Acabo de captar el último movimiento de Google con su estrategia de precios de la API Gemini para 2026, y en realidad es bastante interesante desde la perspectiva de un desarrollador. Esencialmente están construyendo una escala de precios que se ajusta a diferentes casos de uso en lugar de forzar a todos a una sola opción.

Así que esto es lo que lanzaron: básicamente cinco niveles. El nivel Priority es el que llamó mi atención primero: cuesta entre un 75 y un 100% más que las tarifas estándar, pero obtienes tiempos de respuesta de milisegundos a segundos. Ese es el nivel para tus tareas críticas, bots de atención al cliente que no pueden permitirse retrasos, sistemas de detección de fraude donde la velocidad importa. Tiene sentido.

Luego tienes el extremo opuesto. Los niveles Flexible y Batch tienen ambos la mitad del precio. Flexible es para aplicaciones que no se preocupan por la latencia, Batch maneja tus trabajos de procesamiento de datos pesados. Si estás ejecutando operaciones en masa o cargas de trabajo no sensibles al tiempo, ese descuento del 50% es bastante sustancial.

Lo que es interesante de la estructura de precios de la API Gemini de Google es el nivel Cache: está diseñado para escenarios de instrucciones complejas y de alta frecuencia. Pagas en función del conteo de tokens y la duración del almacenamiento, que es un modelo diferente a los otros. Está optimizado para situaciones en las que estás accediendo a la API repetidamente con solicitudes similares.

Todo esto parece indicar que Google está tratando de resolver un problema real. No todas las aplicaciones necesitan lo mismo, ¿verdad? Algunas necesitan velocidad, otras volumen, otras eficiencia en costos. Al ofrecer estos niveles de servicio distintos, básicamente están diciendo "elige lo que realmente se ajusta a tu caso de uso" en lugar de pagar por funciones premium que no necesitas.

Desde una perspectiva de mercado, este tipo de precios flexibles para servicios de API se está convirtiendo en algo estándar. Los desarrolladores están siendo más inteligentes respecto a los costos de infraestructura, y las plataformas que te permiten optimizar según tus necesidades reales tienden a ganar adopción. Vale la pena observar cómo se desarrolla esto en el espacio más amplio de servicios de inferencia de IA.