Gemini 3.6 Flash vs Gemini 3.5 Flash：實際改變了什麼？

當Google推出Gemini 3.6 Flash於2026年7月21日，在其發布資料中將該模型描述為「基於Gemini 3.5 Flash」——這是一個異常坦率的表述，也是整篇公告中最有用的一句話。這並不是像Gemini 3相對於Gemini 2那樣的跨世代躍進；而是在相同主力級別上的迭代，針對相同任務進行調優——高流量對話、檢索、日常編碼，以及成本與延遲與原始智能同等重要的代理流程。Google沒有重新定位該模型、變更其層級，或改變目標受眾。如果你已經在生產環境中運行3.5 Flash，那麼3.6 Flash是評估的下一個明顯步驟，而不是需要學習的不同產品。

所以真正的問題並非抽象地問「3.6 Flash 是否更好」——2026年7月的版本顯然旨在超越其三月的上一代——而是具體哪些維度發生了變化、變化了多少，以及這些維度是否正是你的工作負載所依賴的。這份比較涵蓋了兩個版本共有的智能分數、供應商報告的編碼、代理與長上下文增益、針對代表性呼叫的成本計算範例，以及三個決定是否立即遷移、稍後遷移或完全不遷移的情境。

TL;DR 結論。升級是為了成本、速度和代理能力空間，而非為了原始智能。Gemini 3.6 Flash 和 3.5 Flash 在 Artificial Analysis Intelligence Index 上都獲得50分——在這一獨立的衡量標準上沒有智力提升。但 3.6 將輸出價格降至每100萬個token $7.50（從 $9.00），每個任務使用的輸出token減少了約17%，並且是 Artificial Analysis 追蹤的最快模型（303 tokens/秒）。Google 自己的基準測試也顯示了實際編碼、代理和長上下文方面的改進——最顯著的是在100萬上下文召回率（GDM-MRCR v2）上從低於27%躍升至54.0%。對於幾乎所有的 3.5 Flash 工作負載，3.6 Flash 都是一個直接的性價比勝利；唯一的等待理由是發布窗口的穩定性和精心調整的評估。

重點摘要

•  相同的智能评分。两者均位于 Artificial Analysis Intelligence Index 50——升级体现在效率和代理能力，而非通用智能。

• 输出更便宜。 3.6 Flash 每 100 万输出代币为 7.50 美元，低于 3.5 Flash 的 9.00 美元；输入为 1.50 美元，缓存输入为 0.15 美元。

•  更少的Token，更快的速度。對於可比任務，輸出token減少約17%，吞吐量排名最高，約~303 tokens/sec。

• 适度但持续的编码进步。 Google报告3.6领先3.5，在SWE-Bench Pro (58.7% vs 55.1%)、DeepSWE (49% vs 37%)、MLE-Bench (63.9% vs 49.7%)和OSWorld (83.0% vs 78.4%)上。

• 長上下文召回能力大幅提升。 GDM-MRCR v2 在 1M 上下文環境中，從低於 27% 攀升至 54.0%——這是兩個版本之間報告的最大單一差異。

• 除此之外形狀相同。兩者都有約1M的上下文、64K輸出、多模態輸入/文本輸出。3.6增加了2026年3月的知識截止日期。

• 存在發射窗口的注意事項。早期報告指出容量/可靠性壓力，以及至少一項關於前端/空間推理輸出較弱的案例——如果您運行生產流量，則值得固定版本。

此處的跨模型基準數據——SWE-Bench Pro、DeepSWE、Terminal-Bench、MLE-Bench、OSWorld、GDPval 及 GDM-MRCR——是 Google 自行將 3.6 Flash 與 3.5 Flash 進行比較的結果。唯一獨立的錨點，即 Artificial Analysis Intelligence Index（兩者皆為 50），會持續重新測量；引用前請確認即時數值。3.5 Flash 的每 token 輸入價格在發布資料中並未重新說明；在自行計算成本前，請至定價頁面確認當前費率。

