Gemini 3.6 Flash：一个把成本拉动 30 倍的思考开关（实测）

Gemini 3.6 Flash 除了对答案计费，还会对思考 token 计费，而它花多少思考 token 是一个你能在每次请求里控制的开关。同样一个 120 词的写作任务，默认设置计费 $0.03316，minimal 设置计费 $0.00110，相差 30 倍，但读者根本分辨不出输出有什么区别。这个开关是这个模型上最重要的一个成本决策，同时也带着一个尖锐的坑。Gemini 3.6 Flash 于 2026-07-21 正式发布，输入每百万 token $1.50，输出每百万 token $7.50，比 3.5 Flash 的输出 $9 有所下降。它和 Gemini 3.5 Flash-Lite 以及一个面向安全场景调优的 3.5 Flash Cyber 一起发布；本文测的是两个通用档位，3.6 Flash 和 Flash-Lite。

TL;DR

• reasoning_effort: "minimal" 相比默认设置把单次调用成本降低了 91–97%（在 120 词任务上相差 30 倍），在单步、结构化输出和工具调用任务上没有代价，但把多步数学从 3/3 打崩到了 0/3。
• Google 说的「输出 token 减少 17%」取决于工作负载：我们那些推理密集的任务轻了 19%（便宜 32%），我们的 agent 测试组重了 9%（便宜 6%）。
• 1M context 是真的（在 972K token 处埋的针能被召回），prompt caching 也精确匹配 Google 公布的 4,096 token 下限，这是干净利落的规格对齐，不像某些「1M context」模型达不到自己宣传的数字。

以下所有数据均于 2026-07-24 通过 Synthorai gateway 实测，重复的 prompt 都加了盐以绕过缓存；每个数字背后都有原始用量记录。

Gemini 3.6 Flash 在默认设置下每个任务花多少钱？

推理主导了输出账单，而且不管你看不看得到都会计费。在默认 effort 下，模型花在思考上的 token 远多于回答，这些推理 token 按完整的 $7.50/M 输出价计费：

这个规律要记牢：一个只有两个 token 的事实型回答，仍然带了 69 个推理 token；而那个 120 词的段落，思考花的 token 是写作的 30 倍。推理 token 记在 completion_tokens_details.reasoning_tokens 里，所以你能看到数量，但永远看不到内容。Gemini 完全不返回任何思考摘要或轨迹，是我们在 token 用量剖析 研究里梳理出的最封闭的一端；在那份研究里，Kimi K3 会返回完整的思维链，GPT-5.6 返回一份摘要。下一节讲怎么把这笔开销调下来。

thinking 档位到底做了什么？

它是一个货真价实、单调递增的成本调节杆，在大多数任务类型上几乎是白捡的省钱机会。把 reasoning_effort（或原生的 thinking_config.thinking_level）设为 minimal，会让 reasoning token 归零，单任务成本降低 91–97%：

这个调节杆是实打实生效的，可选值为 minimal、low、medium（默认）和 high；在我们的探测中，每上一档都单调地换来更多推理量（minimal 0 个 token、low 约 180 个、medium 约 530 个、high 约 650 个）。minimal 唯一做不到的就是思考，而多步算术恰恰需要思考：被逼着简短作答那道铅笔和袋子的文字题时，模型三次全错，而且是散乱的错误答案，不是同一个系统性失误。在检索、分类、格式化和单步问题上，minimal 保住了准确率，账单则降了一个数量级。

实操规则和我们在 Kimi K3 上的发现一致：对抽取、查询和格式化任务，minimal 是站得住脚的默认值；但对任何需要中间步骤的任务，它就是个坑。按路由设置，别全局设置，上线到推理密集型任务前先在你自己的任务上验证准确率。

两种高流量的生产形态可以把结论说得更具体：结构化输出和函数调用在默认档位下都会消耗推理量，而且都可以安全地跑在 minimal 上。一次受 schema 约束的抽取（带 JSON schema 的 response_format）在默认档位下计费 337 个 reasoning token，返回了合法的 JSON；在 minimal 下 reasoning 计费为零，依然返回了符合 schema 的合法 JSON，成本降到九分之一。函数调用表现相同：默认档位下 74 个 reasoning token，返回正确的 get_weather(city) 调用；minimal 下零推理，同样的正确调用，成本降到四分之一。这些本质上是套着「结构化」外衣的单步任务，模型不需要靠思考去填一个已经指定好的字段。所以如果你的流量是抽取或工具路由，minimal 基本就是白捡的省钱机会。

“输出 token 减少 17%”这个说法站得住脚吗？

要看具体的负载类型，而且拆开来看很有启发。Google 在发布时把 3.6 Flash 定位为：在 Artificial Analysis Index 上，输出 token 比 3.5 Flash 少约 17%（在个别 agentic 评测上最高可达 65%）。我们用自己的两套测试环境分别跑了这两个模型，结果方向正好相反：

在推理密集的短任务上，这个说法不仅复现了，还超过了它的宣传值：总输出下降 19%，接近 Google 说的 17%，而且几乎全部来自 thinking，而不是答案本身。我们对两个模型做了配对重跑，把输出 token 拆开看，可见的答案只缩短了 4%，推理却减少了 19%，主要集中在数学和写作任务上，3.6 在这些任务上用更少的推敲就能得到同样的结果。这就是 benchmark 背后的机制：在依赖 thinking 预算的任务上，3.6 在同样答案下确实更高效。

