Sejak 18 November 2026, Gemini API menerima file Word, PowerPoint, Excel, dan OpenDocument langsung, dan bisa memotong dokumen, spreadsheet, video, serta audio per rentang halaman, tab sheet, rentang sel, interval waktu, atau lapisan konten. Menurut dokumentasi Google, tagihan hanya menghitung halaman, sheet, dan lapisan yang benar-benar dikirim ke model. Fitur ini berlaku untuk model Gemini 3 dan Gemini 4 ke atas, dan changelog tidak menandainya sebagai preview. Kalau aplikasimu menganalisis kontrak, invoice, atau laporan keuangan, memotong sebelum mengirim bisa menurunkan biaya token secara nyata.

Biaya halaman tergantung resolusi dan lapisan yang dipilih

Untuk .docx dan .pptx, Gemini 4 ke atas memakai gambar halaman atau slide secara default: sekitar 280 token per halaman di resolusi low, 560 di medium (default), dan 1.120 di high. Spreadsheet .xlsx diproses semua sheet-nya dengan nilai, formula, dan nama sheet. Batasnya 50 MB per file, 2.000 halaman atau slide per file Office, 1.000 halaman per PDF, dan 50.000 sel per sheet, dan batas itu berlaku untuk seluruh file meski kamu memotongnya. File di Files API tersimpan 48 jam dan penyimpanannya gratis.

Hitungan kami dengan tarif Gemini 4 Hydrogen ($1,50 per juta token input): dokumen 40 halaman di resolusi medium kira-kira 22.400 token, atau sekitar $0,034. Jika kamu hanya mengirim halaman 3 sampai 7, jumlahnya sekitar 2.800 token atau $0,004.

Sintaks pemotongan mengikuti jenis berkas

Dokumentasi menunjukkan blok processing di dalam blok document. Contoh di bawah dibentuk ulang dari sintaks itu dan belum saya uji:

{
  "type": "document",
  "uri": "<URI Files API>",
  "resolution": "medium",
  "processing": {
    "type": "static",
    "page_options": { "start_page": 3, "end_page": 7, "content_layers": ["page_text"] }
  }
}

Untuk spreadsheet, ganti page_options dengan spreadsheet_options, misalnya sheet_index: 2, visible_cells: "A1:H50", dan content_layers berisi data, formulas, atau visual. Nilai start_page nol atau kurang menghasilkan error 400. Video memakai start_offset dan end_offset dalam detik (misalnya "1200s"), fps, dan lapisan frames, audio, atau transcript. Menurut dokumentasi, video kira-kira 100 token per detik di resolusi rendah dan 300 di resolusi tinggi, sedangkan audio 32 token per detik. Slicing juga bisa dipakai di function response, jadi agent-mu bisa mengembalikan potongan berkas dari tool.

Satu pola yang menurut kami hemat

Dokumentasi video memberi contoh memindai dulu dengan lapisan transcript untuk menemukan timestamp, lalu menonton klip terpilih dengan frames. Pola yang sama masuk akal untuk dokumen: kirim page_text murah dulu untuk menemukan bagian yang relevan, lalu minta page_image hanya untuk halaman itu. Ini saran kami dan tidak tercantum sebagai resep resmi.

Dua catatan yang perlu diperhatikan

Dokumentasi bertentangan soal .ods: changelog tanggal 5 November menyebut model hanya menerima sheet pertama, sedangkan halaman dokumen terbaru menyebut semua sheet diproses. Uji dengan berkas LibreOffice kamu sebelum mengandalkannya. Yang kedua, Google juga merilis Tool retrieval (Preview) pada 19 November: di Interactions API v1beta kamu menandai function dengan defer_loading: true dan menambahkan tool tool_search, sehingga model memuat schema tool hanya saat perlu. Tidak ada biaya terpisah, tetapi setiap pencarian memakai panggilan model tambahan yang ditagih sebagai input, dan Google menyebut pustaka tool kecil lebih murah dimuat statis. Semua sumber di bawah berasal dari Google, dan saya belum menemukan liputan media independen untuk fitur ini.

Sumber