Google Gemini API移动端指南：定价、限制与何时转向端侧

Google的Gemini是最便宜的主流AI API。Gemini 2.0 Flash每百万输入令牌收费$0.10，每百万输出令牌收费$0.40。这比GPT-4o-mini便宜33%。还有一个额度慷慨的免费层。

对于Android开发者，Google提供了一个原生SDK，可以直接与你的Kotlin代码集成。不需要处理REST。

这听起来很适合移动应用。以下是现实更加微妙的部分。

定价优势

Gemini Flash确实是主要供应商中按令牌推理最便宜的选择。如果能接受能力稍有降低，Flash-Lite更便宜。

免费层

Google通过Google AI Studio为Gemini API提供免费层：

• 速率限制： 每分钟15个请求
• 每日限制： 每天1,500个请求
• 令牌限制： 每分钟100万个令牌
• 无需信用卡

这对于开发和测试来说很慷慨。甚至可以支持小流量的生产应用。每天1,500个请求，大约可以服务50个MAU（每用户每天30个请求）。

但有个问题：免费层没有SLA，没有保证的正常运行时间，Google可以随时更改条款。这不是一个生产环境的基础。

原生Android SDK

Google为Android提供了Google AI Client SDK，这是所有AI供应商中最干净的移动端集成：

val model = GenerativeModel(
    modelName = "gemini-2.0-flash",
    apiKey = BuildConfig.GEMINI_API_KEY
)

// 简单生成
val response = model.generateContent("Summarize this article: $text")
println(response.text)

// 流式传输
model.generateContentStream("Draft a reply to: $email").collect { chunk ->
    responseText += chunk.text ?: ""
}

这比直接向OpenAI发REST调用更简洁。SDK处理了序列化、错误处理和流式传输。

对于iOS，有一个通过Swift Package Manager提供的Swift SDK，遵循相同的模式。

规模化成本

即使是最便宜的按令牌价格，随用户线性增长仍然会累积起来。

使用相同基线（每天3次交互，每次1,000个令牌，Gemini Flash $0.10/$0.40）：

100K MAU时，Gemini Flash加上真实成本乘数为$6,750/月。这比GPT-4o-mini（$10,125）便宜，但仍然是一笔随每个用户增长的实质性支出。

Gemini Nano：Google的端侧选项

Google有自己的端侧模型：Gemini Nano。它通过Android AICore直接在手机上运行。零API成本，零延迟。

但限制很大：

设备限制： 仅在Pixel 8/9系列和Samsung Galaxy S24/S25系列上可用。这只是Android市场的一小部分。

不支持自定义模型： 你不能微调Gemini Nano。不能使用自己的模型。你只能获得Google预配置的能力。

有限的任务： 摘要、智能回复和少数其他预定义能力。没有自定义行为的开放式文本生成。

API限制： 通过AICore API访问，与Gemini Cloud API不同。不同的集成方式，不同的能力。

对于需要跨所有Android设备使用自定义模型行为的端侧AI的开发者，Gemini Nano不是解决方案。

Gemini API vs Gemini Nano vs GGUF端侧

何时使用每种方案

Gemini API 是成本敏感型移动应用的最佳云API选择。如果你需要云API进行原型验证或低用量功能，Gemini Flash是最经济的选择。原生Android SDK使集成比竞争供应商更顺畅。

Gemini Nano 适用于应用专门面向Pixel和Samsung旗舰机，且只需要摘要或智能回复的情况。对于大多数开发者来说，设备限制使其不适合作为主要AI策略。

GGUF + llama.cpp 适用于需要跨所有设备的自定义AI行为、离线支持、隐私和零推理成本的情况。使用像Ertas这样的平台在你的领域数据上微调模型，导出为GGUF，在任何有足够内存的设备上运行。

实际路径

从Gemini Flash开始，获得最便宜的云AI验证。在开发和早期测试阶段使用免费层。从第一天起监控你的令牌使用量和每用户成本。

当你超过5,000 MAU或你的Gemini月度账单超过一次性微调成本时，就该评估端侧方案了。你的Gemini API日志包含了微调所需的训练数据。迁移路径很清晰：提取训练数据，用LoRA微调，导出GGUF，集成llama.cpp，并对比Gemini基线进行A/B测试。