Gemini 3.6 Flash：思考档位让成本相差 30 倍（实测）

Gemini 3.6 Flash 除了答案 token，还会对思考 token 收费。每次请求花多少 token 思考，可以通过参数控制。在同一个 120 词写作任务中，默认设置的费用是 $0.03316，minimal 设置则是 $0.00110，相差 30 倍，但读者看不出输出质量有什么区别。这个档位是使用该模型时最重要的成本控制手段，同时也有一个明显的风险。Gemini 3.6 Flash 于 2026-07-21 正式发布，输入价格为每百万 token $1.50，输出价格为每百万 token $7.50，低于 3.5 Flash 的 $9 输出价格。同期发布的还有 Gemini 3.5 Flash-Lite 和针对安全场景调优的 3.5 Flash Cyber；本文实测两个通用档位：3.6 Flash 和 Flash-Lite。

TL;DR

• 与默认设置相比，reasoning_effort: "minimal" 可将单次调用成本降低 91-97%（在 120 词任务中相差 30 倍）。对单步任务、结构化输出和工具调用，它几乎没有质量代价，但多步数学题的正确率从 3/3 降到 0/3。
• Google 所说的“输出 token 减少 17%”取决于工作负载：我们的重推理任务少用了 19%（成本降低 32%），Agent 测试套件反而多用了 9%（成本降低 6%）。
• 1M 上下文窗口确实可用（放在 972K token 位置的信息仍能正确召回），prompt caching 也完全符合 Google 公布的 4,096 token 下限。与部分实际容量低于宣传值的“1M 上下文”模型不同，这两项规格都没有缩水。

以下数据均于 2026-07-24 通过 Synthorai gateway 测得。重复 prompt 均加入随机盐值以绕过缓存，每个数字都有原始 usage 记录支持。

默认设置下，Gemini 3.6 Flash 每个任务要花多少钱？

输出费用主要来自推理，无论你是否能看到这些内容，都会计费。使用默认 effort 时，模型用于思考的 token 远多于回答本身，且这些推理 token 按完整的 $7.50/M 输出价格收费：

需要记住的规律是：只有两个 token 的事实回答，仍带有 69 个推理 token；写一段 120 词的文字时，模型用于思考的 token 是实际写作的 30 倍。推理 token 会列在 completion_tokens_details.reasoning_tokens 中，因此可以看到数量，但永远看不到内容。Gemini 不返回任何思考摘要或轨迹。在我们的 token 用量解析 研究中，它属于最封闭的一端；Kimi K3 会返回完整思维链，GPT-5.6 则返回摘要。下一节介绍如何降低这部分开销。

思考档位究竟有什么作用？

这是一个真正有效、单调变化的成本控制项。对大多数任务来说，降档几乎相当于白捡成本收益。将 reasoning_effort（或原生参数 thinking_config.thinking_level）设为 minimal 后，推理 token 降为零，各类任务的成本降低了 91-97%：

这个档位确实有效，支持的值为 minimal、low、medium（默认值）和 high。我们的探测结果中，每升一档，推理量都会单调增加（minimal 为 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这个过程。在被要求简短回答铅笔和袋子的应用题时，模型三次全部答错，而且错误答案各不相同，并非某个固定环节出了问题。对于检索、分类、格式转换和单步问题，minimal 能保持正确率，同时将费用降低一个数量级。

实际使用原则与我们在 Kimi K3 上的发现相同：对于信息抽取、查询和格式转换，minimal 可以作为合理的默认值；对于任何需要中间步骤的任务，它都很危险。应该按路由设置，而不是全局启用。将其用于重推理任务前，先在自己的任务上验证正确率。

两类高流量生产场景最能说明这一点：结构化输出和函数调用在默认设置下都会消耗推理 token，但都可以安全地使用 minimal。一次受 schema 约束的抽取任务（使用带 JSON schema 的 response_format）在默认设置下产生了 337 个推理 token，并返回有效 JSON；改成 minimal 后，推理 token 为零，返回结果仍符合 schema，成本降低 9 倍。函数调用的表现相同：默认设置产生 74 个推理 token，并正确调用 get_weather(city)；minimal 不产生推理 token，调用结果同样正确，成本降低 4 倍。这些只是披着“结构化”外衣的单步任务。模型不需要经过推理才能填写明确指定的字段。如果流量主要来自信息抽取或工具路由，使用 minimal 几乎只有收益。

“输出 token 减少 17%”的说法成立吗？

这取决于工作负载，两组结果的差异很有参考价值。Google 在发布 3.6 Flash 时表示，与 3.5 Flash 相比，它在 Artificial Analysis Index 上的输出 token 大约减少 17%（在个别 Agent 评测中最高减少 65%）。我们用自己的两套测试分别运行两个模型，得出了方向相反的结果：

在重推理短任务中，我们不仅复现了这个结果，降幅还超过了宣传值：总输出 token 减少 19%，接近 Google 所说的 17%，而减少的几乎全是思考过程，不是答案。对两个模型进行成对复测并拆分输出 token 后，发现可见答案只缩短了 4%，推理 token 则减少了 19%。差异主要集中在数学和写作任务上，3.6 用更少的思考就能得到相同结果。这正是基准测试结果背后的原因：对于高度依赖思考预算的任务，3.6 在答案相同的情况下确实更高效。

