un cambio de precio. Así el control de costes se convierte en un proceso repetible.

Preguntas frecuentes

¿Cuál es el modelo de texto Gemini Flash API más barato actualmente?

El 14 de julio de 2026, gemini-2.5-flash-lite tenía la tarifa Standard más baja entre los modelos de texto comparados: $0.10 por un millón de tokens de entrada y $0.40 por un millón de salida. Es el mínimo de la tabla, no una garantía de que sea óptimo para cualquier tarea.

¿Conviene empezar con 2.5 Flash-Lite o con 3.1 Flash-Lite?

Prueba ambos con el mismo conjunto. 2.5 Flash-Lite tiene la tarifa menor; 3.1 Flash-Lite es el candidato estable y económico de generación más reciente. Elige el menos costoso que cumpla los mismos requisitos de tarea, salida y latencia.

¿Cómo se calcula el coste de una llamada a Gemini Flash?

Multiplica los tokens medios de entrada por la tarifa de entrada y los tokens medios de salida por la tarifa de salida, divide cada resultado entre un millón y suma. Para el mes, multiplica primero por el número de llamadas. Añade aparte reintentos, herramientas, Grounding, caché, impuestos y recargos aplicables.

¿Batch cuesta siempre la mitad que Standard?

Las filas compatibles consultadas muestran Batch al 50% de Standard, pero es una modalidad asíncrona para trabajo no urgente y tiene un objetivo de finalización dentro de 24 horas. Verifica soporte del modelo y úsala solo cuando esa demora encaje.

¿Flex y Batch son la misma modalidad?

No. Ambas pueden tener precios reducidos en casos compatibles, pero sus condiciones de ejecución y disponibilidad son distintas. Comprueba modelo, región y estado actual; conserva Standard para tráfico que necesita el camino interactivo normal.

¿La caché de contexto reduce toda la factura de Gemini API?

No. La caché explícita puede abaratar entrada reutilizada, pero siguen existiendo lectura de caché, almacenamiento, entrada no cacheada y salida. Solo ahorra cuando la reutilización supera esos costes residuales.

¿Cuánta cuota gratuita de Gemini API recibe un proyecto?

No existe un único número seguro para todos los proyectos. Cambia según modelo, proyecto, nivel y región. Comprueba los valores actuales en Google AI Studio y usa el análisis del nivel gratuito de Gemini API para la decisión de cuenta.

¿Gemini 3 Flash Preview es un buen valor predeterminado de producción?

No por defecto. Un Preview tiene más riesgo de cambio de comportamiento o ciclo de vida que una ruta estable. Pruébalo cuando una capacidad concreta lo justifique, conserva fallback estable y no deduzcas idoneidad de producción a partir del precio.

¿Se pueden seguir usando Gemini 2.0 Flash y Flash-Lite?

No. Google indica que ambos se cerraron el 1 de junio de 2026. Migra la ruta, el conjunto de evaluación, los identificadores de fallback y el presupuesto a modelos actuales.

¿Gemini 3.1 Flash-Lite y Flash-Lite Image son el mismo modelo?

No. gemini-3.1-flash-lite puede recibir entrada multimodal, pero devuelve texto. La generación de imágenes tiene otro identificador y otra tarifa; consulta el análisis de coste de Flash-Lite Image para ese trabajo.