Gemini 3.6 Flash 对比 Gemini 3.5 Flash：实际发生了什么变化？

当谷歌于Gemini 3.6 Flash在2026年7月21日发布时，在其官方发布材料中描述该模型为“基于Gemini 3.5 Flash”——一个异常坦率的表述，也是整个公告中最有用的一句话。这并非像Gemini 3相对于Gemini 2那样的新一代飞跃；它是对同一主力层级的迭代，针对相同任务进行调优——高并发聊天、检索、日常编码以及成本和延迟与传统智能同样重要的代理型管道。谷歌没有重新定位该模型，没有重命名其层级，也没有改变目标受众。如果你已经在生产环境中运行3.5 Flash，那么3.6 Flash显然是下一步评估的对象，而非需要学习的新产品。

因此，真正的问题并非抽象意义上的“3.6 Flash是否更好”——2026年7月的版本显然旨在某些方面超越其三月的上一代产品——而是具体哪些维度发生了变化、变化幅度多大，以及这些维度是否正是你的工作负载所依赖的。本次对比通过双方共享的智能评分、供应商报告的编码、代理和长上下文方面的提升、针对代表性调用的实际成本比较，以及决定立即迁移、稍后迁移或根本不迁移的三种场景来展开。

TL;DR 结论。升级的理由在于成本、速度以及智能体的预留空间——而非单纯的原始智力。Gemini 3.6 Flash 和 3.5 Flash 在 Artificial Analysis Intelligence Index 上的得分均为 50——在这一独立衡量标准上并无智力提升。但 3.6 将输出价格降至每 100 万 token 7.50 美元（此前为 9.00 美元），每项任务使用的输出 token 减少约 17%，并且是 Artificial Analysis 追踪的速度最快的模型（303 tokens/sec）。谷歌自己的基准测试也显示出在真实编码、智能体以及长上下文方面的切实提升——最引人注目的是在 100 万上下文召回率（GDM-MRCR v2）上从不足 27% 跃升至 54.0%。对于几乎所有的 3.5 Flash 工作负载，3.6 Flash 都是一个直截了当的成本与能力之选；等待的唯一理由是发布初期的稳定性以及经过严格调优的评估。

关键要点

• 相同的智能评分。两者都位于 Artificial Analysis Intelligence Index 50——升级的是效率和代理能力，而非通用智能。

•  更低的输出成本。3.6 Flash 每100万输出token价格为7.50美元，相比3.5 Flash的9.00美元有所下降；输入价格为1.50美元，缓存输入为0.15美元。

• 更少的令牌，更快的速度。每个可比任务输出的令牌减少约17%，吞吐量排名最高，约为303个令牌/秒。

• 适度但稳定的编码提升。Google 报告称 3.6 在 SWE-Bench Pro（58.7% 对 55.1%）、DeepSWE（49% 对 37%）、MLE-Bench（63.9% 对 49.7%）和 OSWorld（83.0% 对 78.4%）上领先 3.5。

•  长上下文召回率急剧上升。 GDM-MRCR v2 在 1M 上下文下从低于 27% 跃升至 54.0%——这是两个版本之间报告的最大增幅。

•  除此之外，形状相同。两者都具有约1M上下文、64K输出、多模态输入/文本输出。3.6版本增加了2026年3月的知识截止日期。

• 存在启动窗口注意事项。早期报告显示容量/可靠性压力，以及至少一个关于前端/空间推理输出较弱的记录——如果你运行生产流量，值得固定版本。

这里的跨模型基准测试数据——SWE-Bench Pro、DeepSWE、Terminal-Bench、MLE-Bench、OSWorld、GDPval和GDM-MRCR——是谷歌自身将3.6 Flash与3.5 Flash进行对比的结果。唯一独立的参考基准——Artificial Analysis Intelligence Index（两者均为50）——会持续重新测量；在引用前请核实实时数据。3.5 Flash的每次token输入价格在发布材料中未重新说明；在自行计算成本前，请确认定价页面上的当前费率。

