Gemini 3.6 Flash三款模型正式发布！2026最新使用全攻略（国内直连+API教程）
7 月 22 日，Google DeepMind 于昨晚一口气连发三款 Gemini 新模型：Gemini 3.6 Flash、Gemini 3.5 Flash-Lite 和 Gemini 3.5 Flash Cyber。
其中，主力模型 Gemini 3.6 Flash 在编码、多模态和知识工作方面全面提升，输出 Token 消耗比前代减少 17%，在 DeepSWE 等长周期任务中可节省 65% 的 Token 用量。定价也进一步下调，输入 $1.5/百万 Token、输出 $7.5/百万 Token，较 3.5 Flash 的 $9/百万输出 Token 有明显降幅。
与此同时，外界期待已久的旗舰模型 Gemini 3.5 Pro 再次缺席，谷歌表示它仍在与合作伙伴测试中。
新模型对比
模型 | 定位 | 输入价格 ($/1M) | 输出价格 ($/1M) | 上下文 | 最大输出 | 知识截止日期 |
gemini-3.6-flash | 主力工作马 | $1.50 | $7.50 | 1M | 64k | 2026年3月 |
gemini-3.5-flash-lite | 高速度/低成本 | $0.30 | $2.50 | 1M | 64k | — |
gemini-3.5-flash-cyber | 安全专精 | — | — | — | — | — |
Gemini 3.6 Flash
3.6 Flash 被谷歌定位为“面向真实生产环境的高效模型”。它的设计目标是用更少的 Token，完成同样的任务。根据 Artificial Analysis Index 的实测，输出 Token 使用量较前代降低 17%；在 DeepSWE 等需要多步骤推理和工具调用的复杂工程任务中，Token 消耗甚至减少了 65%。
和上一代模型相比，速度更快、Token 消耗更低
性能数据一览：
基准测试 | Gemini 3.6 Flash | Gemini 3.5 Flash | 提升幅度 |
DeepSWE（代码工程） | 49% | 37% | +12% |
MLE-Bench（机器学习工程） | 63.9% | 49.7% | +14.2% |
OSWorld-Verified（计算机使用） | 83.0% | 78.4% | +4.6% |
GDPval-AA v2（知识工作） | 1421 Elo | 1349 Elo | +72 Elo |
在金融领域，使用 AI Studio 的 Managed Agents 解析财务数据比 3.5 Flash 更高效准确；在代码迁移任务中，Antigravity 平台上延迟更低、质量更高；Figma、Harvey、Hebbia 和 JetBrains 等客户均表示 3.6 Flash 在 Token 效率、准确性和速度之间取得了更好平衡
Gemini 3.5 Flash-Lite
Flash-Lite 被定义为 3.5 系列中最快、最具性价比的模型。根据 Artificial Analysis 实测，生成速度达到 每秒 350 个输出 Token，约为上一代 3.1 Flash-Lite 的两倍。
同时输入 $0.30/百万 Token、输出 $2.50/百万 Token。低成本配合高速度，非常适合智能体搜索、大规模文档处理、批量分类。相比 3.1 Flash-Lite，新模型在 Terminal-Bench 2.1（54% vs 31%）、长上下文 GDM-MRCR v2（72.2% vs 60.1%）和 GDPval-AA v2（1140 vs 642）上均有显著提升。
Gemini 3.5 Flash Cyber
Flash Cyber 是一款专门针对网络安全漏洞检测与修复的模型。它基于 Gemini 3.5 Flash 构建，通过 CodeMender 安全智能体多次调用，让子智能体并行分析代码路径，最终汇总成一份漏洞报告。
在测试中，该模型对知名开源项目 V8 JavaScript Engine 进行分析，共发现 55 个问题，其中包括 10 个此前从未发现过的安全漏洞。
初期仅向政府机构和可信合作伙伴开放，作为试点项目的一部分。谷歌表示，这将帮助一线防御人员抢先发现并修复漏洞，同时尽可能降低模型滥用风险。
三种模型怎么选？
需要处理复杂 Agent、编码、多模态任务？ → Gemini 3.6 Flash（能力均衡，Token 效率最高）
预算有限、吞吐量高、速度优先？ → Gemini 3.5 Flash-Lite（最便宜、最快，适合批量处理）
API 中模型切换：
# 使用 3.6 Flash
model="gemini-3.6-flash"
