Gemini 3.6 Flash：實測思考檔位，成本相差 30 倍

Gemini 3.6 Flash 除了回答本身，也會對思考 token 計費，而每次請求使用多少思考 token，都能由你控制。在同一個 120 字寫作任務中，預設設定的費用是 $0.03316，minimal 則是 $0.00110，成本相差 30 倍，但讀者看不出輸出有何差別。這個檔位是使用此模型時最重要的成本決策，也有一個明顯風險。Gemini 3.6 Flash 已於 2026-07-21 正式推出，輸入每百萬 token 為 $1.50，輸出每百萬 token 為 $7.50，低於 3.5 Flash 的 $9 輸出費率。同期推出的還有 Gemini 3.5 Flash-Lite 和針對資安調校的 3.5 Flash Cyber；本文實測的是兩個通用層級：3.6 Flash 與 Flash-Lite。

TL;DR

• reasoning_effort: "minimal" 相較預設值可將每次呼叫成本降低 91-97%（在 120 字任務中相差 30 倍）。單步驟、結構化輸出與工具呼叫任務不受影響，但多步驟數學題的正確率從 3/3 降至 0/3。
• Google 宣稱「輸出 token 減少 17%」，實際結果取決於工作負載：我們的重推理任務減少 19%（成本降低 32%），代理工作套件則增加 9%（成本仍降低 6%）。
• 1M 上下文確實可用（放在 972K token 處的針能正確找回），prompt caching 也完全符合 Google 公布的 4,096-token 下限。相較某些實際容量低於宣稱值的「1M 上下文」模型，這次規格與實測一致。

以下資料皆於 2026-07-24 經由 Synthorai 閘道實測。重複 prompt 均加入隨機內容以避開快取，每個數字都有原始用量紀錄可供核對。

Gemini 3.6 Flash 使用預設設定時，每個任務要花多少錢？

輸出帳單主要由推理構成，而且無論你是否看得到，都會計費。使用預設推理強度時，模型用於思考的 token 遠多於回答，而這些推理 token 會依完整的 $7.50/M 輸出費率計費：

這個模式要記住：只有兩個 token 的事實回答，背後仍用了 69 個推理 token；120 字段落用於思考的 token，更是寫作本身的 30 倍。推理 token 會列在 completion_tokens_details.reasoning_tokens，因此可以看到數量，但永遠看不到內容。Gemini 完全不會回傳思考摘要或軌跡。在我們的 token 用量結構 研究中，這是最封閉的一端；Kimi K3 會回傳完整思維鏈，GPT-5.6 則會提供摘要。下一節說明如何降低這筆成本。

思考檔位實際上會做什麼？

這是確實有效且單調遞增的成本控制項，對大多數任務而言，幾乎等於直接省錢。將 reasoning_effort（或原生的 thinking_config.thinking_level）設為 minimal 後，推理 token 降至零，各任務成本減少 91-97%：

這個檔位確實有效，可接受的值為 minimal、low、medium（預設值）和 high。在我們的探測中，每提高一個檔位，推理量都會單調增加（minimal 為 0 個 token、low 約 180 個、medium 約 530 個、high 約 650 個）。minimal 唯一做不到的就是思考，而多步驟算術確實需要推理。當模型被要求簡短回答鉛筆與袋子的文字題時，三次都答錯，而且錯誤答案各不相同，並非同一種系統性失誤。對於檢索、分類、格式化和單步驟問題，minimal 能維持正確率，並讓帳單降低一個數量級。

實務上的規則與我們在 Kimi K3 的發現一致：對擷取、查詢和格式化任務而言，minimal 是合理的預設值；任何需要中間步驟的任務使用它都很危險。應依路由個別設定，而不是全域套用。若任務需要大量推理，上線前務必使用自己的任務驗證正確率。

兩種高流量的正式環境工作負載很能說明問題：結構化輸出和函式呼叫在預設值下都會消耗推理 token，但兩者使用 minimal 都沒有問題。受 schema 限制的擷取任務（使用含 JSON schema 的 response_format），在預設值下計費 337 個推理 token，並回傳有效 JSON；改用 minimal 後，推理 token 為零，仍能回傳符合 schema 的有效 JSON，成本降低 9 倍。函式呼叫的結果相同：預設值使用 74 個推理 token，正確呼叫 get_weather(city)；minimal 不使用推理 token，呼叫結果同樣正確，成本降低 4 倍。這些只是披著「結構化」外衣的單步驟任務。模型不需要經過思考，才能填入已明確指定的欄位。因此，如果流量主要用於擷取或工具路由，minimal 幾乎等於白省一筆。

「輸出 token 減少 17%」的說法是否符合實測？

結果取決於工作負載，而且兩組結果的差異很有參考價值。Google 在發表 3.6 Flash 時表示，相較 3.5 Flash，它在 Artificial Analysis Index 上使用的輸出 token 約少 17%（個別代理評測最多減少 65%）。我們讓兩個模型跑過自己的兩套測試環境，結果方向相反：

在重推理短任務中，實測不只重現了官方結果，甚至優於宣稱值：總輸出減少 19%，接近 Google 的 17%，而且減少的幾乎全是思考，不是回答。兩個模型成對重跑後拆分輸出 token，可見回答內容只縮短 4%，推理則減少 19%。差異主要集中在數學與寫作任務，3.6 能用較少推敲得出相同結果。這就是該基準測試背後的原因：當工作負載高度依賴思考預算時，3.6 確實能以較少資源產生相同答案。