规格与价格，并排对比

• AA Intelligence Index — Gemini 3.6 Flash: 50; Gemini 3.5 Flash: 50 （相同）

• 输出价格（每1M）— 3.6 Flash：$7.50；3.5 Flash：$9.00

• 输入价格（每百万）——3.6 Flash: $1.50 (缓存价$0.15); 3.5 Flash: 请查看当前定价页面

• 每个任务的输出tokens数 — 3.6 Flash: 减少约17%；3.5 Flash：基线

• 速度 — 3.6 Flash: 303 令牌/秒（#1 记录）；3.5 Flash: 快速，上一代

•  SWE-Bench Pro（供应商） — 3.6 Flash: 58.7%; 3.5 Flash: 55.1%

•  DeepSWE v1.1（供应商）— 3.6 Flash：49%；3.5 Flash：37%

• GDM-MRCR v2 在1M下，长上下文召回（供应商）— 3.6 Flash： 54.0%； 3.5 Flash：低于27%

•  知识截止日期 — 3.6 Flash: 2026年3月; 3.5 Flash: 更早（发布材料中未指定）

• 上下文/输出/模态 — 两者兼有：~1M / 64K / 多模态输入、文本输出

故事出现在第一行和最后一行。顶部是相同的智能水平；底部是相同的能力边界——相同的上下文窗口、相同的输出上限、相同的多模态输入/文本输出形态。所有变化都集中在中间部分：价格、Token数量、速度、编程评分，尤其是长上下文召回能力，其在所有行中变化最大。这恰恰是一次效率与智能体能力更新的特征，而非新一代模型。

基准测试深度解析：这些数字实际衡量的究竟是什么

以Artificial Analysis Intelligence Index作为开头，因为它是这里唯一一个独立测量而非自我报告的数字。两个版本恰好都得了50分。这一平局很重要：它表明模型的基础推理能力、知识和通用问题解决能力在版本之间没有变化——你在任何综合意义上都没有得到一个更智能的模型。同样值得注意的是，该分数与特定的推理努力设置挂钩，并由中立的第三方持续重新测量，因此请将50/50视为当前的独立读数，而非永久事实。

编码数字讲述了另一个故事，而且全部来自谷歌自身的供应商对比。SWE-Bench Pro 从 55.1% 升至 58.7%，DeepSWE v1.1 更是从 37% 跃升至 49%——两者衡量的是模型能否解决实际的软件工程任务，而非仅回答关于代码的问题。DeepSWE 上两位数的波动即便作为自报数字也是个有意义的信号，但由于没有针对这对比较进行独立的重复评估，应将其视为更强编码智能体的方向性证据，而非经过认证的、第三方验证的差距。

这些智能体评估进一步拓展了上述图景。Terminal-Bench 2.1 的得分从 76.2% 提升至 78.0%，MLE-Bench 从 49.7% 攀升至 63.9%，OSWorld-Verified 从 78.4% 上升至 83.0%，而 GDPval-AA v2 Elo 评分则从 1349 升至 1421。总体而言，这些评估测试的是多步骤、工具依赖型工作——包括运行终端命令、完成机器学习工程任务、操作计算机环境以及产出专业级交付成果——而非单次回答。四个不同智能体基准测试一致呈现的改善趋势，比任何孤立分数都更具说服力，尽管每个测试都附有供应商报告中的限定说明。

然而，最引人注目的数字是长上下文召回率：在1M令牌上下文长度下，GDM-MRCR v2 从不到27%上升至54.0%——几乎翻倍。这是比较中报告的最大增量，很大程度上解释了令牌和速度节省的实际来源：一个能从巨大上下文中更可靠地检索正确信息的模型，需要的纠正性轮次和冗余推理更少，从而得出正确答案，这与3.6在类似任务上输出令牌数降低约17%是一致的。

