Количество вызовов Gemini API выросло в 4 раза: что выбрать разработчикам — Argon, Flash или Flash-Lite? Руководство по выбору из трёх моделей

Примечание автора: Alphabet сообщила, что её API собственных моделей обрабатывает почти 32 миллиарда токенов в минуту. В этой статье мы сравним Gemini 4 Argon, 3.8 Flash и 3.5 Flash-Lite с помощью официальных цен, независимых тестов и моделирования расходов — и разберёмся, сколько на самом деле стоит каждое успешно выполненное задание.

28 октября 2026 года генеральный директор Alphabet Сундар Пичаи сообщил в отчёте за третий квартал, что API собственных моделей компании сейчас обрабатывает почти 32 миллиарда токенов в минуту — более чем в 4 раза больше, чем годом ранее. Эта цифра отражает общий спрос на Gemini API среди разработчиков и компаний, а не результат какой-то одной модели.

Это не очередная статья с советом «просто берите самую мощную модель». По мере роста числа вызовов вопросы стоимости и выбора модели становятся всё важнее. Если выбрать неподходящую модель, ежемесячный счёт может вырасти в несколько раз. А если её возможностей окажется недостаточно, придётся повторять запросы — и в итоге расходы тоже вырастут.

Что вы узнаете: прочитав статью, вы поймёте, чем три модели Gemini — Argon, Flash и Flash-Lite — отличаются по возможностям, цене, скорости и сценариям применения. Мы также предложим готовый способ протестировать модели на ваших бизнес-задачах и сделать предварительный выбор.

Резкий рост использования Gemini API: главное

Что 32 млрд токенов в минуту значат для разработчиков Gemini API

Резкий рост использования показывает, что модели уже широко применяются в работающих продуктах. Но это не значит, что каждому проекту нужна самая дорогая флагманская модель. При выборе стоит учитывать сложность задачи, требования к качеству ответа, количество запросов, скорость отклика, расход токенов, допустимость ошибок для бизнеса, необходимость длинного контекстного окна и вызова инструментов, а также возможные изменения цен.

Обратите внимание: в этой статье под Flash подразумевается Gemini 3.8 Flash, а под Flash-Lite — Gemini 3.5 Flash-Lite. Не путайте их с более ранней серией Gemini 2.5 Flash. Кроме того, каким бы большим ни был объём вызовов во всём мире, это не означает, что квоты отдельных разработчиков не ограничены. О лимитах вызовов мы поговорим отдельно ниже.

Позиционирование трёх моделей Gemini: Argon, Flash и Flash-Lite

Google предлагает три уровня моделей для задач с разными требованиями к стоимости и возможностям. Таблица составлена по официальным страницам со спецификациями моделей:

Возможности и ограничения трёх моделей Gemini

Argon официально вышла 13 октября 2026 года. Модель предназначена прежде всего для сложных задач разработки ПО, математических и научных рассуждений, автономных многошаговых агентов и генерации длинных ответов. Для длинного вывода нужны специальный механизм и настройки выполнения — это не значит, что модель может сразу вернуть 1 млн токенов в каждом запросе.

3.8 Flash умеет рассуждать — это не «дешёвая версия, которая не думает». Она подходит для обычных помощников по программированию, анализа длинных документов, написания текстов и типовых рабочих процессов с агентами. 3.5 Flash-Lite вышла 21 июля 2026 года и оптимизирована для классификации, перевода, простого извлечения данных, разбора документов и несложных подзадач внутри агентов. Она также справляется с некоторыми задачами программирования и рассуждения. От более продвинутых моделей её отличают прежде всего возможности и стабильность при решении сложных задач, а также соотношение стоимости и результата.

Официальные цены Gemini API: разница в стоимости Argon, Flash и Flash-Lite

Ниже приведены официальные цены стандартного платного тарифа Gemini Developer API в долларах за 1 миллион токенов. Наценки сторонних платформ, корпоративные контракты и плата за вызов инструментов не учитываются.