在 agentic、多轮的流量上，方向反过来了：整套套件下来，3.6 的输出比 3.5 多约 9%。效率提升发生在推理阶段，而 agent 循环在这个阶段花的预算占比更小，能省的空间就少，于是 3.6 略长的每轮输出占了上风。不管哪种情况，账单都在下降，因为两个效应的叠加方式不同：推理密集的任务同时省在 token 和 $9→$7.50 的费率下调上（−32%），而 agent 流量只省在价格上（−6%）。老实说，结论是：“输出 token 减少 17%”在 thinking 主导输出时是真的，在不主导时会反转，所以别照搬宣传值，去测你自己的流量组合，并且记住上一节讲的那个旋钮对结果的影响远大于版本号的升级。

1M 上下文窗口是真的吗？

是真的，而且它是明确报错，而不是悄悄失败。我们把一根召回针放在提示词开头，逐步加大提示词的规模：到 972K 输入 token 时仍然能正确召回，超过上限的提示词会干脆返回一个 400 input token count exceeds the maximum，而不是悄悄丢内容。这一点值得说清楚，因为市面上并不是每个号称“1M 上下文”的模型都真的能服务它宣传的窗口。给想复现的人一个测试提醒：填充内容要用多样的、句子形态的文本，因为用单个重复 token 拼出来的提示词，会在远未到规模上限时就把模型逼进退化的乱码。

Prompt caching 是自动的，而且在关键数字上和规格一致。Google 记录了 Flash 模型上下文缓存的最低门槛是 4096 个 token，我们的扫描结果正好落在这里：前缀在约 2.1K 及以下从不缓存，命中从约 4.1K token 开始，经过 5 到 8 次调用的预热后，每次命中大约会留下最后 2.1K 未缓存。缓存输入的读取价格是 $0.15/M，相比 $1.50 的新鲜读取有 10 倍折扣。这一点值得直说，因为这是让人放心的情况：不像我们测过的某些模型，宣传数字夸大了端点实际交付的能力，Gemini 3.6 Flash 的缓存下限和它的 1M 窗口都和文档说的一致。缓存仍然只对真正长且稳定的前缀划算，另外注意 Flash 档位只支持自动（隐式）缓存，不支持显式的 cached-content API，所以你没法手动固定一个大文档、在门槛以下重复使用。

Gemini 3.5 Flash-Lite 适合什么场景？

Flash-Lite 属于成本可预测的那一档。它从不悄悄消耗 reasoning token，账单和可见的输出一一对应。同一道多步数学题，Flash-Lite 计费 $0.00057，而 3.6 Flash 默认档要 $0.00368，大约便宜 6 倍，而且它是把推理过程明明白白算出来，而不是藏在隐藏的 reasoning 字段里。输入 $0.30/M、输出 $2.50/M，对于高并发、延迟敏感的单步任务，它是合适的默认选择；当任务需要那个档位能补回来的推理能力时，再升到 3.6 Flash。tokenizer 不仅在三个新模型之间没变，一直回溯到 Gemini 2.5 Flash 也没变：在我们检查过的每一代上，英文、中文、日文、韩文和 Python 的 token 计数都完全一致，所以为 2.5 建立的分语言预算可以直接沿用到 3.6，不用重新设基线。

FAQ

Gemini 3.6 Flash 能完全关掉推理吗？

在我们的测试里，reasoning_effort: "minimal"（或 thinking_level: "minimal"）把 reasoning token 压到了零，这就是档位的最低值；可接受的档位是 minimal、low、medium、high。没有单独的“禁用”状态，硬关推理的尝试会在上游被拒绝，所以 minimal 就是最低了，对单步任务而言这已经够低。

为什么我的 Gemini 账单比可见的答案看起来要高？

因为 reasoning token 按完整的输出费率计费，而它们不在你拿到的文本里。一个两 token 的答案背后可能带着几十到几千个计费的 reasoning token；读 completion_tokens_details.reasoning_tokens（或用 total_tokens − prompt − completion 对账）就能看到真实的输出费用，任务允许的地方就把档位调低。

Gemini 3.6 Flash 还是 Claude Haiku 4.5？

两者占据同一个快速档位，价格相近，区别在于工作负载，不是谁绝对更强。从成本角度看，3.6 Flash 的 thinking 档位是关键差异：minimal 让它在单步流量上便宜一个数量级，而它的默认档会消耗推理，$1/$5 的 Haiku 4.5 则不会。公开的 benchmark 里，Haiku 4.5 在编码深度上占优，3.6 Flash 在数学和纯 token 价格上领先；按你的流量构成来选，正式采用前先在自己的任务上把两者都测一遍。

Gemini 3.6 Flash 比 3.5 Flash 便宜吗？

是的，我们测过的每种工作负载都便宜，具体便宜多少取决于任务形态。输出从 $9/M 降到 $7.50/M，在推理密集的短任务上 3.6 消耗的输出 token 也更少，所以成本下降约 32%；在 agent 流量上它消耗的 token 略多，节省只来自费率下调，约 6%。不管哪种情况都更便宜；迁移过去，再拿你自己的流量组合重新测一遍。各模型系列的分 token 成本拆解，见我们的 token 用量剖析研究。

2026-07-24 通过 Synthorai gateway 在 gemini-3.6-flash、gemini-3.5-flash 和 gemini-3.5-flash-lite 上测得；任务矩阵和 agent 套件的 token 计数来自逐次调用的用量记录，档位实验结果来自加盐的五任务消融实验（每格 n=3），上下文和缓存探测来自 needle-recall 和前缀扫描。准确率统计使用有单一可校验答案的任务。价格和行为可能变化，请以你自己的用量记录为准。

← 返回博客