La Gemini API è il modo più diretto per portare i modelli AI di Google dentro un’applicazione, un gestionale o un flusso di lavoro aziendale: si ottiene una API key gratuita in pochi minuti da Google AI Studio, si paga solo ciò che si consuma e si accede alla stessa famiglia di modelli che alimenta l’app Gemini. Eppure è proprio qui che molti progetti si arenano: tra piani gratuiti con quote poco chiare, un listino che cambia da modello a modello e prezzi introduttivi con una data di scadenza, capire quanto costerà davvero la propria integrazione non è banale. In questa guida vediamo come ottenere la API key di Gemini, quanto costa ogni modello a settembre 2026, come fare la prima chiamata in Python e quali meccanismi usare per tenere i costi sotto controllo.
Cos’è la Gemini API e cosa puoi costruirci
La Gemini API espone via HTTP i modelli linguistici di Google: gli stessi che trovi nell’app consumer, ma controllabili da codice. La differenza rispetto all’abbonamento è strutturale: con Google AI Pro paghi un canone fisso per usare Gemini tu, con l’API paghi a consumo perché sia il tuo software a usarlo — un chatbot sul sito, un classificatore di email, un sistema che estrae dati dalle fatture o un agente che risponde ai clienti.
Chi è studente universitario può saltare del tutto il canone consumer: Google offre Gemini Pro gratis per studenti per un anno, con gli stessi modelli dell’app Pro.
Se ti interessa il quadro completo dell’ecosistema — app, piani consumer, modelli e integrazioni — lo trovi nella nostra guida completa a Gemini. Qui entriamo invece nel percorso sviluppatore: API key, listino e prima chiamata.
Come si ottiene la API key di Gemini?
Il punto di partenza è Google AI Studio (aistudio.google.com), l’interfaccia gratuita di Google per prototipare con i modelli Gemini. Il percorso richiede meno di cinque minuti:
- Accedi ad AI Studio con un account Google;
- Apri la sezione Get API key e crea una chiave, associandola a un progetto Google Cloud nuovo o esistente;
- Copia la chiave e conservala in un gestore di segreti o in una variabile d’ambiente — mai nel codice sorgente né in repository pubblici;
- Testa subito la chiave dal playground di AI Studio, senza scrivere una riga di codice.
La stessa chiave funziona per tutti i modelli disponibili via API. Se in seguito il progetto cresce, potrai passare a Vertex AI su Google Cloud senza riscrivere la logica: cambiano autenticazione e governance, non i modelli.
Il free tier della Gemini API: cosa puoi fare gratis
La Gemini API ha un piano gratuito reale, non una semplice trial: i modelli Flash restano disponibili senza pagare, con quote ridotte su richieste al minuto e al giorno. Per sviluppare, testare un prototipo o far girare un piccolo strumento interno è più che sufficiente, e non serve nemmeno inserire una carta di credito.
I limiti del free tier diventano un problema solo in produzione: le quote si esauriscono in fretta con traffico reale, e i termini d’uso del piano gratuito consentono a Google di utilizzare i dati inviati per migliorare i propri servizi — un punto da valutare con attenzione se tratti dati aziendali o personali. Il passaggio al piano a pagamento risolve entrambe le questioni. La logica ricorda quella del piano gratuito dell’app Gemini: perfetto per iniziare, stretto per lavorarci sul serio.
Prezzi Gemini API 2026: il listino modello per modello
Il listino ufficiale a settembre 2026, per milione di token:
| Modello | Input (1M token) | Output (1M token) | Cache |
|---|---|---|---|
| Gemini 3.8 Flash | $0,75* | $3,75* | $0,075* |
| Gemini 3.7 Flash | $0,75* | $3,75* | $0,075* |
| Gemini 3.6 Flash | $0,75* | $3,75* | $0,075* |
| Gemini 3.5 Flash | $1,50 | $9,00 | $0,15 |
| Gemini 3.5 Flash-Lite | $0,30 | $2,50 | $0,03 |
| Gemini 3.1 Flash-Lite | $0,25 | $1,50 | $0,025 |
| Gemini 3.1 Pro (≤200K contesto) | $2,00 | $12,00 | $0,20 |
| Gemini 3.1 Pro (>200K contesto) | $4,00 | $18,00 | $0,40 |
| Gemini 3 Flash | $0,50 | $3,00 | $0,05 |
* Prezzo introduttivo valido fino al 31 dicembre 2026.