規格與價格，並排對照

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

• 輸出價格（每百萬）— 3.6 Flash：$7.50; 3.5 Flash：$9.00

• 輸入價格（每百萬）— 3.6 Flash: $1.50（緩存 $0.15）；3.5 Flash：請參閱當前定價頁面

• 每項任務的輸出令牌數 — 3.6 Flash：減少約17%；3.5 Flash：基準

• 速度 — 3.6 Flash: 303 tok/s（#1 已追蹤）；3.5 Flash：快速，前一代

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

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

• GDM-MRCR v2 at 1M, 長上下文召回（供應商）— 3.6 Flash: 54.0%; 3.5 Flash: 低於27%

• 知識截止日期 — 3.6 Flash: 2026年3月; 3.5 Flash: 較早（未在發布資料中具體說明）

• 上下文/輸出/模態 — 兩者: ~1M / 64K / 多模態輸入，文字輸出

故事在首行和末行。頂層的智慧完全相同；底層的能力範圍也相同——相同的上下文視窗、相同的輸出上限、相同的多模態輸入/文字輸出形態。所有變化的部分都在中間：價格、代幣數量、速度、編碼評分，尤其是長上下文召回，它的變化幅度是所有行中最大的。這正是效率與代理能力更新的樣貌，而非新一代模型的樣貌。

基準測試深入剖析：這些數字實際衡量的是什麼

從人工分析智能指數開始，因為它是這裡唯一一個獨立衡量而非自我報告的數字。兩個版本都恰好得到50分。這個平局很重要：它告訴你模型的基本推理、知識和通用問題解決能力在版本之間沒有變化——你並沒有在任何綜合意義上得到一個更聰明的模型。同樣值得記住的是，該評分與特定的推理努力設定相關，並且由中立第三方持續重新測量，因此請將50/50視為當前的獨立解讀，而非永久事實。

編碼數字則呈現出不同的情況，這些全都來自 Google 自身的供應商比較。SWE-Bench Pro 從 55.1% 上升至 58.7%，而 DeepSWE v1.1 更進一步從 37% 躍升至 49%——兩者皆衡量模型能否解決真實的軟體工程任務，而非僅回答與程式碼相關的問題。DeepSWE 達到兩位數的增幅，即使是自行報告的數字，也具有重要意義；但由於本次配對中並未針對這些特定評測進行獨立重複驗證，因此請將其視為編碼代理（coding agent）能力增強的趨勢性證據，而非經第三方認證的絕對差距。

代理型評測擴展了這幅圖景。Terminal-Bench 2.1 從 76.2% 提升至 78.0%，MLE-Bench 從 49.7% 攀升至 63.9%，OSWorld-Verified 從 78.4% 上升至 83.0%，而 GDPval-AA v2 Elo 評分則從 1349 來到 1421。整體而言，這些評測考驗的是多步驟、工具導向的工作——執行終端命令、完成機器學習工程任務、操作電腦環境、產出專業級交付成果——而非單次回答。四個不同代理型基準測試展現出的一致方向，遠比任何單一分數更具說服力，即便每個分數都附帶供應商提供的免責聲明。

不過，最突出的數字是長上下文召回率：GDM-MRCR v2 在 1M token 上下文長度下的表現，從低於 27% 提升到 54.0%——幾乎翻倍。這是整個比較中報告的最大差異，也說明了 token 和速度節省的真正來源：一個能更可靠地從龐大上下文中檢索正確資訊的模型，需要更少的修正回合和多餘推理來達到正確答案，這與 3.6 在可比任務上約 17% 更低的輸出 token 數量一致。

實際上要花多少成本

每個代幣的價格是抽象的；每個任務的費用才是真正影響帳單的數字。以一個代表性的呼叫為例：4,000個輸入代幣與2,000個輸出代幣。由於3.5 Flash目前的確切輸入費率並未在3.6的發布資料中重新陳述，下方的計算對兩個版本皆採用3.6 Flash公布的每1M $1.50輸入價格，以隔離我們確知的兩項變動：較低的輸出價格與約17%的輸出代幣效率提升。若需確切的歷史帳單，請在定價頁面確認3.5 Flash的即時輸入費率。據此，3.5 Flash的2,000代幣輸出成本為 2,000 × $9.00 / 1M ≈ $0.018，加上約$0.006的輸入成本，每次呼叫總計約$0.024。3.6 Flash採用較低的$7.50費率與約17%的代幣減少（2,000代幣約變為1,660）後，其輸出成本為 1,660 × $7.50 / 1M ≈ $0.01245，加上相同的約$0.006輸入成本，每次呼叫總計約$0.0185——在考慮代幣效率影響前約為$0.021，兩項變動合併後約為$0.0185。

