跳到主要內容

Gemini 3.6 Flash評測：輸出降58%成本效能反贏旗艦Pro | Gemini 3.6 Flash Review: Cheaper, Faster, Beats Pro on Coding

By Kit 小克 | AI Tool Observer | 2026-08-13

🇹🇼 Gemini 3.6 Flash評測：輸出降58%成本效能反贏旗艦Pro

Gemini 3.6 Flash是Google在2026年7月21日發布的新一代輕量模型，主打「便宜又能打」：輸出token價格比上一代3.5 Flash便宜，官方公布的程式編寫與代理人（agentic）測試分數卻反過來超越自家更貴的旗艦Gemini 3.1 Pro。對常常在API帳單上肉痛的開發者來說，這是近期最值得關注的AI模型更新之一。

Gemini 3.6 Flash是什麼？

Gemini 3.6 Flash是Google Gemini家族的中階快速模型，維持100萬token超長上下文、支援文字/圖片/影片/音訊/PDF多模態輸入，知識截止日更新到2026年3月，比3.5 Flash的2025年1月新了超過一年。

定價怎麼算？

輸入token每百萬字元1.5美元，輸出token每百萬7.5美元，比3.5 Flash的9美元輸出價再降。若用快取輸入，每百萬只要0.15美元，等於直接砍90%。對長對話、長文件處理的應用來說省下的成本相當可觀。

效能真的贏過Gemini 3.1 Pro嗎？

是的，至少在Google公布的官方測試上如此。Gemini 3.6 Flash在DeepSWE程式修復測試進步12個百分點，MLE-Bench機器學習工程測試進步14.2個百分點，代理人多步驟任務也用更少的推理步驟、更少的工具呼叫就完成，程式碼修改精準度更高、較少誤動到不該碰的檔案。跑速也比3.1 Pro快上近一倍。

內建電腦操作（Computer Use）代理人怎麼用？

這代最大亮點是電腦操作功能直接內建為Gemini API和Gemini Enterprise的客戶端工具，不用額外接第三方套件，AI代理人就能直接操作圖形介面完成點擊、輸入、滾動等動作，等於把「AI幫你操作電腦」的門檻降低了一截。

小克怎麼看：值得升級嗎？

如果你原本用Gemini 3.5 Flash做程式助手或自動化代理人，這次升級幾乎沒有理由不換——價格更低、速度更快、代理人任務表現更好。但如果你在乎的是純推理深度而非速度成本，Gemini 3.1 Pro作為旗艦模型還是有它的位置。實際跑幾個你自己的工作流程比對輸出品質，比看官方跑分準。

常見問題

Q: Gemini 3.6 Flash比Gemini 3.5 Flash貴還是便宜？
A: 更便宜，輸出token從每百萬9美元降到7.5美元，快取輸入更是砍到0.15美元。

Q: Gemini 3.6 Flash支援多長的上下文？
A: 維持100萬token輸入上下文，輸出最多可達65,536 token。

Q: 一般開發者現在能用嗎？
A: 可以，已經在Gemini API和Gemini Enterprise正式開放，不是預覽版。

好不好用，試了才知道。

🇺🇸 Gemini 3.6 Flash Review: Cheaper, Faster, Beats Pro on Coding

Gemini 3.6 Flash is Google's new lightweight model launched on July 21, 2026, and its pitch is simple: cheaper output pricing than its predecessor, yet Google's own published benchmarks show it beating the pricier flagship Gemini 3.1 Pro on coding and agentic tasks. For developers watching their API bills, this is one of the more practical model releases in recent weeks.

What Is Gemini 3.6 Flash?

Gemini 3.6 Flash is the mid-tier fast model in Google's Gemini lineup, keeping the 1-million-token context window and multimodal input support for text, images, video, audio, and PDFs. Its knowledge cutoff moved to March 2026, over a year newer than 3.5 Flash's January 2025 cutoff.

How Much Does It Cost?

Input tokens run $1.50 per million and output tokens $7.50 per million — down from $9.00 output pricing on 3.5 Flash. Cached input drops to just $0.15 per million, a 90% discount that matters a lot for long-context or long-conversation apps.

Does It Really Beat Gemini 3.1 Pro?

According to Google's own published numbers, yes. Gemini 3.6 Flash gained 12 percentage points on the DeepSWE code-repair benchmark and 14.2 points on MLE-Bench for ML engineering tasks. It also completes agentic, multi-step workflows using fewer reasoning steps and fewer tool calls, with more precise code edits and fewer unintended file changes — while running roughly twice as fast as 3.1 Pro.

