Cuidado com a API do Gemini: o que todo dev precisa saber antes de usar

O entusiasmo em adotar modelos avançados como o Gemini 2.5 Pro é natural — a performance impressiona. Mas, quando o assunto é API no Google Cloud, um detalhe técnico pode transformar testes pontuais em cobranças mensais inesperadas.

Onde está a armadilha

• Context caching: a API permite “guardar” o histórico de tokens para chamadas futuras. Parece ótimo em teoria, mas o armazenamento por hora é cobrado, mesmo sem chamadas novas. Ou seja, você pode parar de usar, mas a fatura continua crescendo.

• Cobranças não visíveis no gráfico: os relatórios de uso nem sempre mostram tokens de thinking ou cache persistente. A conta aumenta, mas a tela de “usage” fica em zero.

• Serviços irmãos: no mesmo projeto podem estar habilitados o Gemini Code Assist ou Cloud Assist, que têm quotas próprias. Sem perceber, o dev paga por recursos que nunca usou.

Casos reais

Vários desenvolvedores relataram surpresas parecidas:

• R$ 10 a R$ 50 em cobranças mensais, mesmo após apagar chaves de API.

• Caches antigos mantidos por semanas, somando milhões de tokens armazenados.

• Custos extras de armazenamento de logs e token hours que não estavam no radar.

Como evitar a conta surpresa

1. Entenda a cobrança

   • Tokens de entrada e saída são óbvios.

   • Mas tokens em cache têm cobrança por hora de vida útil.

   • Thinking tokens (usados no raciocínio interno do modelo) também são cobrados como saída.

2. Configure TTL curto

   • Se precisar de cache, defina ttl em minutos/horas, não em dias.

   • Nunca deixe o padrão “infinito”.

3. Monitore no lugar certo

   • O gráfico de uso engana.

   • Veja o Billing → Reports → Cost table, filtrando por “cached content storage token hours”.

4. Desative serviços não usados

   • Em APIs & Services, desabilite tudo que não for a Generative Language API.

   • Em Quotas, verifique se não há consumo em Code Assist ou Cloud Assist.

5. Use budgets e alertas

   • Configure um budget mensal baixo (ex.: R$ 50) com alertas em 50% / 90% / 100%.

   • Assim, a equipe descobre a anomalia antes da fatura estourar.

Alternativas seguras

• GPT-5 (OpenAI): custo previsível (input US$ 1,25 /M, output US$ 10 /M), sem cobrança de cache persistente.

• Claude Opus: caro em tokens de saída, mas não surpreende na fatura.

• Codeium / Copilot: planos fixos mensais, sem pay-as-you-go escondido.

Pontos-chave para devs

• Não confie só no gráfico de uso → olhe o Cost table.

• Cached tokens ≠ grátis → armazenamento por hora gera cobrança.

• Sempre configure TTL nos caches.

• Se não for usar, delete o projeto ou desative billing.