Vertex-AI-Preise erklärt

Vertex AI Preise für die Gemini-Modelle sind je Million Tokens, Eingabe und Ausgabe zu verschiedenen Sätzen je Modell, mit zwischengespeicherter Eingabe zu einem Zehntel des Eingabesatzes, einem höheren Satz über 200.000 Tokens Kontext bei den Pro-Modellen, Audio-Eingabe zu eigenem Satz und Batch zum halben Preis; bereitgestellter Durchsatz ersetzt die Token-Abrechnung durch Generative AI Scale Units je Stunde über eine Woche, einen Monat, drei Monate oder ein Jahr; Context-Cache-Speicher kostet je Million Token-Stunden; Tuning je Trainings-Token und das Hosting eines getunten Modells je Stunde; eigene Modelle zahlen Node-Stunden für Training und Vorhersage-Endpunkte, Vector Search Node-Stunden und Indexspeicher, und Cloud Storage und BigQuery für das, was die Modelle lesen und schreiben. Auf der Rechnung dominieren Ausgabe-Tokens bei Chat und Generierung, weil sie das Vier- bis Sechsfache der Eingabe kosten, und Vorhersage-Endpunkte bei eigenen Modellen, weil ein Node seine Stunde zahlt, ob Anfragen kommen oder nicht.

Preisdimensionen

Google bepreist ein Foundation-Modell nach den Tokens, die es durchlaufen, und ein eigenes Modell nach der Maschine, die es bedient; jedes Modell, jede Modalität, Stufe und jeder Endpunkt hat seine eigene SKU, und der globale Endpunkt trägt den Basissatz, regionale Endpunkte ab dem 2026-07-01 rund zehn Prozent darüber für die Gemini-3-Modelle.

Das Modell ist der Preis: Ein Flash-Modell kostet je Token einen Bruchteil eines Pro-Modells, und innerhalb eines Modells kostet der Ausgabe-Token das Vier- bis Sechsfache der Eingabe, so dass ein Chat mit langen Antworten vor allem für sie zahlt und eine Extraktionsaufgabe, die viel liest und wenig schreibt, vor allem für die Eingabe. Kontext ist Eingabe bei jedem Aufruf, der ganze Verlauf, Systemprompt und Dokumente aufs Neue, weshalb die Pro-Modelle den Satz über 200.000 Tokens anheben und weshalb Caching sich lohnt: Ein zwischengespeichertes Präfix kostet je Token ein Zehntel plus eine Speichergebühr je Stunde seines Bestehens, so dass ein Dokument, dem in einer Stunde zehn Fragen gestellt werden, zwischengespeichert weniger kostet als neu gesendet. Batch halbiert beide Sätze für alles, was warten kann, und bereitgestellter Durchsatz verwandelt den Token-Preis in eine Reservierung je Scale Unit und Stunde, die sich nur lohnt, wenn die Einheiten ausgelastet sind, weil sie kosten, ob Tokens fließen oder nicht. Eigene Modelle sind die umgekehrte Ökonomie: Ein Endpunkt zahlt seinen Node jede Stunde und die erste Anfrage so viel wie die millionste, so dass ein Modell, das wenige Anfragen bedient, mehr kostet als dieselbe Arbeit auf einem Gemini-Modell je Token. Die Mechanik aller drei Anbieter erklärt KI- und Machine-Learning-Dienste; was die Preisliste eines Modells bedeutet, Modellpreise und Rate Cards; was das AWS-Gegenstück kostet, Bedrock- und SageMaker-Preise.

So erscheint es in den Abrechnungsdaten

Im Abrechnungsexport tragen die Zeilen service.description Vertex AI und eine sku.description je Modell, Modalität und Art: Gemini 2.5 Pro Text Input Tokens, Gemini 2.5 Pro Text Output Tokens, Gemini 2.5 Flash Cached Input Tokens, Gemini 2.5 Flash Audio Input Tokens, Gemini 2.5 Pro Batch Text Input Tokens für Batch, Gemini 2.5 Pro Long Context Text Input Tokens für den Satz über 200.000, Generative AI Scale Unit je Stunde für bereitgestellten Durchsatz, Context Cache Storage je Token-Stunde, Vertex AI Online Prediction mit Maschinentyp und Region für Endpunkte, Vertex AI Training für Jobs, Vector Search Serving Node; usage.unit ist Anzahl für Tokens, Stunde für Einheiten und Nodes. resource.name im Export mit Ressourcendetails nennt den Endpunkt oder den Tuning-Job, bei den Gemini-Modellen aber nichts, was Anwendungen unterscheidet: Alle Tokens eines Modells aus einem Projekt summieren sich zu einer Zeile, und die Zuordnung zu Anwendungen, Kunden oder Features braucht ein Projekt je Anwendung, die Labels der Anfrage, wo die API sie annimmt, oder die eigene Token-Zählung der Anwendung je Kunde, wie KI-Kostenzuordnung beschreibt.

