Name: Gemini 3.6 Flash
Brand: Google

概述

Gemini 3.6 Flash 是 Google 于 2026 年 7 月 21 日在 Gemini API 上线的稳定版（stable） Flash 模型。它延续 Flash 系列的「低价、低延迟、原生多模态」定位，提供 1,048,576 token 输入上下文与 65,536 token 输出上限，官方定价 $1.50 输入 / $7.50 输出 / $0.15 缓存输入（每百万 token）。

在 Gemini 的产品阶梯里，3.6 Flash 处在「性价比中枢」：

Gemini 3 Pro / 3.5 Pro：能力天花板，贵，适合最难的任务；
Gemini 3.6 Flash（本文）：能力够用、便宜、快，绝大多数生产场景的默认档；
Gemini 3.5 Flash-Lite（同批上线，$0.30/$2.50）：极致成本，适合超大规模、对质量容忍度高的自动化。

同批上线的还有 Gemini 3.5 Flash-Lite（7 月 21 日，定位超大规模自动化，$0.30/$2.50 输入/输出）。「stable」意味着它不再是预览/实验通道，SLA、版本稳定性与定价都进入长期维护状态——这对生产接入很关键。

核心能力

原生多模态：一次输入，多种信号

Gemini 3.6 Flash 的图像、视频、音频与文本是统一模态（native multimodal），不需要像很多模型那样先把图片转成独立视觉 token 或走单独的视觉子模型。带来的直接好处：

一条请求里可以同时塞「一段产品演示视频 + 几张截图 + 一段用户语音 + 文字指令」，模型一并理解；
适合「感知型」工作流：内容审核、视频摘要、带图客服、多模态 RAG。

对比：不少模型对图片是「附加上下文」，Gemini 的强项是把视频/音频也当成一等公民。如果你的场景只是「看图回答问题」，差异不明显；但若涉及视频时序理解或音视频联合推理，Flash 的多模态原生度更有体感。

长上下文工程实践

1M 输入上下文意味着你可以把一整本书、一份几百页 PDF、或一个中型代码仓库直接放进一次请求。但实际落地有讲究：

不要无脑塞满：超长上下文单次成本更高，且模型对「中间段」信息的注意力会衰减（lost-in-the-middle）。优先放与当前任务最相关的片段。
长文档 RAG 的新玩法：对 1M 上下文，很多场景可以从「切块召回」退化为「整文档直读」，省掉向量库与召回链路，但要在成本与延迟间权衡。
代码库问答：把 README + 关键模块 + 报错栈一起喂进去，比只贴报错栈有效得多。

低成本高吞吐

Flash 的存在意义就是「把前沿能力打到可批量的价格」。相比 Pro 系列：

输入价只有 Pro 的零头，适合高 QPS 场景（如每用户请求都调一次模型）；
延迟更低，交互式应用（客服、实时摘要）体验更好；
配合输入缓存（见定价小节），重复前缀能压到 $0.15/1M。

函数调用与工具使用

Flash 原生支持：

Function Calling / Tool Use：模型可返回结构化工具调用，配合外部 API 编排；
结构化输出 / JSON 模式：直接产出可解析的 JSON，省去后处理；
流式（streaming）：逐字返回，适合打字机式 UI。

这些是 Agent 流水线的地基——也解释了为什么它适合做「低成本 Agent 编排层」的底座模型。

from google import genai

client = genai.Client(api_key="YOUR_API_KEY")
resp = client.models.generate_content(
    model="gemini-3.6-flash",
    contents="把这段产品评论按正面/负面分类，并给出一句话总结",
)
print(resp.text)

多模态输入（图文联合）

from google import genai
from google.genai import types

client = genai.Client(api_key="YOUR_API_KEY")
resp = client.models.generate_content(
    model="gemini-3.6-flash",
    contents=[
        "根据这张截图和语音转写，判断用户遇到的具体问题并给排查步骤",
        types.Part.from_uri("gs://your-bucket/screenshot.png", mime_type="image/png"),
        types.Part.from_uri("gs://your-bucket/audio.wav", mime_type="audio/wav"),
    ],
)
print(resp.text)