实际要付出什么代价

每token的价格比较抽象；每次任务的花费才是账单上的数字。以一次代表性调用为例，输入4,000个token，输出2,000个token。由于3.5 Flash当前的确切输入单价在3.6的发布材料中未重复提及，以下计算对两个版本均采用3.6 Flash公布的每1M个token $1.50的输入定价，以隔离我们确知的两个变化：更低的输出价格以及约17%的输出token效率提升。如需精确的历史账单，请确认定价页面上3.5 Flash的实时输入费率。基于此，3.5 Flash输出2,000个token的成本为2,000 × $9.00 / 1M ≈ $0.018，加上约$0.006的输入成本，每次调用总计约$0.024。3.6 Flash的输出成本，在应用其更低的$7.50费率以及约17%的token缩减（2,000个token变为约1,660）后，为1,660 × $7.50 / 1M ≈ $0.01245，加上相同的约$0.006输入成本，每次调用总计约$0.0185——在考虑token效率影响前约为$0.021，两项变化合并后约为$0.0185。

• 每次调用成本（输入4K / 输出2K）— 3.5 Flash：~$0.024；3.6 Flash：~$0.0185（更低的输出价格，加上输出令牌减少约17%）

• 每月10万次调用 — 3.5 Flash：约$2,400；3.6 Flash：约$1,850

• 每月100万次调用 — 3.5 Flash: 约$24,000；3.6 Flash: 约$18,500

• 相对成本 — 3.6 Flash：每个任务成本约为 3.5 Flash 的 77%（约节省 23%）

23% 在任何规模下都是一个真实数字，但在代理管道中增长最快——Google 指出，在 3.6 Flash 上每个任务平均约需 1.3 分钟，而在 3.5 Flash 上则需要 2.7 分钟。按调用次数和编排分钟数付费的工作负载，会在两个维度上同时节省：每个响应的 token 更少，使用的 token 费率更低，并且占用驱动它的任何代理循环或队列的挂钟时间更少。每月 100 万次调用，直接的 token 成本大约为 5,500 美元，这是可见的部分；而任务完成时间减半所带来的计算和延迟节省，则是定价页面上看不到的部分。

三个真实场景

1. 高容量、延迟敏感的生产端点

聊天、支持、检索和大规模起草——这正是3.5 Flash早已设计应对的工作负载。由于智能水平不变（50对50）且能力范围相同，升级不存在输出质量风险需要权衡。3.6 Flash更低的输出价格、每个任务减少17%的令牌数，以及排名第一的吞吐量，使其近乎一项严格改进：相同质量，更低成本，更快响应。这是三者中最简单的迁移。

2. 自主编程或DevOps流水线

多步骤任务——解决问题、运行终端命令、操作工具——正是 3.6 Flash 厂商报告的增益集中之处：SWE-Bench Pro、DeepSWE、Terminal-Bench、MLE-Bench 和 OSWorld 均表现出对其有利的趋势，每个任务的平均处理时间从约 2.7 分钟降至 1.3 分钟。结合长上下文召回率的提升（在 GDM-MRCR v2 的 1M 长度下为 54.0% 对比低于 27%），这一场景下迁移不仅能节省成本，更能获得最大收益。在完全采用之前，请重新运行你自己的评估套件，因为这些数据是厂商自身的对比结果，而非独立验证。

3. 一个精心调优、评估锁定的生产系统

如果你的提示词、护栏或自动评估系统是紧密针对 3.5 Flash 的确切 token 行为进行校准的，那么大约 17% 的输出 token 变化以及编码/智能体方面的转变，足以导致输出发生变动，从而破坏脆弱的精确匹配检查，尽管底层能力并没有改变。再加上发布窗口的容量和可靠性报告——以及一个关于前端/空间推理输出较弱的具体案例——那么合理的做法是固定版本，根据你自己的评估集重新验证，并逐步推出 3.6 Flash，而不是原地切换。

何时停留在3.5 Flash

真正值得等待的理由只有两个。首先，稳定性：3.6 Flash 在刚推出时因负载容量和可靠性问题在 Hacker News 上引发过早期投诉，一名测试者报告称其在前端/空间推理输出方面表现不佳——这更多是资源调配压力而非能力退步，但如果你运行生产流量且无法容忍不稳定的发布期，锁定版本仍是明智之举。

