Gemini 3 Pro Image Preview: API-Kosten für Repository-Änderungen nachvollziehbar schätzen
Schätzen Sie die Token-Kosten für Repository-Änderungen und Workflows zur Testverifizierung – mit expliziten Annahmen, unbekannten Preisen und einer wiederverwendbaren Berechnung.
Zusammenfassung · TL;DR
Auf Basis eines externen Referenzpreises kostet eine beispielhafte Repository-Änderung mit 10 Modellaufrufen $0.64 an Modell-Token-Kosten, vor Wiederholungen sowie Bild- und Testinfrastrukturkosten. Die veröffentlichten OneMux-Preise für dieses Modell sind unbekannt; der Betrag ist daher kein OneMux-Angebot.
Kernaussagen
- Bei Referenzpreisen von $2 pro Million Input-Tokens und $12 pro Million Output-Tokens kostet die beispielhafte Anfrage $0.064 und eine Aufgabe mit 10 Anfragen $0.64.
- Für 1.000 solcher Aufgaben beträgt die Token-Kostenschätzung vor Wiederholungen $640. Steigt das abgerechnete Token-Volumen um 10 %, erhöht sich der Betrag auf $704.
- Der OneMux-Snapshot vom 21. November 2026 weist die Input- und Output-Preise des Modells als unbekannt aus. Das veröffentlichte Verhältnis von 0.1 reicht nicht aus, um einen Preis oder einen bestätigten Rabatt zu berechnen.
- Die Quelle beschreibt das Modell als Image-Generation-Preview und berichtet, dass es als veraltet eingestuft wurde. Prüfen Sie Verfügbarkeit und Endpunktfunktionen, bevor Sie einen Repository-Workflow darauf aufbauen.
Auf dieser Seite (7)
Ein hilfreicher Planungswert für eine Repository-Änderung sind $0.64 an Modell-Token-Kosten pro Aufgabe unter den folgenden beispielhaften Annahmen: 10 Anfragen mit jeweils 20.000 Input-Tokens und 2.000 Output-Tokens. Das ist weder ein OneMux-Angebot noch eine Prognose der Kosten einer tatsächlichen Aufgabe. Die Berechnung verwendet externe Referenzpreise, setzt eine Abrechnung nach Text-Tokens voraus und schließt Bilder, Wiederholungen, Testinfrastruktur und menschliche Prüfung aus.
Dieser Kostenleitfaden stammt von OneMux, dem Herausgeber dieses Blogs. OneMux bietet über eine OpenAI-kompatible API Zugang zu KI-Modellen. Der bereitgestellte Katalog-Snapshot nennt jedoch keine Input- oder Output-Preise für dieses Modell. Klären Sie Preis und Verfügbarkeit, bevor Sie einen Workload fest einplanen.
Zuerst prüfen, ob das Modell zum Workflow passt
Eine Repository-Änderung umfasst typischerweise das Lesen relevanter Dateien, das Vorschlagen eines Patches, das Ausführen von Tests, das Untersuchen von Fehlern und gegebenenfalls das Überarbeiten des Patches. Die API-Token-Schätzung deckt die Modellaufrufe in diesem Ablauf ab; sie macht das Modell nicht zu einem Test-Runner.
Die Modellseite von Future AGI beschreibt Gemini 3 Pro Image Preview als Modell zur Bildgenerierung mit Bildeingabe. Function Calling wird dort nicht als Funktion beworben. Die bereitgestellte Quelle berichtet außerdem, dass die Preview als veraltet eingestuft wurde und neuer Traffic gestoppt worden sei; an anderer Stelle nennt sie den 25. Juni 2026 als Datum der Einstufung. Prüfen Sie den aktuellen Zugang bei dem Anbieter oder über die Route, die Sie nutzen möchten. Gehen Sie nicht davon aus, dass ein Katalogeintrag den Dienst garantiert.
Verwenden Sie für einen Code-und-Test-Ablauf einen separaten Runner oder eine Orchestrierungsschicht, um Änderungen anzuwenden, Tests auszuführen und ausgewählte Ausgaben an das Modell zurückzugeben. Ob ein bestimmter Endpunkt die Nachrichten, Bildeingaben und Antwortparameter unterstützt, die Ihre Integration benötigt, muss anhand seiner Dokumentation geprüft werden. Die Quelle enthält keine gemessene Leistung bei der Codebearbeitung oder Testverifizierung; die Qualität für diese Aufgabe ist daher unbekannt. Wenn der automatisierte Aufruf von Tools unverzichtbar ist, lohnt sich die Prüfung eines Modells, für das Tool Calling dokumentiert ist.
