实测 Gemini 3.7 Flash API 成本：同任务比 3.6 便宜 2.5-8 倍

Gemini 3.7 Flash 处理相同任务时，费用比 Gemini 3.6 Flash 低 2.5 到 8 倍，其中只有一半来自官方宣传的降价。推广期内，每百万输入和输出 token 的价格分别为 $0.75 和 $3.75，比 3.6 低 50%；在我们的计费数据中，同一个包含 6.9K token 的 prompt，费用也恰好减半（$0.00529 对 $0.01057）。另一半差距不太显眼：在相同的 4 项实测任务中，gemini-3.7-flash 消耗的思考 token 比 3.6 少 26% 到 77%。模型发布后的第二天，我们测试了它的定价条款、思考档位（其中一个档位已被移除）、Google 文档明确说明和轻描淡写的兼容性问题，以及缓存、上下文和 tokenizer 的延续性。

TL;DR

• 推广价 $0.75/$3.75 持续到 2026 年 12 月 31 日，之后调整为 $1.50/$7.50；相同 prompt 在我们的计费数据中费用恰好是 3.6 的一半。
• 默认思考量比 3.6 少 26-77%（5 步任务中为 144 对 384 个 token），因此单任务账单降低 2.5-8 倍，而不只是 2 倍。
• 关闭开关已被移除：所有表示关闭的写法都会返回 400（“Thinking level is unsupported”）；现在最低只能设为 low。
• 在两轮工具调用中，3.7 处理工具结果时的思考量减半（32 对 61 个 token）；拒答一个无法回答的问题时，两款模型都消耗了约 500 个思考 token。

Gemini 3.7 Flash 实际要花多少钱？

在 2026 年 12 月 31 日前，费率是 3.6 的一半；我们测过的每项任务，token 消耗也不到 3.6 的一半。Google 公布的首发价格是每百万输入 token $0.75、每百万输出 token $3.75；从 2027 年 1 月 1 日起恢复为 $1.50/$7.50，与 3.6 的价目表完全一致。缓存读取为每百万 token $0.075，是推广期输入价格的 10%。实测计费与价目表一致：同一个包含 6.9K token 的 prompt，在 3.7 上花费 $0.0052875，在 3.6 上花费 $0.0105675，正好减半。

影响更大的是模型不再消耗的部分。我们对完全相同且加入随机盐值的任务分别运行 3 次，以下是思考 token 的中位数和对应的输出费用：

Google 在发布时称 3.7 “思考得更细致”；在我们的任务中，“更细致”意味着 token 更少，而不是更多。两款模型在所有准确性测试中都保持 3/3。费率减半，再叠加思考量减半或降得更多，实际升级后的单任务账单可减少 61-88%，这还没有算缓存。唯一需要注意的是时间：预算应按 1 月 1 日恢复后的价格计算，模式与 Sonnet 5 的推广定价相同。

有一种任务没有延续这个趋势，而且几乎没人会为它预留预算：拒答。我们询问了 5 个虚构实体，分别是一家公司、一家研究所、一份城镇宪章、一种合金和一个奖项。两款模型都拒绝回答全部 5 个问题，而且思考消耗高于我们测过的其他任何任务：3.7 的思考 token 中位数为 511，3.6 为 494。回答“没有相关记录”所用的思考量，是求解 5 步算术链的 3.5 倍。经常遇到数据缺失的检索增强流水线，每次未命中都要承担这笔成本；这也是 3.7 效率优势唯一消失的场景。这个结果也为发布首周的一项担忧提供了实测依据：评测者指出 3.7 的幻觉率更高，但面对虚构实体问题时，它 5 次都给出了保留性回答，与 3.6 完全一致。

3.7 还保留了哪些思考控制项？

保留了 3 个档位，不能关闭，与文档一致：low、medium（默认）和 high。文档没有明确说明的是，3.6 的关闭方式已经全部失效。我们发送的所有关闭写法，包括 reasoning_effort: "none"、"minimal"、thinking_budget: 0、thinking: {"type": "disabled"}、enable_thinking: false，都返回相同的上游 400：“Thinking level is unsupported: THINKING_LEVEL_MINIMAL”。第二条独立请求路径给出的说法更直接：“Reasoning is mandatory for this endpoint and cannot be disabled”。因此，这是模型本身的限制，不是某个客户端转换层的问题。在同一批次实测的 3.6-flash 上，none 和 minimal 仍能将消耗降为零。Flash 系列已经采用与 Pro 档一致的策略：思考无法关闭，3.6 也因此成为最后一个支持关闭思考的 Flash 版本。

在 5 步任务中，仍可用的档位表现如下（3 次运行的中位数，准确率均为 3/3）：

还有两点实测结论。第一，默认档位确实是 medium：档位矩阵中，未配置时消耗 154 个 token，与显式设置 medium 时的 147 个基本没有差别。第二，thinking_budget 确实已经弃用：我们发送的所有非零值（16 到 1,024）都被接受，但消耗始终维持在 135-138 个 token，相当于空操作；而 3.6 仍会把较小的预算映射为关闭，并把较大的预算用作上限。如果 3.6 集成通过预算控制成本，迁移到 3.7 后只需选择档位，这就是完整的控制接口。不同供应商的控制档位究竟是否生效，可参考我们的思考控制矩阵。

Agent 场景中，每一步要花多少钱？

工具选择与 3.6 相同，变便宜的是步骤之间的思考过程。我们针对两个函数运行了两轮循环：先查询事故，再重启查询结果中指定的服务。每款模型各运行 3 次：

两款模型都先选择 get_incident，随后选择 restart_service，3 次均正确，prompt token 也完全相同。差距出现在第二轮：3.7 在确定下一次调用前，思考量大约只有 3.6 的一半。这正是 agent 会反复执行的步骤：按这些中位数计算，20 步循环在 3.7 上的输出费用约为 $0.0043，在 3.6 上则为 $0.0131。即使 1 月恢复原价，这个比例也不会变化，因为差距来自 token 数量，而不是费率。Google 将 agent 基准测试的提升包装成成本优势，背后的机制正是每一跳消耗更少的思考 token，再乘上大量重复步骤。