# 使用 Flash-Lite
model="gemini-3.5-flash-lite"
国内用户怎么用？
方式一：官网直连
访问 gemini.google.com 或 Google AI Studio，需稳定代理，推荐美国或韩国干净 IP。AI Studio 中可获取 API Key：登录 → 点击“Get API Key” → 创建新项目。
方式二：国内中转 API
通过国内第三方 API 中转平台获取 Key，直接调用 Gemini API。这类平台通常兼容 OpenAI 接口规范，只需更换 base_url 和 API Key 即可完成接入。推荐非线智能API、星链4SAPI和硅基流动。
方式三：镜像站
这个更适合普通用户，如kula（yingcaiai.com）、ChatMax，合规的镜像站，能提供零配置直连服务。
方式四：Cloudflare Workers 反向代理
这是目前开发者社区最流行的方案。Cloudflare Workers 提供全球边缘计算节点，在国内大部分地区拥有较好的直连延迟。推荐AI-Worker-Proxy、llm-proxy-on-cloudflare-workers和gemini-playground。
API 调用教程
Python SDK 快速上手
from google import genai
client = genai.Client()
interaction = client.interactions.create(
model="gemini-3.6-flash",
input="Write a Python script that fetches data from an API and saves it to CSV."
)
print(interaction.output_text)
Thinking Level 控制
Gemini 3.6 Flash 支持 thinking_level 参数（minimal / low / medium / high），用于控制推理深度 vs 速度/成本的权衡。注意：API 已废弃 temperature、top_p、top_k 等参数。
高级功能
Function Calling：让模型调用外部工具
Computer Use：模型直接操作电脑界面（OSWorld-Verified 得分 83%）
上下文缓存：降低重复输入成本
多模态：支持文本、图像、视频、音频、PDF
实战案例：文档总结
from google import genai
client = genai.Client()
response = client.interactions.create(
model="gemini-3.6-flash",
input="Summarize this 100-page PDF report in 3 bullet points.",
# 附件通过 AI Studio 上传
)
print(response.output_text)成本优化
- 用 Flash-Lite 处理简单任务（输入仅 $0.30/百万 Token）
- 启用上下文缓存（缓存输入仅 $0.374/百万 Token）
- 降低 thinking_level（minimal 或 low 可大幅减少延迟和成本）
常见问题
Q：如何免费使用？限额多少？
A：AI Studio 提供免费额度。Gemini 3.1 Flash 每天免费调用 1500 次，3.1 Pro 每天 50 次。新模型的具体免费额度以 Google 官方公布为准。
Q：国内访问延迟高怎么办？
A：推荐使用国内中转 API 或 Cloudflare Workers 反向代理方案。避免使用公共代理，注意数据安全。
Q：Gemini 3.6 Flash 与 Claude/GPT 相比如何？
A：谷歌表示 3.6 Flash 在单位任务成本上低于 GPT-5.6 Terra Max、Kimi K3 和 Qwen 3.7 Max。在 DeepSWE（49%）和 MLE-Bench（63.9%）等编码基准上表现强劲。具体对比建议根据实际使用场景测试。
Q：3.5 Pro 什么时候发布？
A：谷歌表示 Gemini 3.5 Pro 目前正在与合作伙伴测试中，将在准备好后向广大用户开放。与此同时，更庞大的 Gemini 4 预训练工作已经启动。
Gemini 3.6 Flash 和 3.5 Flash-Lite 今日起已在 Gemini App、Google AI Studio、Android Studio 和 Google Antigravity 中可用。立即前往 Google AI Studio 或 Gemini API 文档 体验新一代高效 AI 模型！
相关链接：