Il prezzo introduttivo che scade e l’anomalia 3.5 Flash
Due trappole del listino meritano attenzione. La prima: le tariffe di 3.8, 3.7 e 3.6 Flash sono introduttive e raddoppiano dal 1° gennaio 2027, a $1,50 in input e $7,50 in output. Se stai costruendo un business case, fallo con i prezzi del 2027, non con quelli di oggi: è la differenza tra un margine reale e uno che scade a Capodanno.
La seconda: Gemini 3.5 Flash, oggi legacy, costa il doppio di 3.7 Flash in input e più del doppio in output. Chi ha integrato il modello a maggio 2026 e non ha più aggiornato la configurazione sta pagando due volte tanto per prestazioni inferiori. È il primo controllo da fare sul proprio account.
Quale modello Gemini scegliere per iniziare
La regola pratica è partire dal modello più economico che regge il tuo caso d’uso, e salire solo se i risultati non bastano:
- Flash-Lite per compiti semplici e ad alto volume: classificazione, estrazione di campi, routing di richieste;
- Flash come cavallo da lavoro: chatbot, riassunti, generazione di testo, flussi agentici — la versione attuale è Gemini 3.8 Flash;
- Pro quando servono ragionamento profondo o contesti molto lunghi: analisi di documenti complessi, codebase, contratti.
Il vantaggio dell’API è che il cambio modello è una riga di configurazione: puoi misurare qualità e costo di due modelli sullo stesso traffico reale e decidere con i numeri alla mano.
Primi passi con la Gemini API: la prima chiamata in Python
L’SDK ufficiale (google-genai) è disponibile per Python, JavaScript, Go e altri linguaggi. In Python bastano tre righe:
pip install google-genaifrom google import genai
client = genai.Client() # legge GEMINI_API_KEY dall'ambiente
risposta = client.models.generate_content(
model="gemini-3.8-flash",
contents="Riassumi in tre punti i vantaggi del context caching."
)
print(risposta.text)La chiave va impostata come variabile d’ambiente GEMINI_API_KEY: l’SDK la legge da solo, e il codice resta pulito e pubblicabile. Da qui in avanti, la documentazione ufficiale su ai.google.dev copre streaming, conversazioni multi-turno e input multimodali (immagini, audio, PDF).
Le primitive che contano: function calling, structured output, grounding
Oltre alla generazione di testo, la Gemini API offre i mattoni che trasformano un prototipo in un’applicazione reale. Il function calling collega il modello a strumenti e API esterne: è la base di qualsiasi agente. Lo structured output restituisce risposte in JSON validato contro uno schema, indispensabile quando l’output alimenta un altro sistema. Il grounding con Google Search ancora le risposte a fonti web verificabili, riducendo le allucinazioni. La Live API, infine, gestisce esperienze vocali bidirezionali a bassa latenza.
Sono queste primitive, più del modello in sé, a determinare quanto velocemente un team passa dal prototipo alla produzione: valgono più punti di benchmark di qualsiasi classifica.
Come tenere sotto controllo i costi della Gemini API
Tre meccanismi permettono di abbattere la bolletta anche di un ordine di grandezza. Il context caching fa costare l’input in cache circa un decimo dell’input normale: ideale quando molte richieste condividono lo stesso contesto, come un manuale, una codebase o un system prompt lungo. Il batch processing e la modalità Flex scontano del 50% i carichi non urgenti — perfetti per pipeline notturne di classificazione o arricchimento dati. E il free tier resta la scelta giusta per sviluppo e test, senza toccare il budget.
Il confronto con la concorrenza va fatto sul proprio carico reale, non sul listino: per riferimento, abbiamo analizzato con lo stesso metodo i costi delle API di Claude. E se il dubbio è tra API e abbonamento consumer, i conti li trovi nella guida a quanto costa Gemini Pro.
Quanto costa la Gemini API in pratica: due scenari
Il listino per milione di token dice poco finché non lo si cala su un carico reale. Primo scenario: un chatbot di assistenza che gestisce 10.000 conversazioni al mese, con una media di sei scambi per conversazione e un contesto che cresce a ogni turno. Parliamo di circa 150 milioni di token in input e 18 in output al mese: con Gemini 3.8 Flash sono circa 180 dollari al mese. Attivando il context caching sul system prompt e sulla knowledge base, la stessa cifra scende attorno ai 130 dollari.