•  每次呼叫成本（4K輸入 / 2K輸出）— 3.5 Flash: ~$0.024; 3.6 Flash: ~$0.0185（輸出價格更低，且輸出token減少約17%）

• 每月100K次呼叫 — 3.5 Flash：約$2,400；3.6 Flash：約$1,850

• 每月100萬次調用 — 3.5 Flash: ~$24,000; 3.6 Flash: ~$18,500

相對成本 — 3.6 Flash：每項任務成本約為 3.5 Flash 的 77%（約節省 23%）

23% 在任何規模下都是實際數字，但在代理管道中累加最快，Google 引用的數據顯示，在 3.6 Flash 上每個任務平均約 1.3 分鐘，而在 3.5 Flash 上則是 2.7 分鐘。按每次呼叫和每分鐘編排付費的工作負載可同時節省兩個方面：每次回應使用更少的 token，所使用的 token 費率更低，以及佔用驅動它的任何代理循環或佇列的實際時間更少。以每月 100 萬次呼叫計算，大約 5,500 美元的直接 token 成本是可見的部分；而將任務完成時間縮短一半所節省的運算和延遲成本，則是定價頁面上沒有顯示的部分。

三個真實世界情境

1. 一個高流量、對延遲敏感的生產端點

Chat、支援、檢索與大規模草擬功能——這正是 3.5 Flash 原本就為此類工作負載而設計的。由於智慧程度不變（50 比 50），且能力範圍完全相同，因此無需擔心升級會帶來輸出品質風險。3.6 Flash 更低的輸出價格、每項任務減少 17% 的 token 數，以及排名第一的吞吐量追蹤，使其幾乎成為一項絕對的改進：相同品質、更低成本、更快回應。這是三者中最容易的遷移。

2. 代理式編碼或 DevOps 管線

多步驟任務——解決問題、執行終端指令、操作工具——正是3.6 Flash在供應商報告中成果最集中的領域：SWE-Bench Pro、DeepSWE、Terminal-Bench、MLE-Bench和OSWorld的表現都對其有利，每項任務的平均時間從約2.7分鐘降至1.3分鐘。再加上長上下文召回率的提升（在GDM-MRCR v2的1M測試中，54.0%對比低於27%），這正是遷移能獲得最大好處的情境，而不僅是節省成本。在全面投入之前，請重新執行你自己的評估套件，因為這些數據是供應商自我比較的結果，而非獨立驗證。

3. 一個精心調校、評估鎖定的生產系統

若您的提示詞、護欄或自動化評估曾緊密對齊3.5 Flash的精確令牌行為，那麼約17%的輸出令牌變化以及編碼/代理轉變，便足以使輸出偏離而打破脆弱的精確比對檢查——即使底層智慧並未改變。再加上發佈窗口容量與可靠性報告，以及那則關於前端/空間推理輸出較弱的帳戶反饋——合理的做法是鎖定版本、根據您自己的評估集重新驗證，並逐步推出3.6 Flash，而非原地直接切換。

何时繼續使用 3.5 Flash

只有兩個真正的理由需要等待。第一，穩定性：{{1}}3.6 Flash 在上線負載下，早期就在 Hacker News 上引發了關於容量與可靠性的投訴，且一名測試人員回報前端/空間推理輸出不佳——這更多是資源佈建上的壓力，而非能力衰退，但如果您運行正式流量且無法承受粗上線期的波動，鎖定版本仍是值得的。{{/1}}