Preis-Snapshot und vergleichbare Einheiten
Der OneMux-Katalog-Snapshot wurde am 21. November 2026 erfasst. Er enthält für dieses Modell keine verwendbaren offiziellen Token-Preise oder OneMux-Token-Preise. Die externe Referenzseite nennt Google AI-Preise für Text-Tokens und gibt an, dass ihre Preisangaben am 22. Oktober 2026 überprüft wurden. Betrachten Sie diese Preise als beispielhafte Referenz, nicht als unabhängig bestätigte aktuelle Anbieterpreise oder als OneMux-Preise.
| Preisposition | Veröffentlichter Wert | Abrechnungseinheit oder Einschränkung |
|---|---|---|
| Offizieller Input, OneMux-Snapshot | Unbekannt | Kein Token-Preis angegeben |
| Offizieller Output, OneMux-Snapshot | Unbekannt | Kein Token-Preis angegeben |
| OneMux-Input | Unbekannt | Kein Token-Preis angegeben |
| OneMux-Output | Unbekannt | Kein Token-Preis angegeben |
| Von OneMux veröffentlichtes Preisverhältnis | 0.1 | Veröffentlichtes Verhältnis; aus unbekannten Preisen lässt sich kein tatsächlich erzielter Rabatt berechnen |
| Externer Referenzpreis für Input | $2.00 | Pro 1 Million Input-Tokens |
| Externer Referenzpreis für Output | $12.00 | Pro 1 Million Output-Tokens |
Der OneMux-Modelleintrag und die aktuelle Preisseite bieten sich an, um nach aktualisierten Informationen zu suchen. Unbekannte Preise sind nicht gleich null. Wenden Sie das veröffentlichte Verhältnis nicht auf die Preise des Drittanbieters an: Die bereitgestellten Informationen belegen nicht, dass sich daraus ein gültiger OneMux-Preis ergibt.
Die externe Quelle nennt außerdem Batch-Preise von $1.00 pro Million Input-Tokens und $6.00 pro Million Output-Tokens sowie $0.134 pro Bild. Ob der Workload für Batch-Verarbeitung infrage kommt und welche Bedingungen für die Bildabrechnung gelten, ist hier nicht geklärt. Die Quelle führt Prompt Caching als unterstützt auf, nennt aber weder einen Cache-Preis noch genügend Details, um Einsparungen zu berechnen. Die folgende Schätzung geht von den Standardpreisen für nicht zwischengespeicherte Text-Tokens und von keinen generierten Bildern aus.
Kosten einer testverifizierten Änderung berechnen
Dies ist ein beispielhafter Workload, kein gemessener Durchlauf:
- Eine Aufgabe ist eine Repository-Änderung, die einen Ablauf zur Testverifizierung durchläuft – unabhängig davon, ob die Tests bestehen.
- Für die Aufgabe werden zehn Modellanfragen abgerechnet. Jede sendet 20.000 Input-Tokens, einschließlich relevantem Code und ausgewählter Testausgaben, und erhält 2.000 Output-Tokens.
- Für alle Anfragen gelten die oben genannten externen Standardpreise für Input und Output. Im Basisfall gibt es keine Cache-Rabatte, Bildkosten, Wiederholungen oder Batch-Preise.
- Die Tests werden separat ausgeführt. Rechenleistung, Speicher, Netzwerk, Orchestrierung und Entwicklerzeit sind ausgeschlossen.
| Einheit | Input-Berechnung | Output-Berechnung | Gesamt |
|---|---|---|---|
| Eine Anfrage | 20.000 ÷ 1.000.000 × $2 = $0.040 | 2.000 ÷ 1.000.000 × $12 = $0.024 | $0.064 |
| Eine Aufgabe mit 10 Anfragen | $0.040 × 10 = $0.400 | $0.024 × 10 = $0.240 | $0.640 |
| 1.000 Aufgaben | $0.400 × 1.000 = $400 | $0.240 × 1.000 = $240 | $640 |
Multiplizieren Sie für eine Monatsprognose den Betrag pro Aufgabe mit der Zahl der in diesem Monat erwarteten Aufgaben. Bei beispielsweise 1.000 Aufgaben im Monat ergeben sich geschätzte Modell-Token-Kosten von $640. Das ist keine vollständige Monatsrechnung.