流式输出

for chunk in client.models.generate_content_stream(
    model="gemini-3.6-flash",
    contents="用三句话总结这篇文档",
):
    print(chunk.text, end="")

定价与成本核算

档位	输入	输出	缓存输入
Gemini 3.6 Flash	$1.50 / 1M	$7.50 / 1M	$0.15 / 1M
Gemini 3.5 Flash-Lite	$0.30 / 1M	$2.50 / 1M	$0.03 / 1M

算一笔账：假设每天 100 万次请求，每次平均 2K 输入 / 500 输出 token，且前缀可缓存：

输入：$1.50 × 2 ≈ $3.0（若命中缓存则降至 $0.15 × 2 ≈ $0.3）
输出：$7.50 × 0.5 ≈ $3.75
单日成本约 $6.75（命中缓存则约 $4.05），同等体量用 Pro 会贵一个数量级。

Flash 适合日常高并发，Flash-Lite 适合极致成本的超大规模自动化。

与同档模型怎么选

维度	Gemini 3.6 Flash	GPT-5.6 Terra	Claude Sonnet 5
多模态	★★★★★ 原生全模态	reasoning + vision	图片
上下文	1M	1.1M	1M
输入价(/1M)	$1.50	$2.50	$2（促销）
编程基准	未单独公布	Terminal-Bench 84.3%	SWE-bench 85.2%
延迟	低	中	中
国内可用	需合规通道	需中转	需中转

决策树：

要多模态感知 + 长上下文 + 低成本高并发 → Flash；
要硬核编程 Agent / 终端自动化 → 优先 GPT-5.6 或 Claude Sonnet 5；
要极致便宜的超大规模跑量 → Flash-Lite，或对照 DeepSeek V4。

集成与工程实践建议

用输入缓存压成本：把系统提示、知识库前缀、代码仓库上下文设为可缓存前缀，复用即享 $0.15。
路由分层：把简单任务留在 Flash，复杂子任务升级到 Pro/GPT-5.6；这正是 Cursor Router 的思路。
注意输出上限 65K：超长生成（如整本翻译）需分段拼接。
可观测：记录每条请求的模态组合与 token 分布，多模态请求成本波动大，建议单独打点。

避坑清单

别把它当编程主力：发布未给 SWE-bench / Terminal-Bench 等分数，强代码 Agent 场景先用 GPT-5.6 / Claude 验证。
缓存不是默认生效：必须显式构造可复用前缀，否则一直走 $1.50 全价。
1M 上下文不是免费午餐：单次长上下文调用成本随长度线性上升，按需截取。
国内接入：走 Google AI Studio / Vertex AI，需合规通道；别假设能直连。

FAQ

Q: Flash 和 Pro 怎么选？ A: 90% 的生产场景 Flash 够用且便宜一个量级。只在「质量天花板」卡脖子（复杂推理、最难的多模态理解）时才上 Pro。

Q: 65K 输出够吗？ A: 对摘要、对话、抽取类任务绰绰有余；整本文档生成、超长代码重构需要分段。

Q: 国内怎么接入？ A: 通过 Vertex AI 或合规中转；官方 AI Studio 需合规网络环境。

Q: 能替代编程 Agent 吗？ A: 不适合当主力。多模态与长上下文很强，但编程基准未公布，硬核编码先对照 GPT-5.6 / Claude 的公开成绩。

Gemini 3.6 Flash

规格

✓ 优势

⚠ 不足

适用场景

概述

核心能力

原生多模态：一次输入，多种信号

长上下文工程实践

低成本高吞吐

函数调用与工具使用

适用场景详解

1. 多模态内容审核与标注

2. 长文档 / 大代码库理解

3. 低成本 Agent 与自动化流水线

4. 实时翻译、摘要、客服对话

API 调用示例

基础文本