Gemini 3.6 Flash vs Kimi K2.7 Code

vs

Cuál usar y cuándo

gemini-3.6-flash es más barato en todas las tarifas ($0.75 de entrada, $3.75 de salida y $0.075 de entrada en caché, frente a $0.95, $4 y $0.19 de kimi-k2.7-code), y en la entrada en caché resulta unas 2.5 veces más barato. Además admite audio como entrada y ofrece 1048576 tokens de contexto y 65536 de salida, frente a 256000 y 32768. Elige kimi-k2.7-code si quieres que el razonamiento figure de forma explícita entre sus capacidades y te basta con una ventana de contexto menor; el modo de pensamiento no se puede desactivar en ninguno de los dos.

Benchmarks

Sobre la mediaNinguno mejorGemini 3.6 Flash6 / 191 / 19Kimi K2.7 Code1 / 50 / 5
Gemini 3.6 Flash Kimi K2.7 Code otros modelos medidos media de los modelos comparados ★ ningún otro modelo puntuó más alto
DeepSWE 1.1
48.6%
N/A
BioMysteryBench hard
41.2%
N/A
OSWorld 2.0
33.8%
N/A
GDPval-AA v2 Elo · 1422-1598 según Google · 2026-08-25
1422
N/A
Harvey Lab-AA
85.1%
N/A
HLE-Verified
51.2%
N/A
MCP-Atlas
N/A
76%
LVBench
84.2%
N/A

Publicado por los proveedores: Alibaba (Qwen) Alibaba (Qwen) Alibaba (Qwen) Alibaba (Qwen) Alibaba (Qwen) Alibaba (Qwen) Anthropic Anthropic Anthropic Anthropic DeepSeek DeepSeek Google Google Google Google Moonshot Moonshot OpenAI OpenAI OpenAI OpenAI OpenAI Tencent Z.ai Z.ai Z.ai

Precios

Gemini 3.6 Flash Kimi K2.7 Code Δ
Entrada / 1M tokens $0.75 $0.95 0.79×
Salida / 1M tokens $3.75 $4 0.94×
Lectura de caché / 1M tokens $0.075 $0.19 0.39×

Tarifas tomadas del catálogo en vivo al generar el sitio; la página de cada modelo tiene la ficha de precios actualizada.

Dónde queda cada uno: precio de entrada por 1M de tokens entre los 91 modelos de chat que se facturan en esta unidad (escala logarítmica)

Gemini 3.6 Flash · $0.75 Kimi K2.7 Code · $0.95
$0.05 · Qwen3 VL Flash $30 · GPT-5.4 Pro

Capacidades

Gemini 3.6 Flash Kimi K2.7 Code
Uso de herramientas sí sí
Control del razonamiento siempre activo siempre activo
Salida estructurada sí -
Caché de prompts implícito + explícito implícito (automático)
Duración de la caché no publicado no publicado
Prefijo mínimo en caché 4,096 tokens no publicado

Especificaciones

Gemini 3.6 Flash Kimi K2.7 Code
Modalidades de entrada texto imagen audio vídeo texto imagen vídeo
Modalidades de salida texto texto
Lanzamiento 2026-07-21 2026-06
Corte de conocimiento 2026-03 -
Ventana de contexto 1.048.576 256.000
Salida máxima 65.536 32.768
Parámetro de razonamiento thinkingLevel
  • thinking.type
  • thinking.keep
Valores aceptados
  • minimal
  • low
  • medium
  • high
type
  • accepts only enabled
keep
  • accepts only all
Valor por defecto medium pensamiento activado con Preserved Thinking activado

Las especificaciones se transcriben de la documentación de cada proveedor; si un proveedor no publica un dato, la fila se omite en vez de deducirlo. Fuentes completas: Gemini 3.6 Flash · Kimi K2.7 Code

Un mismo prompt en los dos modelos, medido a través de la pasarela

PROMPT Explain to a CFO, in exactly three sentences, why our LLM bill doubled after we enabled reasoning. COMPROBACIÓN exactamente 3 frases

Gemini 3.6 Flash superado · 3 sentences

Enabling reasoning causes the model to generate thousands of internal "thinking" tokens behind the scenes to process logic before delivering the final response. Because our vendor bills us for every token generated—including these intermediate processing steps—our billable output volume per query surged significantly. Since output tokens carry a much higher unit cost than input tokens, this jump in processing volume directly doubled our overall spend.

salida 893 tok (+816 razonamiento) latencia 4.7 s

Kimi K2.7 Code superado · 3 sentences

Enabling reasoning mode causes the model to generate an internal chain-of-thought before producing each answer, and that hidden reasoning text is billed like any other output. Those extra reasoning tokens typically add up to much more than the final response itself, so every API call now costs significantly more than before. Because our overall usage volume did not change, the doubled bill reflects that each query consumes roughly twice as many billable tokens.

salida 259 tok (+174 razonamiento) latencia 5.4 s

Cumplimiento de la instrucción (exactamente tres frases, se pueden contar), adaptación al público (registro de CFO) y la diferencia de facturación por razonamiento oculto que dejan ver los contadores de tokens de abajo.