По текущим ценам входные токены Argon примерно в 2,67 раза дороже, чем у Flash, а входные токены Flash — в 2,5 раза дороже, чем у Flash-Lite. Выходные токены Argon стоят в 4 раза дороже, чем у Flash-Lite. Сейчас на Argon и Flash действуют промо-цены: они заканчиваются 30 ноября и 31 декабря 2026 года соответственно, после чего тарифы удвоятся. При расчёте годового бюджета для долгосрочных проектов нужно учитывать цены после повышения.

Есть ещё одна деталь, которую легко упустить: Google тарифицирует токены внутреннего рассуждения модели как выходные. Итоговый счёт зависит не только от длины ответа, который видит пользователь: высокий уровень рассуждения может заметно увеличить расходы на выходные токены. Если задача не требует ответа в реальном времени, можно использовать Batch API: входные и выходные токены всех трёх моделей обойдутся на 50% дешевле стандартного тарифа. Однако режим выполнения и ограничения очереди отличаются от запросов в реальном времени.

Независимые тесты и сравнение скорости трёх моделей Gemini

Данные взяты с независимой платформы Artificial Analysis. Все оценки рассчитаны по единой системе Intelligence Index v5.0 — результаты старой версии v4.x здесь не используются:

Чтобы правильно понять эти данные, стоит учесть три момента:

• Индекс — не доля правильных ответов: 50, 31 и 12 — это баллы внутри системы оценки, а не процент правильных ответов.
• На сложных задачах разница заметна: в тестах на сложное программирование и автоматизацию лидирует Argon, за ней идёт Flash, а Flash-Lite показывает более скромные результаты. Но это не значит, что Argon лучше справится с любой простой бизнес-задачей: для классификации или форматирования текста возможностей всех трёх моделей может быть достаточно.
• Скорость нельзя напрямую пересчитать во время выполнения: скорость вывода зависит от состояния сервиса, а на общее время также влияют время на размышление, задержка первого токена, вызовы инструментов, очередь и состояние сети.

💡 О сравнении: результаты тестов показывают лишь примерную разницу в возможностях моделей. Окончательный ориентир — их результаты на ваших задачах. Через APIYI apiyi.com можно переключаться между тремя моделями Gemini с одним API-ключом и сравнить их на собственных данных.

Расчёт стоимости Gemini API: насколько отличаются счета за Argon, Flash и Flash-Lite

Ниже приведён теоретический пример, а не реальный счёт. Предположим, что выходные токены включают все токены, потраченные на рассуждения, а затраты на кеширование, поисковые инструменты и повторные попытки не учитываются. Расчёт выполнен по стандартным тарифам на октябрь 2026 года:

Сценарий B показывает только разницу в цене при одинаковом расходе токенов. На практике модели тратят разное количество токенов на рассуждения, выдают ответы разной длины и требуют разного числа повторных попыток. Нельзя просто считать, что Flash-Lite за $80 обеспечит то же качество, что и Argon за $400. Кроме того, после окончания промоакции для Argon и Flash суммы в этих двух столбцах удвоятся.

Анализ влияния: почему при оценке Gemini API нельзя смотреть только на цену токенов

Что это значит для разработчиков

У «цены» модели есть как минимум три уровня. Первый — цена за токен. Второй — фактический расход токенов на задачу, включая ввод, вывод, рассуждения, повторную передачу контекста и повторные попытки. Третий — полная стоимость выполнения задачи с приемлемым результатом. Здесь также нужно учитывать долю успешных попыток, ручную проверку, повторные попытки после ошибок, время выполнения и возможные потери для бизнеса из-за ошибок.

Если Flash-Lite уже соответствует требованиям бизнеса при простой классификации, переход на Argon будет пустой тратой денег. И наоборот: если Flash-Lite раз за разом не справляется со сложной задачей программирования, а Argon решает её за меньшее число попыток, то в целом Argon может оказаться выгоднее. Это условный пример принципа выбора модели, а не статистический вывод о доле успешных попыток трёх моделей.

Отзывы сообщества тоже обращают внимание на эту проблему. Один пользователь Reddit применял Argon High для реверс-инжиниринга в среде OpenCode: за один запуск было потрачено около 900 тысяч токенов, но задача так и не была выполнена. Это личный опыт, и его нельзя считать средним показателем по отрасли. Тем не менее он напоминает: сложные агентные сценарии могут расходовать огромное количество токенов без гарантии успеха. Другой пользователь сообщил, что при использовании Argon в потребительской подписке быстро достигает лимита. Однако этот опыт относится к подписке Gemini и не означает, что те же лимиты действуют в Developer API.