Secondo scenario: una pipeline di classificazione che smista 500.000 email al mese, 600 token in ingresso e 20 in uscita ciascuna. Con Flash-Lite il conto è di circa 115 dollari; spostando il lavoro sul batch processing, che non ha requisiti di latenza, lo sconto del 50% lo porta sotto i 60 dollari. La morale è sempre la stessa: il modello giusto e la modalità giusta pesano più del prezzo di listino. Rifare questi conti con le tariffe 2027 resta comunque l’esercizio più importante prima di firmare qualsiasi budget.
Gli errori più comuni con la Gemini API
Quattro sbagli si ripetono con regolarità nei progetti che vediamo. Il primo è la API key nel codice: una chiave committata in un repository, anche privato, è una chiave compromessa — va tenuta in variabili d’ambiente o in un secret manager, e ruotata se esposta. Il secondo è restare su un modello legacy: come visto sopra, chi è fermo a 3.5 Flash paga il doppio per prestazioni inferiori. Il terzo è costruire il business case sul prezzo introduttivo senza considerare il raddoppio del 2027. Il quarto è non impostare budget alert su Google Cloud: l’API a consumo non ha un tetto naturale, e un bug in un loop può trasformarsi in una fattura a quattro cifre in una notte.
Quando la API key non basta: Vertex AI e la via enterprise
La API key di AI Studio è perfetta per prototipi, strumenti interni e applicazioni di piccola scala. Quando entrano in gioco requisiti enterprise — residenza dei dati, IAM aziendale, SLA, audit — il percorso naturale è Vertex AI su Google Cloud, che espone gli stessi modelli dentro la governance della piattaforma. Per i flussi di lavoro agentici Google ha aggiunto Antigravity, mentre per chi sviluppa app mobili l’integrazione passa da Android Studio.
La buona notizia è che l’investimento fatto sull’API non si butta: modelli, prompt e primitive restano gli stessi, cambia il contenitore.
Dal primo prototipo all’agente in produzione
Ottenere una API key e fare la prima chiamata è questione di minuti; portare in produzione un sistema che usa Gemini in modo affidabile, sicuro e con costi prevedibili è un altro mestiere. Serve scegliere il modello giusto per ogni compito, impostare caching e fallback, misurare qualità e spesa, e integrare il tutto con i sistemi aziendali esistenti — il percorso che abbiamo descritto nella guida completa a Gemini vale per l’app, ma in produzione le decisioni pesano il doppio.
È esattamente il lavoro che facciamo con Mimír AI Agent: una piattaforma di agenti AI agnostica rispetto ai modelli, che permette di usare Gemini, Claude o GPT dove ciascuno rende di più, dentro un’architettura con governance, sicurezza e costi sotto controllo. Se stai valutando di portare l’AI nei tuoi processi, provala gratis o parla con noi.
FAQ
La Gemini API è gratuita?
Sì, esiste un free tier reale: i modelli Flash sono utilizzabili gratis con quote ridotte su richieste al minuto e al giorno, senza carta di credito. Per la produzione serve il piano a pagamento, che rimuove i limiti e cambia le condizioni sull’uso dei dati.
Come ottengo una API key di Gemini?
Da Google AI Studio (aistudio.google.com): accedi con un account Google, apri la sezione Get API key e crea la chiave associandola a un progetto Google Cloud. Richiede meno di cinque minuti e la chiave funziona per tutti i modelli disponibili via API.
Quanto costa Gemini 3.8 Flash via API?
A settembre 2026 costa 0,75 dollari per milione di token in input e 3,75 in output. È però un prezzo introduttivo: dal 1° gennaio 2027 raddoppia a 1,50 e 7,50 dollari, quindi conviene fare i conti sul listino 2027.
Che differenza c’è tra Google AI Studio e Vertex AI?
AI Studio è l’ambiente gratuito per prototipare e ottenere la API key, adatto anche a piccole applicazioni in produzione. Vertex AI espone gli stessi modelli dentro Google Cloud con IAM, residenza dei dati, SLA e audit: è la via enterprise.
Posso usare la stessa integrazione con modelli diversi?
Sì: il cambio modello è una riga di configurazione. È buona pratica misurare qualità e costo di due modelli sullo stesso traffico reale, e piattaforme model-agnostic come Mimír AI Agent permettono di combinare Gemini, Claude e GPT nello stesso sistema.
