Gemini 3.5 Pro Preise: die Kosten (und was noch fehlt)

Gemini 3.5 Pro ist noch nicht live, und das ist wichtig

Klären wir das zuerst, denn die Hälfte der Seiten, die für "Gemini 3.5 Pro Preise" ranken, lässt das still unter den Tisch fallen.

Die Gemini-3.5-Familie ist gestartet, nur nicht das Pro-Mitglied. Gemini 3.5 Flash ist live und stabil, ebenso Gemini 3.5 Live Translate. Aber die Pro-Stufe hinkt eine Version hinterher. Auf der DeepMind-Gemini-Übersicht zeigt die Pro-Karte ein "3.5 Pro coming soon"-Badge über einem Modell, das noch "Gemini 3.1 Pro" heißt. Es gibt keine gemini-3.5-pro-Modell-ID in den API-Dokumenten, und keine 3.5-Pro-Zeile auf der Preisseite.

Warum die Verzögerung? Google hat öffentlich gesagt, dass 3.5 Pro länger dauert, weil an den Fähigkeiten des Modells gearbeitet wird, insbesondere beim Coding. Auf Hacker News ist die Verzögerung der lauteste Thread im Raum:

"Gegen Ende 2025 war Google an der Spitze - bestes LLM (Gemini 3 Pro), bestes Videomodell (Veo 3.1) und bestes Bildmodell (Nano Banana). Sie schienen unaufhaltsam. Und dann haben sie aufgehört."

pants2, Hacker News

Die praktische Erkenntnis: Wenn eine Seite dir einen exakten Gemini-3.5-Pro-Preis oder eine Benchmark-Tabelle liefert, ist das eine Vermutung. Die einzigen Zahlen, die es heute wert sind, für ein Budget herangezogen zu werden, sind die aktuellen Gemini 3.1 Pro-Sätze. Also werde ich diese verwenden und klar kennzeichnen, wo 3.5 Pro voraussichtlich landen wird.

Der aktuelle Pro-Preis: Gemini 3.1 Pro API-Sätze

Hier ist das Modell, für das du heute tatsächlich bezahlen würdest, wenn du auf der Pro-Stufe entwickelst. Gemini 3.1 Pro ist das einzige Familienmitglied mit kontextlängen-gestaffelten Preisen: Prompts bis 200k Tokens sind günstiger als Prompts darüber. Jedes Modell veröffentlicht außerdem vier Service-Stufen, sodass der "Pro-Preis" davon abhängt, wie du ihn aufrufst.

Alle Zahlen sind pro 1 Mio. Tokens, in USD, aus dem Abschnitt Gemini 3.1 Pro Preview von Googles Preisseite. Es gibt keine kostenlose Stufe für Pro, was erwähnenswert ist: Die kostenlose API-Stufe deckt nur Flash und Flash-Lite ab.

Ein paar Dinge, über die Leute stolpern:

• Output umfasst Thinking. Gemini 3.1 Pro ist ein Reasoning-Modell, daher werden die Tokens, mit denen es "denkt", zum Output-Satz abgerechnet. Bei einem schwierigen Prompt kann das Thinking die sichtbare Antwort in den Schatten stellen, weshalb Output das 6-Fache des Input-Preises kostet.
• Batch und Flex halbieren deine Rechnung, wenn du eine Verzögerung tolerieren kannst. Batch läuft asynchron; Flex ist für Traffic mit niedrigerer Priorität. Beide senken die Standard-Sätze von 2 $/12 $ auf 1 $/6 $.
• Priority kostet 80 % mehr für garantiert niedrige Latenz. Wenn du Live-Nutzer bedienst, bist du wahrscheinlich hier und nicht bei Standard.

Am günstigeren Ende der Familie kostet Gemini 3.5 Flash 1,50 $ Input / 9,00 $ Output auf Standard, und Gemini 3.1 Flash-Lite ist mit 0,25 $ Input / 1,50 $ Output die Budget-Option. Wenn du das komplette Raster über alle Modelle willst, hält unser Gemini-Preisvergleich die vollständige Tabelle aktuell.

Wie die Gemini 3.5 Pro Preise vermutlich aussehen werden

Google hat sie nicht veröffentlicht, also erfinde ich sie nicht. Aber das Muster über die letzten Pro-Releases hinweg war stabil: kontextgestaffelte Preise in derselben Größenordnung wie das vorherige Pro-Modell, wobei das neue Modell das alte zu ähnlichen oder leicht höheren Sätzen ersetzt. Folgt 3.5 Pro diesem Muster, ist etwas nahe der aktuellen Spanne von 2 $ bis 4 $ Input und 12 $ bis 18 $ Output zu erwarten, möglicherweise mit einem Aufschlag für eine stärkere Reasoning-Stufe. Wer gerade eine präzise 3.5-Pro-Zahl nennt, liest aus dem Kaffeesatz.