PROMPT This function is supposed to return the longest run of consecutive equal items, but callers report it is off by one on single-element inputs and misses runs that end at the last index. Fix it and explain the bug in one paragraph. COMPROBACIÓN la corrección pasa las pruebas

Gemini 3.6 Flash superado · 8/8 cases

Here is the fixed function along with an explanation of the bugs: ```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 else: cur = 1 best = max(best, cur) return best ``` ### Explanation The original function initialized `cur` and `best` to `0` and incremented `cur` on matching adjacent items, which meant it was counting identical adjacent *pairs* rather than the total number of *elements* in a run. This caused single-element inputs to skip the loop and return `0` instead of `1`, and undercounted all run lengths by 1 (for example, a run of two items at the end of the list resulted in `cur = 1`). […]

salida 2034 tok (+1768 razonamiento) latencia 10.0 s

Kimi K2.7 Code superado · 8/8 cases

```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 best = max(best, cur) else: cur = 1 return best ``` The bug is that the function counts *transitions* between equal neighbors instead of counting the items themselves, so a single-element list never enters the loop and returns `0` instead of `1`. Likewise, resetting `cur` to `0` on a mismatch forgets the current item that starts a new run, which causes runs that end at the last index to be undercounted. Initializing both `best` and `cur` to `1` and resetting `cur` to `1` fixes both issues.

salida 410 tok (+222 razonamiento) latencia 9.4 s

Si la corrección funciona de verdad (se puede ejecutar), lo densa que es la explicación y la eficiencia en tokens en una tarea acotada.

PROMPT Extract a JSON object with fields {company, quarter, revenue_usd_m, growth_pct, guidance} from this text. Use null for anything not stated; add no other fields. COMPROBACIÓN JSON válido, esquema exacto

Gemini 3.6 Flash superado · 5/5 fields, guidance "withheld"

```json { "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": null, "guidance": "withheld" } ```

salida 2843 tok (+2783 razonamiento) latencia 13.1 s

Kimi K2.7 Code superado · 5/5 fields, guidance "withheld pending the Q4 close"

```json { "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": 11, "guidance": "withheld pending the Q4 close" } ```

salida 721 tok (+663 razonamiento) latencia 13.2 s

Respeto del esquema (sin campos inventados), tentación de alucinar (la guidance se omite a propósito) y diferencias entre las vías de salida estructurada.

PROMPT Write a 120-word product announcement for an API gateway feature that caches prompts across providers. Forbidden words: "seamless", "unlock", "game-changer", "revolutionize", "empower". Exactly one sentence must be a question. COMPROBACIÓN 120 palabras, 0 palabras prohibidas

Gemini 3.6 Flash no superado · 60 words, 0 banned, 0 questions

72: reducing 73: your 74: monthly 75: token 76: spend. S6 (21): 77: You 78: can 79: easily 80: set 81: custom 82: expiration 83: rules, 84: configure 85: TTL 86: settings, 87: and 88: manage 89: cache 90: invalidation 91: across 92: all 93: vendors 94: from 95: one 96: centralized 97: dashboard. S7 (23): 98: Start 99: optimizing […]

salida 4092 tok (+3929 razonamiento) latencia 16.3 s

Kimi K2.7 Code superado · 120 words, 0 banned, 1 question

We're introducing Prompt Cache for our API Gateway, a new capability that stores prompt responses across multiple AI providers. By caching replies, you reduce redundant calls, lower latency, and cut costs without changing how you build. Teams using several model providers can now reuse identical prompt results instantly, keeping traffic consistent and budgets predictable. Responses are keyed by provider, model, and exact prompt, so you always get the right result. Configure TTL, hit thresholds, and eviction rules from a single dashboard. It fits into your existing routing and requires no code changes. Setup takes minutes and works with your current endpoints. Want to see how much latency and spend you can trim? Check the docs to enable Prompt Cache today.

salida 2375 tok (+2235 razonamiento) latencia 38.6 s

Respeto de las restricciones (límite de palabras, lista de palabras prohibidas, una única pregunta), sello de estilo y control de la longitud.

Cambia de uno a otro con una sola línea

Los dos ids aparecen en todas las pestañas de abajo; lo único que cambia es el par de líneas resaltadas. El endpoint, la clave y la estructura de la solicitud son los mismos.

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.chat.completions.create(
    model="gemini-3.6-flash",
    # model="kimi-k2.7-code",  # descomenta esta línea, comenta la de arriba
    messages=[{"role": "user", "content": "Summarize this diff"}],
)
print(resp.choices[0].message.content)

Obtén tu clave API →

Preguntas frecuentes

¿Cuál es más barato, Gemini 3.6 Flash o Kimi K2.7 Code?

Gemini 3.6 Flash es más barato en Entrada / 1M tokens ($0.75 frente a $0.95, una diferencia de 1.3×). En otras filas puede ser al revés: la tabla de arriba recoge todas las tarifas, y el coste real depende de tu combinación de uso.

¿Puedo hacer pruebas A/B de Gemini 3.6 Flash frente a Kimi K2.7 Code sin dos integraciones?

Sí. Los dos se sirven desde el mismo endpoint compatible con OpenAI y con una sola clave API. Para cambiar de uno a otro basta con tocar una línea, el nombre del modelo, así que puedes mandar una parte del tráfico a cada uno y comparar directamente las facturas.

¿Admiten Gemini 3.6 Flash y Kimi K2.7 Code caché de prompts?

Sí. Los dos cobran las lecturas de caché por debajo de su tarifa de entrada, así que las cargas de trabajo que reutilizan un prefijo ya cacheado cuestan menos de lo que sugieren los precios de lista. Las tarifas exactas de lectura de caché están en la tabla de precios de arriba.

Comparativas relacionadas

De nuestros estudios con mediciones