Um segundo de vídeo 720p do Gemini Omni 1.1 Flash custa cerca de US$0,10. Esse é o valor indicado pela página de preços do Google e a base para planejar seus custos. Não há camada gratuita: o primeiro clipe gerado durante a leitura da documentação será cobrado.
O Google cobra por tokens, não por duração. Entender esse mecanismo revela as principais alavancas de custo — e gerar rascunhos em 360p pode reduzir os gastos de iteração em dois terços.
A tabela de preços
| Item | Preço |
|---|---|
| Entrada (texto, imagem, vídeo, áudio) | US$1,50 por 1M de tokens |
| Saída de texto | US$9,00 por 1M de tokens |
| Saída de vídeo | US$17,50 por 1M de tokens |
| Camada gratuita | Nenhuma |
Essas taxas se aplicam ao gemini-omni-1.1-flash, modelo GA lançado em 27 de agosto de 2026, e ao endpoint gemini-omni-flash-preview, que será descontinuado. Veja o que foi lançado na versão GA para conhecer os recursos.
Como a saída de vídeo se converte em tokens
O Google cobra a saída de vídeo por tokens. Um segundo de vídeo 720p equivale a 5.792 tokens de saída:
5.792 tokens x (US$17,50 / 1.000.000) = US$0,1014 por segundo
Assim:
- Um clipe 720p de 10 segundos custa aproximadamente US$1,01.
- Uma cena de 40 segundos, criada com quatro chamadas de extensão, custa aproximadamente US$4,06 em saída.
- Cada turno também cobra os tokens de entrada usados para ler o contexto anterior.
A entrada é barata em comparação. A US$1,50 por milhão de tokens, imagens de referência e vídeos anexados representam pouco perto do custo da saída. Em vez de otimizar o tamanho do prompt, otimize a duração e a resolução do vídeo gerado.
A alavanca do 360p
O Google gera visualizações em 360p por um terço do custo do 720p e até 60% mais rápido. Um rascunho de 10 segundos custa aproximadamente US$0,34, contra US$1,01 em 720p.
A iteração de prompts para vídeo costuma exigir várias tentativas. Uma sessão realista pode ter doze tentativas antes da aprovação de uma tomada:
| Fluxo de trabalho | 12 rascunhos | 1 renderização final | Total |
|---|---|---|---|
| Tudo em 720p | US$12,17 | US$1,01 | US$13,18 |
| Rascunho em 360p, final em 720p | US$4,06 | US$1,01 | US$5,07 |
O resultado é o mesmo, mas o segundo fluxo reduz os gastos em 62% e acelera a iteração.
Defina resolution como 360p em response_format durante os testes e aumente a resolução apenas quando o prompt estiver correto. O guia da API mostra o formato da requisição.
As camadas 1080p e 4K são upscales dos quadros gerados, não renderizações nativas, e custam mais que 720p. Antes de orçar um pipeline 4K, confira os valores atuais por segundo na página de preços do Google. Essas camadas chegaram com o lançamento GA, e os preços publicados são a autoridade.
Quanto custa estender uma cena
Uma cena de 40 segundos não é uma única requisição: são uma geração e mais três chamadas de extensão. Cada chamada cobra seus próprios 10 segundos de saída, além do contexto anterior enviado como entrada.
Em 720p, uma cena completa de 40 segundos custa cerca de US$4,06 em saída. Se uma tentativa se desviar da história, será necessário regenerar a partir do segmento que falhou.
Rascunhe todo o arco em 360p por cerca de US$1,35, confirme a continuidade nos quatro segmentos e só então faça a renderização final. O guia de extensão de cena detalha os pontos em que as extensões costumam falhar.
Comparação com o Veo 3.1
Os dois modelos usam a mesma chave de API Gemini, o que pode esconder a diferença de preço:
| Modelo | 720p por segundo | 4K por segundo | Camada gratuita |
|---|---|---|---|
| Gemini Omni 1.1 Flash | ~US$0,10 | Camada de upscale; consulte a página de preços | Não |
| Veo 3.1 | US$0,40 | US$0,60 | Não |
| Veo 3.1 Fast | US$0,10 | US$0,30 | Não |
| Veo 3.1 Lite | US$0,05 | Não disponível | Não |
O Veo 3.1 padrão custa cerca de quatro vezes mais que um segundo do Omni em 720p. O Veo 3.1 Lite é mais barato que o Omni.