其次，精確可重現性：如果你有針對 3.5 Flash 的行為進行了緊密調校的提示詞與評估基準，那麼即使底層智慧評分沒有變動，標記效率的改變以及編碼/代理能力的提升仍可能足以影響輸出結果。在切換前請重新驗證，而非假定可直接取代。除了上述兩種情況，轉移到 3.6 Flash 並不會失去任何能力。

該選哪一個？

對幾乎所有已經在跑 3.5 Flash 的人來說，預設答案就是升級到 3.6 Flash：你所獲得的智能沒有改變，每個輸出 token 的價格與每個任務的 token 數都下降，吞吐量是目前追蹤到最快的，而且編碼、智能體與長上下文方面的數字全都朝著同樣有利的方向前進。只有在妳被啟動窗口的可靠性問題卡住，或是你的評估跟舊版 token 行為綁得太緊而需要時間重新驗證時，才建議再留在 3.5 Flash 久一點。沒有任何情境會讓全新專案選擇 3.5 Flash 比直接從 3.6 開始更有道理。

常見問題

Gemini 3.6 Flash 比 3.5 Flash 更聪明嗎？

不——它们在Artificial Analysis Intelligence Index上得分相同（50）。Google自己的编码、代理和长上下文基准显示出真正的进步，但独立的智慧衡量指标未改变。

它更便宜嗎？

是的。輸出價格降至每1M $7.50（從$9.00），輸入價格為$1.50，快取輸入為$0.15，並且每個任務使用的輸出token減少了約17%——因此每個任務的成本在費率和token數量兩個維度上都下降了。

我應該遷移嗎？

對於大多數 3.5 Flash 工作負載來說，是的——您能獲得更低的成本、更高的速度以及相當或更好的輸出，再加上更強的編碼和代理評分。如果您的提示詞經過精心調整，請先重新運行您的評估；如果發佈視窗的可靠性對您很重要，請固定版本。

什麼變得更糟了嗎？

沒有結構性問題。主要的注意事項包括啟動窗口容量和可靠性報告、一則關於前端/空間推理輸出較弱的案例，以及在高思考強度下首次生成時間較慢（約11.5秒），這在互動使用中可能很重要。

3.6 Flash 在編碼和自主任務方面的表現有多好？

根據Google自己的廠商比較：SWE-Bench Pro 58.7%（vs 55.1%），DeepSWE v1.1 49%（vs 37%），Terminal-Bench 2.1 78.0%（vs 76.2%），MLE-Bench 63.9%（vs 49.7%），以及OSWorld-Verified 83.0%（vs 78.4%）。這些都是自我報告的，未經獨立重新執行，因此請將其視為方向性參考。

長上下文效能的表現如何？

這是有報告以來的最大增幅：GDM-MRCR v2 在 100 萬 token 的上下文長度下，召喚率從低於 27% 躍升至 54.0%——約翻了一倍。這也是由供應商報告的數字，但與該模型在類似任務上較低的輸出 token 數量相符。

降價是否也適用於輸入 token？

3.6 Flash 的輸入價格為每 1M 1.50 美元，快取輸入為 0.15 美元。3.5 Flash 的當前確切輸入費率並未在 3.6 的發布資料中重新說明，因此請查看即時定價頁面，而不是假設它已更改。

是否有新的知識截止日期？

是的——3.6 Flash 的知識截止日期為 2026 年 3 月。3.5 Flash 的截止日期在比較資料中並未重新說明，但 3.6 的日期自然因其較晚的發布日期而更近。

重點

Gemini 3.6 Flash 與 Gemini 3.5 Flash 之間的升級，是最清楚明確的一種：同樣的測量智能、同樣的能力範圍，更低價格、更少 token、更快速度，以及在程式碼、自主任務、特別是長上下文任務方面，若供應商報告屬實，則有一致的進步。如果你正在使用 3.5 Flash，且成本、延遲或自主可靠性是你的限制條件，那麼在快速評估後，並於發佈視窗期間鎖定版本，就可以遷移。如果你原本期望「.6」代表模型整體更聰明，事實並非如此；若要追求這點，你得等待 Gemini 3.5 Pro 或 Gemini 4。請參閱下方比較，將 3.6 Flash 與同級別的非 Google 模型進行衡量。