How Does Built-In Computer Use Work?

The headline feature this round is native computer-use support, shipped as a client-side tool directly in the Gemini API and Gemini Enterprise. No third-party plumbing required — an agent can now click, type, and scroll through a GUI on its own, lowering the barrier to building real "AI operates your computer" workflows.

Kit's Take: Worth Upgrading?

If you're already running coding assistants or automation agents on Gemini 3.5 Flash, there's almost no reason not to switch — it's cheaper, faster, and scores better on agentic benchmarks. If raw reasoning depth matters more to you than cost or speed, Gemini 3.1 Pro still has its place. Run your own workflows through both and compare output quality — that beats trusting official benchmarks alone.

FAQ

Q: Is Gemini 3.6 Flash cheaper than 3.5 Flash?
A: Yes — output pricing dropped from $9 to $7.50 per million tokens, and cached input costs just $0.15 per million.

Q: What's the context window?
A: It keeps the 1-million-token input context, with up to 65,536 output tokens.

Q: Is it generally available now?
A: Yes, it's live in the Gemini API and Gemini Enterprise — not a preview.

好不好用，試了才知道。

Sources / 資料來源

常見問題 FAQ

Gemini 3.6 Flash比Gemini 3.5 Flash貴還是便宜？

更便宜，輸出token從每百萬9美元降到7.5美元，快取輸入砍到0.15美元。

Gemini 3.6 Flash支援多長的上下文？

維持100萬token輸入上下文，輸出最多可達65,536 token。

一般開發者現在能用嗎？

可以，已經在Gemini API和Gemini Enterprise正式開放，不是預覽版。

延伸閱讀 / Related Articles

AI 工具觀察站 — 每日精選 AI Agent 與工具趨勢
AI Tool Observer — Daily curated AI Agent & tool trends

留言

張貼留言

這個網誌中的熱門文章

Google Ironwood TPU v7 推理專用晶片解析：效能追平 NVIDIA、成本低 44%，AI 晶片戰爭正式開打 | Google Ironwood TPU v7 Explained: Matching NVIDIA Performance at 44% Lower Cost — The AI Chip War Heats Up

By Kit 小克 | AI Tool Observer | 2026-04-21 🇹🇼 Google Ironwood TPU v7 推理專用晶片解析：效能追平 NVIDIA、成本低 44%，AI 晶片戰爭正式開打 Google Ironwood TPU 是什麼？為什麼它讓 NVIDIA 緊張？ Google Ironwood TPU（代號 TPU v7）是 Google 第七代自研 AI 晶片，也是第一款 專為推理（inference）設計 的 TPU。在 AI 模型越來越大、推理需求暴增的時代，Google 不再只依賴 NVIDIA GPU，而是推出自己的推理專用晶片來搶市場。 Ironwood TPU v7 規格有多強？ 每顆 Ironwood TPU 提供 4.6 petaFLOPS 的 FP8 運算效能 ，搭載 192 GB HBM3E 記憶體，頻寬達 7.37 TB/s。單顆效能略高於 NVIDIA B200（4.5 petaFLOPS），接近 GB300 的 5 petaFLOPS。 更驚人的是規模化能力：Ironwood 可擴展至 9,216 顆晶片組成超級叢集 ，總算力達 42.5 ExaFLOPS，遠超 NVIDIA GB300 NVL72 系統的 0.36 ExaFLOPS。共享記憶體池高達 1.77 PB，解決了大型模型推理時的資料瓶頸問題。 Ironwood TPU 比 NVIDIA 便宜多少？ 根據分析，Ironwood 的 整體擁有成本（TCO）比 NVIDIA GB200 低約 44% 。在能效方面，Ironwood 的 FP8 效能達每瓦 5.42 TFLOPS，而 GB300 為 3.57 TFLOPS/W，Google 晶片的能效高出約 52%。 為什麼 Google 要做推理專用晶片？ AI 產業正從「訓練時代」轉向「推理時代」。當 ChatGPT、Gemini、Claude 等 AI 助手每天處理數十億次查詢時，推理運算的需求遠超過訓練。Google 稱之為「推理時代（age of inference）」，而 Ironwood TPU 就是為這個時代量身打造的武器。 對開發者和企業有什麼影響？ Ironwood TPU 目前 只能透過 Google Cloud 使用，無法...
閱讀完整內容

Claude Code 實測：AI 幫你寫程式到底行不行？ | Claude Code Review: Can AI Really Code for You?