Rabatte stehen in credits: Ein Commitment auf bereitgestellten Durchsatz oder ein Flexible Savings Plan erscheint als COMMITTED_USAGE_DISCOUNT oder FEE_UTILIZATION_OFFSET neben den Zeilen, die es deckt, und Promotionsguthaben für neue Modelle als PROMOTION. Den Aufbau des Exports beschreibt Google-Cloud-Abrechnungsexport; im FOCUS-Export trägt ServiceName Vertex AI, ServiceCategory AI and Machine Learning, SkuId die SKU, PricingCategory Standard oder Committed und CommitmentDiscountId das Commitment (FOCUS-Spalten). Was der Export nicht trägt, sind die Anfragezahl oder die Tokens je Anfrage; die Vertex-AI-Metriken und die Anfrageprotokolle, wenn eingeschaltet, halten sie.

Stellhebel

Konfiguration: Der erste Hebel ist das Modell je Aufgabe, weil ein Flash-Modell einen Bruchteil eines Pro-Modells kostet und für Klassifikation, Extraktion und Zusammenfassung reicht; der zweite der Prompt, weil jeder Aufruf den ganzen Kontext zahlt und ein gekürzter Verlauf, ein kürzerer Systemprompt und weniger Beispiele die Eingabe bei jedem Aufruf senken; der dritte Caching für wiederholte Präfixe und Batch für alles, was warten kann, wie Caching, Batching und Routing beschreibt. Die Ausgabelänge ist der vierte: Ein Maximum an Ausgabe-Tokens und ein Format, das nach der Antwort fragt, nicht nach dem Aufsatz, halbiert die teuersten Tokens (Tokens, Anfragen und Kontext).

Kaufoption: Bereitgestellter Durchsatz für eine gleichmäßige, latenzempfindliche Last, deren Scale Units ausgelastet bleiben, über die Laufzeit, für die die Last sicher ist; der Flexible Savings Plan, wo die Ausgaben Dienste übergreifen; Tokens auf Abruf für alles Stoßweise, weil eine untätige Scale Unit ihre Stunde kostet (Commitment-Strategie).

Architektur: Gemini-Modelle für alles, was ein Foundation-Modell leistet, eigene Endpunkte nur für Modelle, die kein Prompt sein können, und diese mit Autoscaling auf null Replikate, wo der Dienst es erlaubt, oder Batch-Vorhersage, wo nicht; Embeddings einmal berechnet und gespeichert, nicht je Abfrage neu; und der globale Endpunkt, wo die Datenresidenz es erlaubt, weil der regionale mehr kostet und weniger Kapazität bietet. Was die GPUs hinter eigenem Training auf Compute Engine kosten, steht unter Compute-Engine-Preise.

Wo es schiefgeht

• Der ganze Verlauf bei jedem Zug. Ein Chat, der die Konversation neu sendet, zahlt sie bei jedem Aufruf als Eingabe und überschreitet beim Pro-Modell 200.000 Tokens, wo der Satz steigt. Verlauf zusammenfassen und den Systemprompt zwischenspeichern.
• Pro für die einfache Aufgabe. Klassifikation auf einem Pro-Modell zahlt für dasselbe Label ein Mehrfaches des Flash-Preises. Nach Aufgabe routen; das Flash-Modell ist die Vorgabe.
• Die Denk-Tokens sind Ausgabe. Reasoning-Tokens werden als Ausgabe zum Ausgabesatz berechnet. Ein Denkbudget auf der Anfrage begrenzt sie.
• Bereitgestellter Durchsatz bei 20 Prozent. Scale Units zahlen ihre Stunde, ob Tokens fließen oder nicht; unter rund der Hälfte Auslastung ist Abruf günstiger. Die Token-Zeile gegen die Kapazität der Einheiten zeigt es.
• Der Endpunkt bedient zehn Anfragen am Tag. Ein Vorhersage-Endpunkt mit einem Node zahlt 730 Node-Stunden im Monat für Minuten Arbeit. Batch-Vorhersage oder ein Gemini-Aufruf ersetzt ihn.
• Der Cache, den niemand trifft. Ein expliziter Context-Cache zahlt Speicher je Token-Stunde; ein je Anfrage angelegter und nie wiederverwendeter Cache zahlt Speicher für nichts. Zwischenspeichern, was sich wiederholt, mit einer TTL, die zur Sitzung passt.
• Ein Projekt für jede Anwendung. Alle Tokens eines Modells fallen in eine Zeile. Ein Projekt je Anwendung oder die eigene Token-Zählung der Anwendung ist die einzige Zuordnung.