其次，精确的可复现性：如果你有针对3.5 Flash行为精心调整的提示词和评估指标，那么令牌效率的变化以及编码/代理方面的收益可能会足以影响输出结果，即便底层智能分数没有改变。在切换前请重新验证，而不是假设可以直接替换。除了这两种情况外，切换到3.6 Flash并不会损失任何能力。

该选哪一个

对于几乎所有已经在使用 3.5 Flash 的用户来说，默认的答案是迁移到 3.6 Flash：你所获得的智能水平不变，每个输出 token 的价格和每个任务的 token 数均下降，吞吐量是目前追踪到的最快的，而编码、代理和长上下文指标也同样朝着有利的方向发展。只有在以下情况才应继续使用 3.5 Flash：你因发布窗口的可靠性问题受阻，或者你的评估测试与旧的 token 行为紧密耦合，需要时间重新验证。在新项目中选择 3.5 Flash 而非从 3.6 起步，在任何场景下都说不通。

常见问题

Gemini 3.6 Flash 比 3.5 Flash 更智能吗？

不——它们在人工智能分析指数上的得分相同（50分）。谷歌自身的编码、智能体和长上下文基准测试显示有实际进步，但独立智能衡量指标并未变化。

它更便宜吗？

是的。输出降至每百万$7.50（原为$9.00），输入为$1.50，缓存输入为$0.15，且每个任务使用的输出令牌减少了约17%——因此每个任务的成本在费率和令牌数量两个维度上均有所下降。

我应该迁移吗？

对于大多数 3.5 Flash 工作负载而言，是的——您将获得更低的成本、更高的速度、相同或更优的输出质量，以及更强的编码和智能体评分。如果您的提示词经过精细调优，请先重新运行评估；如果发布窗口的可靠性对您至关重要，请锁定版本。

有没有变得更糟？

没有结构性的问题。主要的注意事项包括启动窗口容量和可靠性报告，一次关于前端/空间推理输出较弱的情况，以及较慢的首词生成时间（高思考强度下约11.5秒），这可能会影响交互使用。

3.6 Flash 在编码和智能体任务上有多优秀？

根据Google自身的供应商比较：SWE-Bench Pro 58.7%（对比55.1%），DeepSWE v1.1 49%（对比37%），Terminal-Bench 2.1 78.0%（对比76.2%），MLE-Bench 63.9%（对比49.7%），以及OSWorld-Verified 83.0%（对比78.4%）。所有这些均为自行报告，未经独立复测，因此仅作为方向性参考。

长上下文性能如何？

这是报道中最大的跃升：GDM-MRCR v2在100万token上下文长度下的召回率从不到27%升至54.0%——几乎翻倍。这也是供应商报告的数据，但与该模型在类似任务上较低的输出token数一致。

降价也适用于输入 tokens 吗？

3.6 Flash 的输入价格为每1M token 1.50美元，缓存输入价格为0.15美元。3.6 发布材料中未重申3.5 Flash 当前的准确输入费率，因此请查看实时定价页面，而非假设其已变更。

是否有新的知识截止日期？

是的——3.6 Flash的知识截止日期为2026年3月。3.5 Flash的截止日期在对比材料中没有重新说明，但鉴于其发布较晚，3.6的截止日期自然更新。

底线

Gemini 3.6 Flash 与 Gemini 3.5 Flash 的对比是最清晰的升级思路：相同的实测智能水平、相同的能力范围、更低的价格、更少的 tokens、更快的速度，以及在编码、智能体尤其是长上下文任务上持续且（若供应商报告可信）有改善的表现。如果你正在使用 3.5 Flash，且成本、延迟或智能体可靠性是你的制约因素，那么在快速评估一轮并在发布窗口期间锁定版本后，就可以迁移。如果你原本期望“.6”意味着模型会更聪明，那并非如此；为此，你需要等待 Gemini 3.5 Pro 或 Gemini 4。请参阅下方对比，评估 3.6 Flash 与同类非 Google 模型的优劣。