Gemini-Verbraucherpreise: die Google-AI-Pläne

Wenn du nicht auf der API entwickelst und einfach nur Gemini in der App, in Gmail und in Docs willst, bist du auf einem Google-One-AI-Plan. Google hat diese nach der I/O 2026 umbenannt, ignoriere also ältere Artikel, die "7,99 $ AI Premium" zitieren. Hier sind die aktuellen Zahlen von one.google.com:

Was auffällt: Mehr zu zahlen kauft dir vor allem mehr Nutzung desselben Pro-Modells, nicht ein klügeres. AI Plus und AI Ultra laufen beide auf Gemini 3.1 Pro; Ultra lässt dich es nur weit häufiger nutzen und schaltet Deep-Think-Reasoning frei. Wenn du ein Einzelnutzer bist, der gelegentlich an Limits stößt, ist AI Pro für 19,99 $ der Sweet Spot. Wenn du ein Team bist, das echte Arbeit kalkulieren will, sind die Verbraucherpläne nicht deine Antwort, und ich komme gleich dazu, warum.

Wie sich diese Pläne im Vergleich zum Rest des Marktes schlagen, haben wir in direkten Vergleichen aufgearbeitet: Gemini vs. Perplexity, ChatGPT vs. Gemini und eine breitere Auswahl an Gemini-Alternativen.

Gemini unternehmensweit auszurollen wird wieder anders bepreist. Wenn dein Team auf Google Workspace läuft, sind die Workspace-Preise die richtige Lektüre, und unser Gemini-3-Preisvergleich deckt die Zahlen auf Generationsebene ab.

Die API-Rechnung, die deine Kosten wirklich bestimmt

Das ist der Teil, den die meisten Preis-Beiträge auslassen, und der Teil, der zählt. Ein Preisschild von 2 $ / 1 Mio. Input-Tokens fühlt sich günstig an. Dann gehst du live, und die Rechnung sieht deiner Schätzung überhaupt nicht ähnlich. Hier kommt die Lücke her.

Gib deine eigenen Zahlen ein. Dieser Rechner nutzt die aktuellen Gemini-3.1-Pro-Standard-Sätze (die derzeitige Pro-Stufe), damit du siehst, wie Token-Volumen zu einer monatlichen Rechnung wird:

Lässt man die Standardwerte laufen mit einer support-großen Auslastung (10.000 Konversationen, ~6k Input- und ~1,5k Output-Tokens je Konversation), landet man bei etwa 440 $/Monat an Tokens und Grounding. Das ignoriert bereits die teuren Teile:

• Thinking-Tokens sind unvorhersehbar. Du kontrollierst nicht, wie lange das Modell nachdenkt, und jeder dieser Tokens wird zu Output-Sätzen abgerechnet.
• Grounding summiert sich schnell. Search Grounding ist für die ersten 5.000 Prompts pro Monat über die gesamte Gemini-3-Familie kostenlos, danach 14 $ pro 1.000 Anfragen. Eine Suche pro Ticket bei entsprechendem Volumen ist ein echter Posten.
• Wiederholungen und fehlgeschlagene Tool-Aufrufe. Das ist derjenige, der wirklich wehtut. Auf Hacker News gibt es konkrete Beschwerden zur agentischen Nutzung von Gemini:

"Es ist nicht nur unterdurchschnittlich, es ist nicht mal unter-unterdurchschnittlich. Es gerät in Schleifen und schließt eine Aufgabe 8 von 10 Malen, die ich es genutzt habe, nie ab."

dana321, Hacker News

Jede Schleife wird abgerechnet. Der Preisschild-Preis geht von einem sauberen Durchlauf aus; die Produktion liefert selten nur einen.

Wie Gemini 3.1 Pro abschneidet (da du dafür bezahlst)

Preis bedeutet nur etwas neben Fähigkeit. Gemini 3.1 Pro ist bei den Zahlen, die Google veröffentlicht, wirklich stark, und die Community bestätigt vieles davon für Nicht-Coding-Arbeit.

Bei Googles eigenen Evals führt Gemini 3.1 Pro (Thinking High) bei GPQA Diamond (94,3 %), Humanity's Last Exam (44,4 %), ARC-AGI-2 (77,1 %), LiveCodeBench Pro (2887 Elo) und BrowseComp (85,9 %). Bei SWE-Bench Verified gibt es den Spitzenplatz ab, mit 80,6 % gegenüber Claude Opus 4.6 mit 80,8 %. Das ist bei jeder Betrachtung ein starkes Flaggschiff, und das verzögerte 3.5 Pro soll es noch weiter voranbringen.