Что это значит для отрасли

• Многоуровневая архитектура с несколькими моделями становится стандартом: Google Cloud уже рассказал об оркестрации нескольких моделей и Smart Routing — распределение задач между моделями помогает компаниям снижать расходы.
• Фокус оценки смещается с «цены за единицу» на «стоимость задачи с приемлемым результатом»: чем больше объём вызовов, тем важнее выбирать модель на основе тестового набора бизнес-задач, а не ориентироваться на рейтинги.
• Период бюджетного планирования сокращается: сроки действия промоцен постепенно истекают, поэтому командам нужно каждый квартал пересматривать набор моделей и бюджет.

Как разработчику выбрать между Argon, Flash и Flash-Lite

Универсально лучшей модели нет — выбор зависит от задачи и результатов тестирования:

1. Массовая классификация данных (например, распределение 100 тысяч новостей об ИИ по категориям «релизы», «обновления», «цены», «политика»): начните с Flash-Lite. Если точность и соблюдение формата на тестовой выборке не соответствуют требованиям, переходите на 3.8 Flash.
2. Структурирование длинных документов (преобразование финансовых отчётов и технической документации в таблицы фактов): начните с 3.8 Flash. Она лучше понимает содержание, чем Lite, и стоит дешевле Argon. Для поиска противоречий между документами и сложных рассуждений подключайте Argon.
3. Сложные проекты по разработке (изучение больших кодовых баз, многоэтапный рефакторинг): начните с Argon. По официальному позиционированию и независимым тестам программирования она сильнее, но успешность, выполнение действий с инструментами и затраты всё равно нужно проверить на реальном проекте.
4. Массовый простой перевод: начните с Flash-Lite. Для узкоспециализированных текстов, например юридических или медицинских, обязательно нужна дополнительная проверка качества. Низкая цена — не повод использовать перевод без проверки человеком.
5. Корпоративные агенты: не стоит ограничиваться одной моделью. Flash-Lite можно поручить классификацию, извлечение данных и стандартизацию формата, 3.8 Flash — обычное планирование и многоэтапные рабочие процессы, а Argon — сложные рассуждения и поиск причин проблем. Это рекомендуемый инженерный подход, а не обязательное требование Google.

🎯 Рекомендация: главное в многоуровневой маршрутизации — возможность без лишних затрат переключаться между тремя моделями. APIYI apiyi.com предоставляет OpenAI-совместимый интерфейс: чтобы сменить модель, достаточно изменить параметр model. Это удобно для небольших сравнительных тестов.

Быстрый старт: вызов трёх моделей Gemini через API

Минимальный пример

Для вызова можно использовать OpenAI SDK. Чтобы переключиться между Argon, Flash и Flash-Lite, достаточно изменить model:

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # APIYI OpenAI 兼容接口
)

resp = client.chat.completions.create(
    model="gemini-3.5-flash-lite",
    messages=[{"role": "user", "content": "把这条新闻分类为：模型发布/产品更新/价格变化/行业政策"}]
)
print(resp.choices[0].message.content)
print(resp.usage)  # 以实际计费 Token 为准，而非可见字数

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

# Google 官方标准价（美元/100万Token，2026年10月），仅用于估算
PRICE = {
    "gemini-3.5-flash-lite": (0.30, 2.50),
    "gemini-3.8-flash": (0.75, 3.75),    # 2027-01-01 起翻倍
    "gemini-4-argon": (2.00, 10.00),     # 2026-12-01 起翻倍
}
TIERS = ["gemini-3.5-flash-lite", "gemini-3.8-flash", "gemini-4-argon"]

def estimate_cost(model: str, usage) -> float:
    pin, pout = PRICE[model]
    # completion_tokens 应包含思考 Token，具体以返回字段为准
    return usage.prompt_tokens / 1e6 * pin + usage.completion_tokens / 1e6 * pout

def run(prompt: str, start_tier: int = 0, validator=None):
    """从低档模型开始，不合格则升级一档，记录每次成本"""
    total = 0.0
    for model in TIERS[start_tier:]:
        resp = client.chat.completions.create(
            model=model,
            messages=[{"role": "user", "content": prompt}],
        )
        text = resp.choices[0].message.content
        cost = estimate_cost(model, resp.usage)
        total += cost
        print(f"{model}: tokens={resp.usage.total_tokens}, cost≈${cost:.5f}")
        if validator is None or validator(text):
            return {"model": model, "output": text, "total_cost": total}
    return {"model": None, "output": None, "total_cost": total}

result = run(
    "从以下文本抽取公司名和金额，输出JSON：...",
    validator=lambda t: t.strip().startswith("{"),
)
print(result)

