What is a long-context pricing 'cliff'?

A pricing cliff is different from ordinary marginal or tiered pricing, where only the tokens above a threshold cost more while everything below stays at the base rate. With a cliff, crossing the threshold reprices the ENTIRE request — every input and output token in that call — not just the tokens over the line. That means a request at 200,001 input tokens can cost meaningfully more than one at exactly 200,000 tokens, not just a fraction of a cent more for that single extra token. This calculator models that specific mechanic, since a normal flat per-token estimate misses it entirely.

Does Gemini 2.5 Pro really reprice the whole request?

Yes. Any single API call to Gemini 2.5 Pro whose input exceeds 200,000 tokens bills at the higher $2.50 per 1M input / $15 per 1M output rate on the WHOLE call — both the input and the output tokens — not a blended or marginal rate applied only to the excess. This is documented in Gemini's published pricing, but it is easy to miss when you're estimating costs from the headline '$1.25 per 1M input tokens' figure, which only applies to requests at or under the 200K-token threshold.

Why is my actual bill higher than a simple token-count estimate?

This calculator computes what it calls 'surcharge exposure' — the gap between your real blended cost and a naive estimate that applies the base rate uniformly to every request regardless of size. That naive estimate understates real cost whenever any real share of your requests cross the length threshold, because it has no way to know those long requests get repriced entirely at the higher tier rather than just the tokens over the line. The more of your workload sits over the threshold, the bigger that hidden gap gets.

How can I reduce cliff-pricing costs?

Trim your prompts to stay just under the threshold. Better context management — retrieval instead of stuffing full documents into the prompt, summarizing conversation history, dropping stale context — can keep a request under the cliff and avoid the whole-request repricing entirely. Because the cliff reprices the full request rather than just the excess tokens, a fairly small reduction in prompt size can produce a much bigger saving than the token count alone would suggest, precisely because it avoids crossing the line rather than just shrinking what's on one side of it.

Calcolatore dei prezzi a scaglioni per contesto lungo: 200K Cliff di Gemini 2.5 Pro

Calcolatore dei prezzi a scaglioni per contesto lungo ("Cliff").

✓ Ultima verifica: 2026-08-11· Le tariffe indicate sono indicate come valori predefiniti illustrativi, non come quotazioni in tempo reale· Stima di riferimento — segnalare il cambiamento →

Alcuni modelli non valutano marginalmente il contesto lungo: utilizzano una soglia rigida o "scogliera": Gemini 2.5 Pro fattura a $ 1,25 / $ 10 per 1 milione di token di input/output per richieste con 200.000 token di input o meno, ma se l'input di una singola richiesta supera tale soglia, l'INTERA richiesta (tutti i suoi token di input E output) fattura alla tariffa più alta di $ 2,50 / $ 15, non solo i token oltre la linea. Un carico di lavoro che combina richieste brevi e lunghe presenta pertanto un costo misto reale significativamente più elevato di quello mostrato da una stima forfettaria. Questo è diverso dal nostro calcolatore dei costi della finestra di contesto, che modella il costo fisso per token di un modello in base alla dimensione del contesto senza meccanica del cliff, e dal Prezzi del livello LLM E Livello di servizio LLM calcolatori, che modellano livelli Batch/Flex/Priority basati sulla latenza piuttosto che scogliere di prezzo basate sulla lunghezza. Questo strumento analizza la suddivisione del carico di lavoro tra richieste sotto e oltre soglia e mostra il costo mensile misto reale, l'"esposizione al sovrapprezzo" nascosta rispetto a una stima forfettaria ingenua e il risparmio disponibile riducendo le richieste lunghe appena sotto la soglia. Vedi anche il Calcolatore dei costi API Gemini per i prezzi generali Gemini su tutti i modelli.

Ripartizione dei costi in base al carico di lavoro

Prezzo delle richieste brevi normalmente alla tariffa base; le richieste lunghe costano la loro INTERA chiamata - input e output - al tasso di cliff più alto. La riga ingenua mostra cosa presupporrebbe una stima forfettaria e la riga tagliata mostra lo scenario in cui le richieste lunghe vengono compresse appena sotto la soglia.

Riga

Richieste

Costo/richiesta

Totale parziale

Come si collega ad altri strumenti

Questo calcolatore prezza una meccanica specifica: una soglia di lunghezza rigida in cui il suo superamento riprezza un'intera richiesta, non solo i token oltre la linea. Questo è diverso dal nostro calcolatore dei costi della finestra di contesto, che modella un costo per token uniforme e fisso in base alle dimensioni del contesto e non ha alcuna logica di cliff o soglia: utilizza questo strumento se il modello a cui stai fissando il prezzo applica la stessa tariffa indipendentemente dalla lunghezza della richiesta. È anche diverso da Calcolatore dei prezzi per livelli LLM E Calcolatore del livello di servizio LLM, quali livelli di servizio Batch/Flex/Priority basati sulla latenza sono una scelta che fai per richiesta sulla velocità con cui hai bisogno di una risposta, non una conseguenza della durata della tua richiesta. Se desideri prezzi Gemini generali per tutte le dimensioni dei modelli senza escludere la meccanica del dirupo, consulta il Calcolatore dei costi API Gemini. Questa pagina esiste perché una visualizzazione fissa per token della tariffa principale di $ 1,25 di Gemini 2.5 Pro non comprende completamente il costo reale una volta che qualsiasi quota di un carico di lavoro supera i 200.000 token di input.

