Прямое сравнение Gemini 3.8 Flash (google) и google/gemini-embedding-001 (google) на OrcaRouter — цены, контекстное окно, задержка, пропускная способность и качество benchmark бок о бок, чтобы вы могли выбрать подходящую модель для своей нагрузки.
Итог
По цене google/gemini-embedding-001 — более дешёвый вариант, примерно на 80% ниже Gemini 3.8 Flash по входным tokens. Для нагрузок, чувствительных к задержке, google/gemini-embedding-001 возвращает первый token быстрее. По качеству benchmark Gemini 3.8 Flash лидирует в сводном индексе. google/gemini-embedding-001 лидирует и по стоимости, и по медианной задержке, поэтому это вариант по умолчанию — переходите на Gemini 3.8 Flash, когда он выигрывает по параметру, от которого зависит ваша нагрузка.
Бесплатный старт · обе модели по одному ключу · оплата по цене провайдера, без наценки на токены
И Gemini 3.8 Flash, и google/gemini-embedding-001 доступны через один и тот же эндпоинт OrcaRouter по цене провайдера с нулевой наценкой на токены, поэтому переключение между ними — это изменение в одну строку, а цифры ниже — это то, что вы платите на самом деле.
Это сравнение подтягивает актуальные цены, опубликованное context window, а также собственные замеры latency и throughput OrcaRouter, чтобы вы могли взвесить стоимость и производительность под свою конкретную нагрузку, а не полагаться на витринный benchmark поставщика. Правильный выбор почти всегда зависит от формы вашего трафика — длины промпта, объёма генерируемого текста, того, насколько ваши пользователи чувствительны к latency, и насколько тяжело рассуждение, — поэтому разделы ниже разбирают решение по одному измерению за раз и завершаются конкретной рекомендацией. Везде, где для одной из двух моделей метрика отсутствует, соответствующая строка опускается, а не додумывается, так что каждое утверждение здесь подкреплено реальным числом.
Кратко
| Метрика | Gemini 3.8 Flash | google/gemini-embedding-001 | Вывод |
|---|---|---|---|
| Ввод $/млн | $0.75 | $0.15 | google/gemini-embedding-001 на 80% дешевле, чем Gemini 3.8 Flash, по входным tokens. |
| Вывод $/млн | $3.75 | — | — |
| Контекст | 1M | — | — |
| Задержка p50 | 6456 ms | 182 ms | google/gemini-embedding-001 отвечает на 97% быстрее, чем Gemini 3.8 Flash, по медиане. |
| Пропускная способность | 806 tok/s | — | — |
| Качество | 9.0 | 3.0 | Gemini 3.8 Flash набирает на 200% больше, чем google/gemini-embedding-001, по сводному индексу качества. |
По цене google/gemini-embedding-001 — более дешёвый вариант, примерно на 80% ниже Gemini 3.8 Flash по входным tokens. Для нагрузок, чувствительных к задержке, google/gemini-embedding-001 возвращает первый token быстрее. По качеству benchmark Gemini 3.8 Flash лидирует в сводном индексе. google/gemini-embedding-001 лидирует и по стоимости, и по медианной задержке, поэтому это вариант по умолчанию — переходите на Gemini 3.8 Flash, когда он выигрывает по параметру, от которого зависит ваша нагрузка.
Две модели, один API-ключ. Начните с любой и перераспределяйте трафик между ними, когда изменятся ваши цифры.
Получить API-ключВыбирать не обязательно. Обе модели доступны в OrcaRouter по одному API-ключу и тарифицируются по цене вышестоящего провайдера без наценки на токены. Эти две модели используют разные протоколы запросов, поэтому каждый вызов оформляется в формате своей модели — но аккаунт и учётные данные в любом случае одни.
Именно это делает описанный выше компромисс управляемым в продакшене: направляйте основную часть трафика в модель, которая выигрывает по важному для вас параметру, оставляйте вторую для запросов, которым она действительно нужна, и меняйте пропорцию, как только меняются ваши цифры.