在代理式、多輪流量中，方向反了過來：整套測試中，3.6 的輸出比 3.5 多約 9%。效率提升發生在推理階段，但代理迴圈用於推理的預算占比較低，可節省的空間也較少，最後反而由 3.6 稍長的每輪輸出占上風。不過兩種情況的帳單都會下降，只是兩項效果的組合方式不同：重推理任務同時受惠於 token 減少和 $9→$7.50 的費率調降，成本降低 32%；代理流量則只靠降價，成本降低 6%。「輸出 token 減少 17%」在思考占輸出大宗的任務中成立，在其他任務中則可能反轉。不要直接套用標題數字，應實測自己的工作負載組合。上一節提到的思考檔位，對成本的影響遠大於模型版本升級。

1M 上下文視窗確實可用嗎？

可以，而且超出限制時會明確失敗，不會靜默截斷。我們把召回針放在不同長度 prompt 的開頭；輸入達 972K token 時，模型仍能正確找回。超過上限的 prompt 則會清楚回傳 400 input token count exceeds the maximum，不會在沒有提示的情況下丟棄內容。之所以需要明確說明，是因為市面上並非所有標示「1M 上下文」的模型，都真的會提供宣稱的視窗大小。若要重現測試，填充內容應使用多樣且具有句子形式的文字。若 prompt 只由同一個 token 重複組成，模型會在遠低於大小限制時就開始產生退化的亂碼。

Prompt caching 是自動運作的，而且關鍵數字完全符合規格。Google 文件指出，Flash 模型的上下文快取下限是 4,096 個 token，我們的掃描結果正好落在這裡：前綴不超過約 2.1K 時從未命中快取，約 4.1K token 開始命中；經過 5 到 8 次呼叫暖機後，每次命中仍會留下最後約 2.1K 不快取。快取輸入讀取費率為 $0.15/M，只有 $1.50 新輸入費率的十分之一。這次的結果讓人放心：我們測過部分模型，其宣稱數字高於端點實際能力；Gemini 3.6 Flash 的快取下限與 1M 視窗則都與文件一致。快取仍只適合真正夠長且穩定的前綴。另需注意，Flash 系列只支援自動（隱式）快取，不支援明確指定的 cached-content API，因此無法手動固定大型文件，並在低於門檻時重複使用。

Gemini 3.5 Flash-Lite 適合什麼場景？

Flash-Lite 是成本可預測的層級。它不會暗中使用推理 token，因此帳單會與可見輸出一對一變動。在相同的多步驟數學題中，Flash-Lite 的費用是 $0.00057，3.6 Flash 預設設定則是 $0.00368，前者約便宜 6 倍，而且會直接呈現解題過程，不會藏在不可見的推理欄位。它的輸入費率為 $0.30/M，輸出為 $2.50/M，適合作為高流量、對延遲敏感、單步驟工作的預設選擇；任務需要推理時，再升級至 3.6 Flash，透過檔位加回思考能力。Tokenizer 不只在三個新模型間相同，甚至一路回溯到 Gemini 2.5 Flash 都沒有變化。我們檢查的每一代模型，在英文、中文、日文、韓文和 Python 上都有相同的 token 數量。因此，為 2.5 制定的各語言預算可以直接沿用到 3.6，不必重新建立基準。

常見問題

Gemini 3.6 Flash 可以完全關閉推理嗎？

在我們的探測中，reasoning_effort: "minimal"（或 thinking_level: "minimal"）會將推理 token 降至零，也是檔位的最低值；可接受的檔位為 minimal、low、medium 和 high。它沒有獨立的「停用」狀態，嘗試強制停用推理會被上游拒絕。因此，minimal 已是最低設定，而且對單步驟任務而言已經足夠低。

為什麼 Gemini 帳單比可見答案看起來更高？

因為推理 token 會依完整輸出費率計費，但不會出現在回傳文字中。只有兩個 token 的答案，背後可能帶有數十到數千個計費的推理 token。可讀取 completion_tokens_details.reasoning_tokens（或用 total_tokens − prompt − completion 核對）查看實際輸出費用，並在任務允許時調低檔位。

Gemini 3.6 Flash 還是 Claude Haiku 4.5？

兩者都位於價格相近的高速層級，選擇取決於工作負載，沒有單一贏家。從成本角度來看，3.6 Flash 的差異化功能是思考檔位：在單步驟流量上，minimal 能讓成本降低一個數量級；預設設定則會花費推理 token，而費率為 $1/$5 的 Haiku 4.5 不會。公開基準測試顯示，Haiku 4.5 在程式設計深度上較有優勢，3.6 Flash 則在數學能力與原始 token 價格上領先。應依流量組成選擇，正式採用前也要使用自己的任務實測兩者。

Gemini 3.6 Flash 比 3.5 Flash 便宜嗎？

是。我們測量的所有工作負載中，3.6 都比較便宜，但差距取決於任務型態。輸出費率從 $9/M 降至 $7.50/M，而且在重推理短任務中，3.6 使用的輸出 token 也較少，因此成本下降約 32%；在代理流量中，它使用的 token 稍多，節省的成本只來自費率調降，約為 6%。無論哪種情況都更便宜，但遷移後仍應重新測量自己的工作負載組合。如需比較不同模型系列的每 token 成本結構，請參閱我們的 token 用量結構 研究。

本次測量於 2026-07-24 經由 Synthorai 閘道進行，使用 gemini-3.6-flash、gemini-3.5-flash 和 gemini-3.5-flash-lite。任務矩陣與代理工作套件的 token 數量取自逐次呼叫的用量紀錄；推理檔位結果來自加入隨機內容的五任務消融測試（每個組合 n=3）；上下文與快取則透過召回針和前綴掃描測試。正確率只統計具有單一可驗證答案的任務。價格與行為可能變更，請以自己的用量紀錄確認。

← 返回部落格