Die gelebte Erfahrung ist gemischter, und ehrlich. Nutzer bewerten Gemini für schnellen, faktenbasierten Chat sehr gut:

"Nach meiner Erfahrung ist Gemini 3.0 Pro deutlich besser als ChatGPT 5.2 bei Nicht-Coding-Aufgaben. Letzteres gibt mir ständig eindeutig falsche Informationen, ersteres sehr selten."

tempestn, Hacker News

Aber der wiederkehrende Kritikpunkt, und der Grund, warum der 3.5-Pro-Umbau so lange dauert, ist die Zuverlässigkeit unter Last:

"Man wird von den Halluzinationen gebrannt, die Gemini täglich beiläufig ausspuckt. Man entwickelt die Gewohnheit, jede einzelne Antwort faktenzuchecken."

jdw64, Hacker News

Diese Lücke zwischen Benchmark und Verhalten ist genau der Grund, warum die reine Modellwahl die falsche erste Frage für ein Support-Team ist. Für ausführlichere Vergleiche siehe unsere Gegenüberstellungen Gemini 3 Pro vs. Claude Opus 4.6 und Gemini vs. Mistral.

Welcher Gemini-Preis wirklich auf dich zutrifft

Drei unterschiedliche Käufergruppen landen auf dieser Seite, und sie brauchen drei unterschiedliche Antworten.

• Du willst einfach nur chatten. Wähle einen Google-AI-Plan. Free reicht für gelegentliche Nutzung; AI Pro für 19,99 $ deckt die meisten Power-User ab; Ultra ist für intensive tägliche Nutzung.
• Du baust ein Produkt auf dem Modell auf. Du bist bei Preis-pro-Token-API-Preisen, und der Rechner oben ist dein Freund. Budgetiere für Thinking-Tokens und Grounding, nicht nur für den Input-Satz.
• Du willst damit Kundensupport betreiben. Hier wird Preis-pro-Token still zu einer schlechten Passform, und das ist der Punkt, bei dem ich am stärksten widersprechen würde. Ein zweckgebautes KI-Kundenservice-Tool oder ein KI-Helpdesk-Chatbot passt dafür besser als rohe Tokens.

Hier liegt das Problem. Wenn du rohe Modell-Tokens für den Support kaufst, baust du alles obendrauf: die Retrieval-Pipeline, die Guardrails, die Eskalationslogik, das Monitoring, die Retry-Handhabung. Deine Rechnung skaliert mit dem Token-Volumen, was bedeutet, dass ein arbeitsreicher Support-Monat auch ein teurer, unvorhersehbarer ist. Das ist das Gegenteil dessen, was ein Support-Budget will. Wir haben den echten Kostenvergleich aufgeschrieben, wenn du das vollständige Bild willst, und die Kennzahlen, die wirklich zählen, um zu beurteilen, ob es funktioniert.

Probiere eesel AI für den Support statt Tokens zu bepreisen

Wenn du hier gelandet bist, weil du Gemini für den Kundensupport evaluierst, ist die Token-Rechnung die falsche Tabelle. Ich habe die letzten Jahre damit verbracht, KI-Agenten zu bauen, die auf laufenden Support-Queues sitzen, und die Lektion, die sich immer wiederholt, ist diese: das Modell ist der billige Teil, und die Pipeline drumherum ist dort, wo die echten Kosten und Risiken liegen.

eesel AI geht einen anderen Weg. Es läuft auf Frontier-Modellen (derselben Stufe wie Gemini Pro), aber du zahlst nicht pro Token oder pro Sitzplatz, sondern pro Lösung, sodass die Rechnung Ergebnissen folgt statt Nutzung, die du nicht kontrollieren kannst. Es klinkt sich in dein bestehendes Helpdesk ein und trainiert in Minuten auf deinen vergangenen Tickets und deiner Wissensdatenbank, und weil wir gesehen haben, wie selbstbewusste Bots falsche Antworten geben, wird jeder Rollout zuerst gegen deine historischen Tickets simuliert, sodass du die Lösungsrate siehst, bevor sie je einen Kunden erreicht.

Das ist der Unterschied zwischen der Bepreisung eines Modells und der Bepreisung eines Ergebnisses. Du kannst eesel kostenlos testen und die Preise in Einheiten sehen, in denen du wirklich budgetierst, oder eintauchen in wie diese Agenten in der Praxis aussehen.