在 Agent 和多轮流量中，结果正好相反：整套测试中，3.6 的输出 token 比 3.5 多了约 9%。效率提升主要发生在推理阶段，而 Agent 循环的预算中，推理所占比例较低，可以节省的空间更小，最终被 3.6 略长的单轮输出抵消。无论哪种情况，费用都下降了，只是原因不同：重推理任务同时受益于 token 减少和 $9→$7.50 的价格下调，成本降低 32%；Agent 流量则只受益于降价，成本降低 6%。准确的结论是：当思考占输出的大头时，“输出 token 减少 17%”确实成立；否则结果可能反转。不要直接套用宣传数字，应按自己的流量构成实测。上一节的思考档位对成本的影响，远大于这次版本升级。

1M 上下文窗口真的可用吗？

可以，而且超限时会明确报错，不会静默截断。我们把待召回信息放在不同长度 prompt 的开头。在输入达到 972K token 时，模型仍能正确召回；超过上限后，则返回明确的 400 input token count exceeds the maximum，而不是悄悄丢弃内容。市面上并非所有标称“1M 上下文”的模型都能提供宣传的窗口大小，因此这一点有必要说明。如果要复现实验，请使用内容多样、句子形式的填充文本。我们发现，如果用同一个 token 反复填充 prompt，模型在远未达到长度上限时就会退化为胡言乱语。

Prompt caching 会自动工作，关键数值也与规格完全一致。Google 文档规定 Flash 模型的上下文缓存下限为 4,096 个 token，我们的扫描结果恰好落在这个位置：前缀不超过约 2.1K token 时从不命中缓存，约 4.1K token 时开始命中。预热需要调用 5 到 8 次，每次命中后，末尾仍有约 2.1K token 不会缓存。缓存输入的读取价格为 $0.15/M，相比 $1.50 的新输入价格便宜 10 倍。这里可以直接下结论：我们测过的一些模型，接口实际提供的能力低于宣传规格，而 Gemini 3.6 Flash 的缓存下限和 1M 窗口都与文档一致。缓存只对真正长且稳定的前缀有经济价值。Flash 系列仅支持自动（隐式）缓存，不支持显式 cached-content API，因此无法手动固定一个大文档，并在未达到下限时复用。

Gemini 3.5 Flash-Lite 适合什么场景？

Flash-Lite 是成本更可预测的档位。它不会在不可见处消耗推理 token，因此费用与可见输出一一对应。在同一个多步数学问题上，Flash-Lite 的费用是 $0.00057，而 3.6 Flash 默认设置的费用为 $0.00368，前者大约便宜 6 倍。Flash-Lite 还会直接展示解题过程，而不是把它放在隐藏的推理字段中。其输入价格为 $0.30/M，输出价格为 $2.50/M，适合用作高流量、延迟敏感、单步任务的默认模型；只有任务确实需要额外推理时，再升级到 3.6 Flash 并提高思考档位。Tokenizer 不仅在这三个新模型之间保持不变，甚至可以追溯到 Gemini 2.5 Flash：在我们测试的所有代际中，英语、中文、日语、韩语和 Python 的 token 数都完全一致。因此，为 2.5 制定的各语言预算可以直接沿用到 3.6，无需重新建立基线。

常见问题

Gemini 3.6 Flash 能完全关闭推理吗？

在我们的探测中，reasoning_effort: "minimal"（或 thinking_level: "minimal"）会将推理 token 降为零，这也是思考档位的下限。支持的档位包括 minimal、low、medium 和 high。它没有单独的“禁用”状态，尝试强制关闭推理会被上游拒绝，因此 minimal 已经是最低值。对于单步任务，这已经足够低。

为什么我的 Gemini 账单比可见答案对应的费用高？

因为推理 token 按完整的输出价格收费，但不会包含在返回文本中。只有两个 token 的答案，也可能附带几十到几千个计费推理 token。可以查看 completion_tokens_details.reasoning_tokens，或通过 total_tokens − prompt − completion 对账，确认实际输出费用。在任务允许的情况下，应降低思考档位。

该选 Gemini 3.6 Flash 还是 Claude Haiku 4.5？

两者都处于相近价位的高速档位，选择取决于工作负载，并不存在适用于所有场景的唯一赢家。从成本角度看，3.6 Flash 的主要差异在于思考档位：对单步流量使用 minimal，成本可以降低一个数量级；而默认设置会产生额外推理费用，Haiku 4.5 的价格为 $1/$5，没有这部分开销。公开基准测试显示，Haiku 4.5 在代码深度方面更强，3.6 Flash 则在数学和 token 单价上领先。应根据流量类型选择，并在决定前用自己的任务实测两个模型。

Gemini 3.6 Flash 比 3.5 Flash 便宜吗？

是的。在我们测试的所有工作负载中，3.6 都更便宜，但降幅取决于任务形态。输出价格从 $9/M 降至 $7.50/M；对于重推理短任务，3.6 还使用了更少的输出 token，因此成本下降约 32%；对于 Agent 流量，它使用的 token 略多，节省主要来自价格下调，约为 6%。无论哪种情况都更便宜。迁移后，应按自己的流量构成重新测量。要查看不同模型系列的 token 成本拆分，请参阅我们的 token 用量解析 研究。

数据于 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 数来自逐次调用的 usage 记录；思考档位结果来自加入随机盐值的五任务消融实验（每个单元 n=3）；上下文和缓存结果来自信息召回与前缀扫描。正确率仅统计具有唯一可验证答案的任务。价格和行为可能变化，请以自己的 usage 记录为准。

← 返回博客