O preço por segundo, porém, não é o único fator:
- O Veo gera áudio nativo.
- O Veo permite extensões de até 7 segundos por vez, chegando a 148 segundos.
- O Omni oferece um loop de edição conversacional sem equivalente no Veo.
A comparação completa mostra qual modelo usar em cada tarefa. Se você já utiliza o Veo, este guia de integração continua válido.
Três formas de gastar demais
Renderizar novamente em resolução total para verificar uma pequena mudança. Ao ajustar uma cláusula do prompt, use 360p para validar o resultado. Reserve 720p para a versão final.
Gerar em produção algo que poderia ser armazenado em cache. A saída de vídeo é determinística o suficiente para reutilização. Armazene o arquivo gerado e indexe-o pelo prompt e pelos parâmetros. Regenerar o mesmo clipe duas vezes é desperdício.
Repetir após um timeout sem verificar o estado. A geração de vídeo é lenta, e um timeout do cliente não significa que a geração falhou. Se a lógica de repetição for acionada apenas pelo timeout, você poderá pagar duas vezes pelo mesmo clipe. Aumente o timeout e verifique se existe uma interação concluída antes de tentar novamente.
Teste esse comportamento antes de chegar à produção. Salve a requisição no Apidog com um timeout realista, valide o formato da resposta e execute-a deliberadamente. Configure também um alerta de gastos no Google Cloud.
Estimando a fatura mensal
Comece pelos segundos finalizados e aplique a proporção de rascunhos:
custo mensal = segundos_finalizados x US$0,10
+ segundos_rascunho x US$0,034
Para uma equipe que entrega 5 minutos de vídeo finalizado em 720p por mês, com uma proporção de rascunho para final de 10:1 em 360p:
300 segundos finalizados x US$0,10 = US$30,00
3.000 segundos de rascunho x US$0,034 = US$102,00
-------
US$132,00
O rascunho domina a fatura mesmo custando um terço do preço, porque seu volume é dez vezes maior. Para reduzir esse valor, diminua o número de tentativas por versão aprovada — com prompts melhores e controle de keyframes — em vez de tentar baratear a renderização final.
FAQ
O Gemini Omni 1.1 Flash é gratuito?
Não pela API. Não há camada gratuita para o Omni, embora o modelo seja gratuito no YouTube Shorts e no YouTube Create. O resumo de acesso gratuito explica essas opções. Modelos de texto do Google, como o Gemini 3.6 Flash, ainda oferecem uma faixa gratuita com limite de taxa pelo AI Studio.
Quanto custa um vídeo de 10 segundos?
Cerca de US$1,01 em 720p ou US$0,34 em 360p.
Por que o vídeo é cobrado em tokens?
O Google precifica toda a saída do modelo em tokens para manter um padrão consistente. A saída de vídeo 720p equivale a 5.792 tokens por segundo, cobrados a US$17,50 por milhão de tokens de saída.
Imagens de entrada e clipes de referência custam extra?
Sim. Eles custam US$1,50 por milhão de tokens de entrada, valor insignificante perto da saída de vídeo. A mídia de referência não é o principal item a otimizar.
O 4K vale a pena?
Apenas para entregas finais. Como 1080p e 4K são upscales, eles não acrescentam detalhes que o modelo não gerou. Apenas aumentam o tamanho do arquivo e o custo.
Uma geração com falha ainda é cobrada?
Uma geração que retorna vídeo é cobrada. Rejeições por filtro de conteúdo e erros que não produzem saída não deveriam ser cobrados, mas monitore o painel de faturamento durante a primeira semana de um novo pipeline.
A economia depende mais de disciplina do que de truques: rascunhe barato, use cache agressivamente, configure timeouts adequados e mantenha uma requisição salva por tipo de tarefa. Assim, você perceberá quando uma atualização do modelo mudar o que recebe pelos seus US$0,10. Baixe o Apidog para validar essa operação antes que a fatura indique um problema.