By Kit 小克 | AI Tool Observer | 2026-03-27 🇹🇼 Claude Code 實測：AI 幫你寫程式到底行不行？ Claude Code 是 Anthropic 推出的命令列 AI 程式助手，直接在你的終端機裡運作。跟其他 AI 程式工具不同的是，它不是 IDE 外掛，而是一個獨立的 CLI 工具，可以讀取你的整個 codebase、執行指令、甚至幫你做 git 操作。我實際用了幾個月，以下是真實心得。 安裝與設定 安裝非常簡單，透過 npm 就能搞定： npm install -g @anthropic-ai/claude-code 。啟動後它會要求你登入 Anthropic 帳號或設定 API key。整個流程不到五分鐘。 實際使用體驗 Claude Code 最強的地方在於 它理解你的整個專案 。你不需要手動貼程式碼，它會自己讀取相關檔案、分析程式結構，然後給出建議或直接修改。實測幾個場景： Bug 修復 ：描述錯誤現象，它能自動找到問題檔案並提出修正，準確率大約 70-80% 新功能開發 ：給它需求描述，它能產出可用的初版程式碼，但通常需要人工調整細節 程式碼重構 ：這是它最擅長的。重新命名變數、抽取函式、調整架構，做得又快又好 寫測試 ：給它一個函式，它能產生相當完整的測試案例 優缺點分析 優點： 深度理解 codebase，不是只看單一檔案 可以執行 shell 指令，直接跑測試、裝套件 支援 CLAUDE.md 讓你定義專案規則 agentic 模式下可以自主完成多步驟任務 缺點： API 費用不便宜，大型專案一天可能花 10-30 美元 偶爾會過度修改，改了不該改的地方 對非英語的程式碼註解理解力稍弱 需要良好的網路連線 適合誰用？ 如果你是全端開發者、需要處理多個專案、或者經常做重構，Claude Code 絕對值得一試。但如果你只是寫簡單的腳本，免費的 Copilot 可能就夠了。 Kit 的結論： Claude Code 是目前最接近「AI 工程師」的工具。它不完美，但確實能大幅提升生產力。好不好用？試了才知道。 🇺🇸 Claude Code Review: Can AI Really Code for You?...
閱讀完整內容

Cursor vs GitHub Copilot vs Claude Code：AI 程式助手大比拼 | AI Coding Assistants Compared: Cursor vs GitHub Copilot vs Claude Code

By Kit 小克 | AI Tool Observer | 2026-03-27 🇹🇼 Cursor vs GitHub Copilot vs Claude Code：AI 程式助手大比拼 2026 年，AI 程式助手已經成為開發者的標配。但市場上選擇太多了，到底該用哪一個？我同時使用了 Cursor、GitHub Copilot 和 Claude Code 超過半年，以下是完整比較。 GitHub Copilot：最普及的選擇 Copilot 是最早普及的 AI 程式助手，整合在 VS Code 和各大 IDE 中。它的核心功能是 即時程式碼補全 ——你打字的時候，它自動建議下一行或下一段程式碼。 優點 ：補全速度快、整合度高、支援幾乎所有語言、Copilot Chat 可以問問題 缺點 ：上下文理解有限（主要看當前檔案和少量相關檔案）、Agent 模式仍在發展中 價格 ：個人版 /月，企業版 /月 Cursor：IDE 級別的 AI 整合 Cursor 是一個從頭打造的 AI-first IDE（基於 VS Code fork）。它不只是補全程式碼，而是把 AI 深度融入整個開發流程。 優點 ：Composer 功能可以跨檔案編輯、Agent 模式可以自主執行多步驟任務、支援切換不同 AI 模型、Tab 補全非常智慧 缺點 ：是獨立的 IDE 需要遷移、Pro 方案有使用量限制、偶爾不穩定 價格 ：免費方案有限制、Pro /月 Claude Code：終端機裡的 AI 工程師 Claude Code 走完全不同的路線——它是 CLI 工具，在終端機裡運作，不綁定任何 IDE。 優點 ：理解整個 codebase、可以執行系統指令、支援 git 操作、CLAUDE.md 定義專案規則、最強的 agentic 能力 缺點 ：沒有視覺化介面、按 API token 計費（可能很貴）、需要習慣 CLI 工作流 價格 ：按 API 使用量計費，或透過 Max 訂閱方案 關鍵差異比較 即時補全 ：Copilot ≈ Cursor > Claude Code（無此功能） 跨檔案理解 ：Claude Code > Cursor > Copilot Agentic 能力 ：Claud...
閱讀完整內容