与竞品相比，模型表现取决于具体基准。在把编码 agent 切换过去之前，值得先查看这些结果：独立汇总显示，3.7 Flash 在 FrontierCode 上领先（43.6%，Sonnet 5 为 42.7%），在 AutomationBench 上的成绩接近 Sonnet 5 的 3 倍；但根据同一份汇总和发布首周的报道，GPT-5.6 Terra 在 Terminal-bench 上领先，Sonnet 5 则在桌面任务测试中领先。3.7 唯一没有争议的是成本下限。

从 3.6 升级后，哪些功能会出问题？

有两类请求会明确返回 400，另有几项行为比文档描述得更隐蔽。Google 的迁移说明要求移除 temperature、top_p、top_k、candidate_count 和预填充的模型轮次。实测结果如下：

这里存在明显的不对称：思考档位会严格校验，传入不支持的值时返回清晰的 400，并指出具体值；采样参数和输出上限则会吞掉任何输入。如果客户端库默认设置 temperature，目前不会出问题；如果它通过预填充 assistant 轮次引导输出，那么在升级前就已经无法使用。

缓存、上下文和 tokenizer 能否直接沿用？

可以，但缓存构建变慢了。隐式缓存的命中形态与 3.6 相同：对同一个包含 6,905 个 token 的 prompt 发起第二次调用时，其中 4,076 个 token 命中缓存，使该次调用成本降低 52%；缓存读取价格是推广期输入价格的 10%。不过构建延迟增加了：3.6 在预热调用后 4 秒即可命中；3.7 在 4 秒时没有命中，30 秒时才成功。短时间内连续到达的重复流量可能赶在缓存就绪前；除此之外，写入侧的成本模型没有变化。

一次调用可接受 708,912 个输入 token，并能正确回答其中的大海捞针式检索问题，符合 1M 上下文的官方说明，价目表也没有单独的长上下文费率。4 代模型的文本 tokenizer 按字节完全一致：gemini-3.1-pro-preview、3.5-flash、3.6 和 3.7 对同一份中英混合并包含代码的语料，计数都是 50 个 token，因此 token 预算可以直接沿用。图像输入仍按 1,089 个 token 的固定值计费，不受尺寸影响，与我们在 Gemini 系列上的既有测量结果一致。两代模型都不会返回思考文本：每次调用中的 reasoning_content 都为空，因此用户看不到自己付费购买的思考内容，这也是发布首周讨论中持续出现的抱怨。结构化输出保持正常：严格 json_schema 在 3/3 次运行中都返回了正确有效的 JSON；设置 reasoning_effort: "low" 后，提取任务的思考量降为零，仍属于我们的档位矩阵在各模型中都发现的单步安全区。

常见问题

Gemini 3.7 Flash API 的价格是多少？

推广期持续到 2026 年 12 月 31 日，每百万输入 token $0.75，每百万输出 token $3.75；从 2027 年 1 月 1 日起恢复为 $1.50/$7.50，与 Gemini 3.6 Flash 的价目表相同。缓存读取为每百万 token $0.075。对相同 prompt 的实测计费显示，3.7 的费用恰好是 3.6 的一半。

Gemini 3.7 Flash 可以关闭思考吗？

不可以。所有关闭写法都会返回 400（“Thinking level is unsupported”）；可用档位为 low、medium（默认）和 high。即使设为 low，在我们的 5 步任务中仍消耗了 133 个思考 token。Gemini 3.6 Flash 仍是最新一款支持 reasoning_effort: "none" 的 Flash 模型，其价格与 3.7 推广期结束后的价格相同。

Gemini 3.7 Flash 每次请求真的比 3.6 便宜吗？

实际降幅高于宣传的 50%：在相同任务上，它的思考量还减少了 26-77%，因此我们实测的单任务账单下降 61-88%（两跳文字题从 $0.0020 降到 $0.0002）。12 月 31 日之后，费率会恢复到与 3.6 相同，届时只剩思考量带来的成本优势。

为 Gemini 3.6 Flash 编写的代码能直接用于 3.7 吗？

大部分可以。尽管文档要求移除采样参数（temperature、top_p、top_k），它们仍会被接受；过大的 max_tokens 也只会被静默限制。真正会导致请求失败的有两项：预填充 assistant 轮次会返回 400（3.6 也已经如此），所有关闭思考的写法现在也都会返回 400，因此成本控制必须从 thinking_budget 迁移到 3 个思考档位。

测试于 2026-08-15 通过 Synthorai gateway 完成，当时距模型发布两天。测试范围包括：档位与关闭开关矩阵（7 个 effort 值、5 个 budget 值、2 个关闭参数，n=3；每项对比都在同一批次重新运行 gemini-3.6-flash）、4 项任务的思考成本扫描、严格 JSON 结构化输出、弃用参数探测、输出上限与 708K 上下文接受测试、两种等待时长下的隐式缓存配对测试、4 代 Gemini 模型的固定语料 tokenizer 对比、两轮函数调用循环（每款模型 n=3），以及包含 5 个虚构实体问题的拒答测试。任务费用按各模型当前输出费率和实测 completion token 计算。另有两项结论通过第二条独立请求路径交叉验证：接受超大 max_tokens，以及不存在关闭档位。推广价格和日期来自 Google 公布的条款；随着发布逐步稳定，模型行为可能发生变化。

← 返回博客