Wenn Wiederholungen und zusätzliche Gesprächsschritte das Volumen sowohl der Input- als auch der Output-Tokens bei gleichen Preisen um 10 % erhöhen, steigt der Beispielbetrag von $640 auf $704. Dies ist ein Szenario, keine beobachtete Wiederholungsrate. Fehlgeschlagene Anfragen können anders abgerechnet werden; nutzen Sie die tatsächlichen Nutzungsdaten des Anbieters, statt anzunehmen, dass jeder Fehler kostenlos ist oder vollständig berechnet wird.
Die Schätzung mit dem eigenen Repository nachvollziehen
- Den Aufgabenrahmen festlegen. Zählen Sie von der ersten Anfrage mit Repository-Kontext bis zur letzten Anfrage, in der Testergebnisse geprüft werden. Erfassen Sie, ob die Aufgabe erfolgreich war, fehlgeschlagen ist oder abgebrochen wurde; andernfalls können niedrige Kosten pro Aufgabe unerledigte Arbeit verdecken.
- Die abgerechnete Nutzung für jede Anfrage erfassen. Halten Sie Input- und Output-Tokens getrennt fest, einschließlich weiterer Gesprächsschritte und abgerechneter Wiederholungen. Wenn keine Nutzungsdaten verfügbar sind, kennzeichnen Sie Token-Zahlen als Schätzungen und nicht als Rechnungswerte.
- Die beiden Token-Kategorien getrennt bepreisen. Multiplizieren Sie die Input-Tokens mit dem geltenden Input-Preis und die Output-Tokens mit dem Output-Preis und teilen Sie beide Ergebnisse jeweils durch eine Million. Summieren Sie die Kosten über die Aufgabe und teilen Sie anschließend die Gesamtsumme durch die Anzahl der Aufgaben, um die durchschnittlichen Kosten pro Aufgabe zu erhalten.
- Ausgeschlossene Kosten separat ergänzen. Berücksichtigen Sie die Test-Runner-Infrastruktur, Bildgenerierung, gegebenenfalls Gateway-Gebühren und alle anderen abgerechneten Dienste. Addieren Sie $0.134 pro Bild nicht automatisch zu den Token-Output-Kosten: Die bereitgestellte Quelle erklärt nicht, wie diese Kosten zusammenspielen.
- Gleiches mit Gleichem vergleichen. Verwenden Sie für ein anderes Modell dieselben Aufgaben, Abschlusskriterien und Abrechnungsgrenzen. Berichten Sie die Kosten pro bearbeiteter Aufgabe und pro Aufgabe, die die ausgewählten Tests besteht; für Letzteres ist die Zahl der bestandenen Aufgaben erforderlich, nicht nur das Anfragevolumen.
Zwei praktische Fehlerfälle verdienen besondere Aufmerksamkeit. Erstens kann das wiederholte Senden eines gesamten Repositorys oder ungekürzter Test-Logs dazu führen, dass die Zahl der Input-Tokens mit jedem Gesprächsschritt wächst. Senden Sie gegebenenfalls relevante Dateien und Fehlerauszüge, bewahren Sie aber genügend Kontext für die Fehlerdiagnose. Zweitens ist ein Patch, der einen eng gefassten Test besteht, nicht zwangsläufig korrekt: Legen Sie die Testauswahl und eine gegebenenfalls erforderliche menschliche Prüfung ausdrücklich fest.
Die bereitgestellten Quellen widersprechen sich bei der Kontextkapazität: Future AGI nennt 131.072 Tokens, während der OneMux-Katalog 1M angibt. Keiner der beiden Werte sollte ohne Prüfung der aktuellen Dokumentation als Grenze für die vorgesehene Route betrachtet werden. Die Kontextkapazität ist zudem kein Zielwert für die Ausgaben; größere Prompts können die Kosten erhöhen, auch wenn sie in den Kontext passen.
Fazit
Nutzen Sie $0.64 pro beispielhafter Aufgabe als nachvollziehbares Referenzpreis-Szenario, nicht als Produktpreis. Prüfen Sie vor dem Einsatz, ob die Preview verfügbar ist, beschaffen Sie routenspezifische Preise und Limits und messen Sie vollständige Aufgabenabläufe – einschließlich Wiederholungen und Testergebnissen.