🚀 Быстрый старт: рекомендуем сначала получить бесплатный тестовый лимит для новых пользователей на APIYI apiyi.com и сравнить модели всех трёх уровней на 100–300 типичных примерах. Затем выберите уровень по умолчанию для рабочего окружения. Учтите, что цены, лимиты и поддержка кэширования на сторонних платформах могут отличаться от условий прямого доступа к Google. Ориентируйтесь на действующие правила платформы.

Что учесть перед запуском Gemini API

• Ограничения запросов: Gemini API ограничивает число запросов в минуту (RPM), токенов в минуту (TPM) и запросов в день (RPD). Лимиты действуют на уровне проекта, а не отдельного ключа. Превышение любого из них вызовет ошибку.
• Токены размышления: стоимость вывода включает токены размышления. Проверяйте метаданные использования и не оценивайте стоимость по длине видимого ответа.
• Кэширование: Argon поддерживает только неявное кэширование, но не явное. Flash и Flash-Lite поддерживают кэширование, а его стоимость зависит от конфигурации.
• Данные на бесплатном уровне: они могут использоваться для улучшения продукта. Не отправляйте конфиденциальные корпоративные данные через бесплатный уровень и перед запуском проверьте условия предоставления сервиса.
• Метрики тестирования: фиксируйте долю успешных запросов, фактическую точность, соответствие структуре, число галлюцинаций, среднюю и хвостовую задержку, фактическое число токенов, количество повторных попыток и стоимость успешно выполненной задачи. Уровни размышления по умолчанию различаются, поэтому указывайте в отчёте фактически использованную конфигурацию.

Частые вопросы о выборе модели Gemini API

Выбор Gemini API: главное

• Контекст: API собственных моделей Google обрабатывают почти 32 млрд токенов в минуту. Это общий показатель роста, а не результат одной модели.
• Три уровня моделей: Argon решает сложные задачи на рассуждение, 3.8 Flash — сбалансированный вариант для основных задач, а Flash-Lite подходит для лёгких задач с высокой нагрузкой.
• Разница в цене: текущий тариф на входящие токены — $2 / $0,75 / $0,30 соответственно. После окончания акции цены на Argon и Flash удвоятся.
• Как читать результаты тестов: показатели AA v5.0 — 50 / 31 / 12. Это значения индекса, а не процент правильных ответов; на простых задачах разница может быть незаметна.
• Скрытые расходы: токены рассуждений учитываются как выходные. Кэширование, повторные попытки и использование инструментов тоже влияют на итоговый счёт.
• С чего начать: в APIYI apiyi.com можно переключаться между тремя моделями с одним API-ключом и сравнить их на 100–300 примерах.

Итоги

Резкий рост числа вызовов Gemini API показывает, что большие языковые модели уже используются в производственных системах в крупном масштабе. Но главный вопрос при выборе модели остаётся прежним:

1. Подбирайте модель под задачу: для классификации и перевода сначала попробуйте Flash-Lite, для структурирования документов — 3.8 Flash, для сложного кода и продвинутых агентов — Argon.
2. Считайте стоимость успешно выполненной задачи: оптимизировать нужно общую стоимость каждой задачи с приемлемым результатом, а не искать самую низкую цену за миллион токенов.
3. Следите за сроками акции: для Argon она заканчивается 30 ноября, для Flash — 31 декабря. Рассчитывайте бюджет с учётом будущих цен.

Разработчикам нужны не обязательно самые мощные или самые дешёвые модели, а сочетание моделей, которое стабильно решает бизнес-задачи по приемлемой цене. Для начала можно сравнить все три модели на бесплатном лимите через APIYI apiyi.com, а затем определить стратегию маршрутизации запросов в производственной среде.