Одна или обе эти модели не раскрывают здесь цену за токен (это может быть модель с бесплатным тарифом, оплатой за вызов или ещё без цены), поэтому относитесь к колонкам стоимости
как к ориентировочным и подтвердите актуальную ставку на собственной странице каждой модели, прежде чем закладывать её в бюджет.
Обе ставки — это чистая цена провайдера: OrcaRouter не добавляет наценку, поэтому рассчитанная экономия остаётся у вас.
Начать бесплатноСтавки за токены рядом
за 1 млн tokens
Latency и throughput определяют, каково работать с моделью в продакшене. Медианная (p50) latency отклика — это время ожидания типичного запроса до первого токена; throughput (токенов в секунду) задаёт, как быстро ответ стримится после начала.
Для интерактивного чата и циклов agent важнее всего низкая p50 latency, потому что пользователь ждёт первый токен; для пакетной генерации и длинных выводов общее время определяет throughput, потому что ответ длинный. Графики трендов за 7 дней выше показывают, стабильна latency каждой модели или дрейфует — то, что единичное громкое число скрывает: модель с отличным средним, но шумным хвостом всё равно может не уложиться в строгий p95 SLA. Если у вашего продукта есть бюджет latency, читайте и медиану, и форму кривой, и помните, что сквозная latency включает также ваш сетевой хоп и любые запросы поиска или вызовы инструментов, которые вы делаете вокруг модели.
За последние 7 дней google/gemini-embedding-001 удерживает более низкую медианную задержку ответа.
Оценки benchmark приближают способности, но не заменяют тестирование на ваших собственных промптах.
Показанные здесь сводные индексы агрегируют несколько публичных оценок, а перцентиль отмечает, где каждая модель находится среди всех сопоставимых моделей каталога — полезный сигнал для короткого списка, но не гарантия для вашей задачи. Модель, лидирующая по индексу общего интеллекта, всё равно может отставать в вашей области (кодинг, извлечение, многоязычность, рассуждение на длинном контексте), поэтому используйте benchmark, чтобы сузить круг, а затем прогоните обе модели на репрезентативном срезе вашего трафика. Обращайте внимание на конкретный индекс, соответствующий вашему сценарию, а не на итоговое число: продукту с упором на код стоит взвешивать индекс кодинга, исследовательскому ассистенту — индекс рассуждения. Benchmark к тому же устаревают по мере обновления моделей, поэтому относитесь к ним как к стартовой гипотезе, которую вы подтверждаете собственным набором для оценки.
Если стоимость — жёсткое ограничение, начните с более дешёвой модели на вашем реальном сочетании вход-выход и переходите выше только если не хватает качества.
Если приоритет — отзывчивость (чат для пользователей, agent, любой случай, где кто-то ждёт), придавайте p50 latency и throughput больший вес, чем небольшой разнице в цене. Если вы выжимаете самое тяжёлое рассуждение, кодинг или работу на длинном контексте, пусть ведёт победитель по benchmark и context window, и принимайте более высокую ставку там, где она себя окупает. Поскольку обе модели стоят за одним и тем же API, малорисковый ход — направить часть реального трафика на каждую и сравнить стоимость, latency и качество ответов на своих промптах, прежде чем определяться. Распространённый приём — многоуровневость (tier): отправляйте основную массу простых, высокочастотных запросов на более дешёвую или быструю модель, а более сильную модель приберегите для запросов, которым она действительно нужна, — это забирает большую часть выигрыша в качестве за долю стоимости. Что бы вы ни выбрали, держите переключение обратимым — вы вернёте трафик обратно, как только цифры или ваши требования изменятся.
Или не выбирайте — распределяйте запросы между обеими: один ключ, один счёт.
Получить обеЛучше подходит для
Один ключ. Обе модели. Более 40 провайдеров.
Тарификация по цене провайдера без наценки на токены. Начните бесплатно, используйте обе из одного аккаунта и сохраните возможность передумать.