Quellen
- Future AGI: Gemini 3 Pro Image preview – Referenzpreise, beschriebene Funktionen und Informationen zur Einstufung als veraltet; laut Seite wurden die Preisangaben am 22. Oktober 2026 überprüft.
- OneMux: Gemini 3 Pro Image Preview – Modelleintrag; der bereitgestellte Katalogpreis-Snapshot wurde am 21. November 2026 erfasst.
Veröffentlichter Preis-Snapshot
Am 2026-11-21T12:00:06.177Z aus dem veröffentlichten OneMux-Katalog erfasst. Die Preise behalten die Abrechnungseinheiten der Website bei; dies ist kein Live-Benchmark. Staffel-, Cache- oder zeitbasierte Abrechnung kann abweichen. Unbekannte Werte sind nicht gleich null.
| Modell | Offizieller Input | Offizieller Output | OneMux-Input | OneMux-Output | Veröffentlichtes Preisverhältnis |
|---|---|---|---|---|---|
| Gemini 3 Pro Image Preview | Unbekannt | Unbekannt | Unbekannt | Unbekannt | 0.1 |
Aktuelle OneMux-Preise. Vergleichen Sie Workload-Kosten nur, wenn Input, Output und Abrechnungseinheiten übereinstimmen; die Bedingungen für Preisstaffeln finden Sie auf der jeweiligen Modellseite.
FAQ
Was kostet eine Repository-Änderung mit Gemini 3 Pro Image Preview?
Im beispielhaften Szenario kosten 10 Anfragen mit jeweils 20.000 Input- und 2.000 Output-Tokens bei den externen Referenzpreisen von $2 pro Million Input-Tokens und $12 pro Million Output-Tokens insgesamt $0.64. Wiederholungen, Bildkosten und Testinfrastruktur sind nicht enthalten; es handelt sich nicht um ein OneMux-Angebot.
Kann Gemini 3 Pro Image Preview Repository-Tests selbst ausführen?
Die bereitgestellte Quelle bewirbt Function Calling für das Modell nicht. Verwenden Sie einen separaten Test-Runner oder eine Orchestrierungsschicht und prüfen Sie die unterstützten Parameter und Funktionen des vorgesehenen Endpunkts.
Sind die OneMux-Preise für Gemini 3 Pro Image Preview bekannt?
Der bereitgestellte OneMux-Snapshot vom 21. November 2026 weist sowohl die Input- als auch die Output-Preise als unbekannt aus. Das veröffentlichte Verhältnis von 0.1 allein belegt weder einen tatsächlichen Preis noch einen erzielten Rabatt.
Enthält die Schätzung generierte Bilder oder zwischengespeicherte Tokens?
Nein. Sie geht von einer Abrechnung nicht zwischengespeicherter Text-Tokens und von keinen generierten Bildern aus. Die Quelle nennt einen Bildpreis und Unterstützung für Prompt Caching, aber die bereitgestellten Informationen reichen nicht aus, um deren kombinierte Abrechnung in diesem Workflow zu berechnen.
Ähnliche Artikel
Guides
Gemini 3.1 Flash Image API-Kosten: Workload-Schätzung und Checkliste für Incidents
Schätzen Sie die API-Kosten für Gemini 3.1 Flash Image preview anhand expliziter Token-Annahmen und untersuchen Sie Kosten- und Zuverlässigkeitsvorfälle mithilfe von Signalen auf Anfrageebene.
Guides
GPT Image 2.6 API-Kosten für Repository-Änderungen: eine nachvollziehbare Schätzung
Schätzen Sie die Bildgenerierungskosten für Repository-Änderungen und berücksichtigen Sie Kosten für Programmierung, Verifizierung und Wiederholungsversuche sowie unbekannte Anbieterpreise separat.
Guides
Gemini 3 Pro Image Preview: API-Kosten für die Beantwortung von Dokumentfragen
Kosten für die Beantwortung von Dokumentfragen anhand expliziter Token-Annahmen, vergleichbarer Preiseinheiten und einer reproduzierbaren Monatsrechnung schätzen.
Guides
Grok Imagine Image 2.0: API-Kosten für Repository-Änderungen mit Testverifizierung schätzen
Schätzung der Bildgenerierungskosten für einen Workflow mit Repository-Änderungen – einschließlich ausdrücklicher Annahmen zu Überarbeitungen, visuellen Prüfungen und Testverifizierung.