Beispiel

Listenpreise in USD am globalen Endpunkt, gelesen am 2026-10-21 von der Preisseite der generativen KI von Vertex AI, für eine Anfrage aus Frankfurt (europe-west3) dieselben wie von überall: Gemini 2.5 Flash kostet 0,30 USD je Million Eingabe-Tokens, 0,03 USD je Million zwischengespeicherter Eingabe-Tokens, 1,00 USD je Million Audio-Eingabe-Tokens und 2,50 USD je Million Ausgabe-Tokens; Gemini 2.5 Flash Lite 0,10, 0,01 und 0,40 USD; Gemini 2.5 Pro 1,25 USD je Million Eingabe-Tokens bis 200.000 Tokens Kontext und 2,50 USD darüber, 0,125 und 0,25 USD zwischengespeichert, 10,00 und 15,00 USD je Million Ausgabe-Tokens; Gemini 3.1 Pro Preview 2,00 und 4,00 USD Eingabe, 0,20 und 0,40 USD zwischengespeichert, 12,00 und 18,00 USD Ausgabe; Gemini 3.5 Flash 1,50 USD Eingabe, 0,15 USD zwischengespeichert und 9,00 USD Ausgabe; Batch zur Hälfte der Sätze; Context-Cache-Speicher 4,50 USD je Million Token-Stunden bei den Pro-Modellen und 1,00 USD bei den Flash-Modellen; bereitgestellter Durchsatz 7,14 USD je Scale-Unit-Stunde bei einer Woche Zusage, 3,70 USD bei einem Monat, 3,29 USD bei drei Monaten und 2,74 USD bei einem Jahr.

Eine Anwendung, die im Monat 10 Millionen Eingabe-Tokens und 2 Millionen Ausgabe-Tokens sendet, zahlt auf Gemini 2.5 Flash 3,00 plus 5,00 = 8,00 USD, auf Gemini 2.5 Pro 12,50 plus 20,00 = 32,50 USD, auf Gemini 3.1 Pro 20,00 plus 24,00 = 44,00 USD; im Batch jeweils die Hälfte. Dieselbe Last auf 2.5 Pro mit 60 Prozent der Eingabe aus dem Cache zahlt 5,00 plus 0,75 plus 20,00 = 25,75 USD plus den Speicher des Caches, ein 20.000-Token-Systemprompt über 730 Stunden 0,07 USD. Ein Chat, der bei jedem von 10.000 Zügen im Monat einen 150.000-Token-Verlauf neu sendet, zahlt 1,5 Milliarden Eingabe-Tokens, 1.875 USD auf 2.5 Pro, und 187,50 USD mit zwischengespeichertem Verlauf. Eine Scale Unit bereitgestellten Durchsatzes kostet 2.700 USD im Monat bei einem Monat Zusage und 2.000 USD bei einem Jahr, ob Tokens fließen oder nicht. Die Zahlen zeigen, dass Ausgabe-Tokens den größten Teil einer Chat-Rechnung tragen, dass die Modellwahl die Rechnung um das Fünffache und Caching um das Dreifache bewegt, und dass eine Reservierung einen ausgelasteten Monat braucht, um die Tokens zu schlagen.

Quellen

Gelesen am 2026-10-21. Preise: Vertex AI Preise für generative KI, Vertex AI Preise. Dienst: Überblick über Context Caching, Bereitgestellter Durchsatz, Batch-Vorhersage für Gemini. Abrechnungsdaten: Struktur des Standard-Exports der Cloud-Billing-Daten.