Come funziona questa calcolatrice

IL Calcolatore dei prezzi a scaglioni per contesto lungo ("Cliff"). divide il volume delle tue richieste mensili in due gruppi utilizzando il quota di richieste oltre la soglia: richieste brevi, prezzo normalmente al tasso di base per i loro token di input e output e richieste lunghe, il cui input supera il soglia del contesto e che quindi valutano la loro INTERA chiamata - ogni token di input e output - più alto tasso lungo. Con i valori predefiniti (10.000 richieste al mese, 20% oltre la soglia di 200.000 token, short = 60.000 in ingresso / 2.000 in uscita, long = 350.000 in ingresso / 5.000 in uscita, base $ 1,25/$ 10, long $ 2,50/$ 15), si tratta di 8.000 richieste short a $ 0,095 ciascuna (totale parziale di $ 760) e 2.000 richieste lunghe a $ 0,95 ciascuna (totale parziale di $ 1.900), per un costo mensile misto reale di $2,660.

Per mostrare cosa mancherebbe con un normale calcolatore forfettario, lo strumento calcola anche a stima ingenua che applica la tariffa base a ogni richiesta indipendentemente dalle dimensioni, con un valore predefinito pari a $ 1.735, il che significa che il costo reale comporta un costo nascosto esposizione a sovrapprezzo di $ 925, circa il 53,3% in più rispetto a quanto suggerirebbe il numero ingenuo. Infine, lo strumento modella a scenario di assetto: quanto costerebbero le richieste lunghe se compresse appena sotto la soglia (1.000 token sotto di essa) mantenendo la stessa dimensione di output - ai valori predefiniti che riducono il costo delle richieste lunghe abbastanza da risparmiare $1,302.50 al mese, che è il vero vantaggio di mantenere le richieste sotto un precipizio piuttosto che ridurle leggermente.

Domande frequenti

Che cos'è un "precipizio" dei prezzi a lungo contesto?

Un pricing cliff è diverso dai normali prezzi marginali o scaglionati, in cui solo i token al di sopra di una soglia costano di più mentre tutto ciò che è al di sotto rimane al tasso base. Con un dislivello, attraversare la soglia rivaluta l'INTERA richiesta - ogni token di input e output in quella chiamata - non solo i token sulla linea. Ciò significa che una richiesta di 200.001 token di input può costare significativamente di più di una richiesta di 200.000 token esatti, non solo una frazione di centesimo in più per quel singolo token extra. Questo calcolatore modella quella meccanica specifica, dal momento che una normale stima fissa per token la manca completamente.

Gemini 2.5 Pro rivaluta davvero l'intera richiesta?

SÌ. Qualsiasi singola chiamata API a Gemini 2.5 Pro il cui input supera i 200.000 token viene fatturata alla tariffa più alta di $ 2,50 per 1 milione di input / $ 15 per 1 milione di output sull'INTERA chiamata - sia i token di input che quelli di output - non una tariffa combinata o marginale applicata solo all'eccesso. Ciò è documentato nei prezzi pubblicati di Gemini, ma è facile non vederlo quando si stimano i costi dal titolo "$ 1,25 per 1 milione di token di input", che si applica solo alle richieste pari o inferiori alla soglia di 200.000 token.

Perché la mia fattura effettiva è superiore a una semplice stima del conteggio dei token?

Questo calcolatore calcola quella che chiama "esposizione al sovrapprezzo": il divario tra il costo misto reale e una stima ingenua che applica la tariffa base in modo uniforme a ogni richiesta indipendentemente dalle dimensioni. Questa stima ingenua sottovaluta il costo reale ogni volta che una quota reale delle tue richieste supera la soglia di lunghezza, perché non ha modo di sapere che quelle richieste lunghe verranno rivalutate interamente al livello più alto piuttosto che solo ai token oltre la linea. Quanto più il carico di lavoro supera la soglia, tanto maggiore diventa il divario nascosto.

Come posso ridurre i costi da cliff-pricing?

Riduci i tuoi suggerimenti in modo che rimangano appena sotto la soglia. Una migliore gestione del contesto – il recupero invece di inserire documenti completi nel prompt, riassumendo la cronologia delle conversazioni, eliminando il contesto obsoleto – può mantenere una richiesta sotto il precipizio ed evitare completamente la ridefinizione del prezzo dell’intera richiesta. Poiché il cliff rivaluta l'intera richiesta anziché solo i token in eccesso, una riduzione abbastanza piccola della dimensione del prompt può produrre un risparmio molto maggiore di quanto suggerirebbe il solo conteggio dei token, proprio perché evita di oltrepassare la linea anziché semplicemente ridurre ciò che c'è da un lato di essa.