Google 发布 Gemini 3.6 Flash：1M 上下文、每百万 token $1.50 起

2026-07-21 · benchr（援引 Google）

要点

Gemini 3.6 Flash 于 2026-07-21 作为**稳定版（stable）**在 Gemini API 上线。
1,048,576 token 输入上下文，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）。
同批上线 Gemini 3.5 Flash-Lite（$0.30/$2.50，面向超大规模自动化）。
接入面：Google AI Studio、Vertex AI、Gemini Developer API 均可用。

发布细节：为什么是「stable」很重要

此前 Flash 系列常先以预览/实验通道放出，版本号漂移、SLA 不稳，生产接入要自己踩坑。这次标 stable，意味着：

版本进入长期维护，行为可预期；
定价固化，便于做成本预算；
适合直接进生产，而非「先试试」。

对要做长期产品的团队，这是比参数本身更关键的信号。

Google 的 Flash 档位一路从 1.5 → 2.0 → 2.5 → 3.0 → 3.5 → 现在的 3.6，主线就一条：把多模态 + 长上下文打到可批量的价格。每一代都在「更便宜 / 更长上下文 / 更低延迟」上推进，而不是去和 Pro 抢榜单第一。3.6 Flash 把上下文拉到 1M、输出 65K，同时保持 $1.50 的低位输入价，明显是冲着「高并发多模态 + 长上下文 RAG」场景去的。

技术要点拆解

1M 上下文：可整文档/整仓库直读，很多 RAG 场景能省掉向量召回链路，但长上下文单次成本更高，需按需截取（详见模型详解）。
$0.15 缓存输入：把系统提示/知识库前缀设为可缓存前缀，复用即享 1/10 价格——这是把高并发成本真正压下来的关键开关。
原生多模态：图/视频/音频与文本统一输入，视频时序理解是相对差异化能力。
Flash-Lite 兜底：对质量容忍度高的超大规模跑量，再降一档到 $0.30/$2.50。

对生态的连锁反应

多模态 Agent 成本下降：图像/视频/音频统一输入 + 低价，让「感知型」Agent 跑量更划算。
与 GPT-5.6 / Claude 的分工更清晰：Google 用 Flash 守成本与多模态，OpenAI/Anthropic 在编程 Agent 基准上仍更常被引用（见 GPT-5.6 / Claude Sonnet 5）。
聚合层直接受益：Cursor / OpenRouter 等多一个便宜的多模态档可选，路由分层更顺。

谁该关注，谁可以等

该关注：做内容审核、文档理解、多模态客服、长上下文 RAG、低成本 Agent 的团队——这是比 Pro 更友好的默认档。
可以等：纯编程 Agent、对 SWE-bench/Terminal-Bench 成绩敏感的团队，建议等 Google 公布独立编程基准再评估。

上手步骤（5 分钟跑通）

打开 Google AI Studio，创建 API Key；
选模型 gemini-3.6-flash；
先发一条文本请求验证连通；
把高频前缀（系统提示/知识库）设为缓存，观察单价降到 $0.15；
接入生产前先用模型详解里的成本公式估一遍日活成本。

AIHO 观点

Gemini 3.6 Flash 不是「最强模型」，而是「最划算的多模态工作马」之一。它的价值不在刷榜，而在把长上下文 + 多模态 + 低单价三件事同时做实。对大多数要做内容审核、文档理解、客服对话的团队，它比 Pro 更该成为默认档——但涉及硬核编程 Agent，仍建议先拿 GPT-5.6 / Claude Sonnet 5 的公开基准比对。