📚 Источники

1. Обращение CEO в отчёте Alphabet за III квартал 2026 года: источник данных о 32 млрд токенов в минуту
2. Ссылка: blog.google/company-news/inside-google/message-ceo/alphabet-earnings-q3-2026/

3. Описание: контекст новости и первоначальная публикация данных о росте использования API

4. Официальные цены Gemini API: стандартные цены, цены на кэширование и Batch для трёх моделей

5. Ссылка: ai.google.dev/gemini-api/docs/pricing

6. Описание: сроки действия акционных цен и правила тарификации токенов рассуждения

7. Документация по моделям Gemini: Argon / 3.8 Flash / 3.5 Flash-Lite

8. Ссылка: ai.google.dev/gemini-api/docs/models/gemini-4-argon

9. Описание: контекстное окно, лимит вывода, уровни рассуждения и возможности работы с инструментами

10. Сравнение моделей Artificial Analysis: независимые сторонние тесты v5.0

11. Ссылка: artificialanalysis.ai/models/comparisons/gemini-4-argon-vs-gemini-3-8-flash

12. Описание: сводный индекс, специализированные бенчмарки и результаты измерения скорости

13. Лимиты вызовов Gemini API и механизм рассуждения: RPM/TPM/RPD и настройки рассуждения

14. Ссылка: ai.google.dev/gemini-api/docs/rate-limits

15. Описание: квоты и правила для токенов рассуждения, с которыми стоит ознакомиться перед запуском

16. Оркестрация нескольких моделей в Google Cloud: Smart Routing и управление расходами на агентов

17. Ссылка: cloud.google.com/blog/products/ai-machine-learning/welcome-to-gemini-at-work-2026
18. Описание: официальный подход к многоуровневой маршрутизации для компаний

Автор: техническая команда APIYI
Технические вопросы: свяжитесь с нами через главную страницу сайта APIYI. Дополнительные материалы по подключению доступны в центре документации docs.apiyi.com

Читайте также

• Мировая модель Google заговорила: Genie 4 озвучивает мир по мере генерации и позволяет общаться с его обитателями: Google DeepMind выпустила модель мира Genie 4 27 октября 2026 года; в статье рассмотрены четыре её новые возможности, распределение задач с Gemini, текущая доступность, официально признанные ограничения и то, что сейчас могут сделать читатели в Китае.
• Разбор релиза GPT-6.1 Terra: позиционирование четырёх моделей семейства GPT-6 в одном обзоре: GPT-6.1 Terra заняла средний сегмент семейства GPT-6; в статье на основе официальных данных и независимых тестов рассмотрены различия в позиционировании моделей Astra, Sol, Terra и Luna и подходы к их выбору.
• Релиз Gemini 4 Carbon: сколько ещё разработчикам ждать доступа?: Gemini 4 Carbon выпущен 28 октября 2026 года, но публичного API пока нет; в статье на основе четырёх временных ориентиров и поэтапного допуска Fairwind прогнозируется доступность для разработчиков и предлагаются альтернативы, которые можно использовать уже сейчас.
• Разбор релиза Gemini 4 Argon: лимит вывода в 1 млн, 77,9% в DeepSWE и 6 ключевых особенностей: Подробный разбор официальной публикации Google о Gemini 4 Argon: лимит вывода в 1 млн токенов, пробные тарифы $2/$10, результаты тестов, включая 77,9% в DeepSWE, сравнение с GPT-6 Astra и Claude Opus 5.5, поэтапный график запуска Fairwind и рекомендации разработчикам по подготовке к интеграции уже сейчас.
• Руководство по настройке интенсивности рассуждений Gemini 4 Argon: по умолчанию medium, а не high; 3 способа, включая настройку в Cherry Studio: По умолчанию уровень рассуждений Gemini 4 Argon — medium, а не high, в отличие от gemini-3.1-pro-preview, у которого по умолчанию выбран максимальный уровень; в статье подробно разбираются три значения thinking_level, соответствие reasoning_effort, настройка пользовательских параметров в Cherry Studio и распространённые проблемы, такие как усечение max_tokens и ошибки 400.