TL;DR
Gemini 3.6 Flash มีค่าใช้จ่าย $1.50/M สำหรับอินพุต และ $7.50/M สำหรับเอาต์พุต โดยมีราคาสำหรับเอาต์พุตที่ต่ำลงและรายงานประสิทธิภาพด้านการเขียนโค้ดและเอเจนต์ที่ดีกว่า Gemini 3.5 Flash สำหรับงานโปรดักชัน ให้ใช้ 3.6 Flash สำหรับการให้เหตุผลที่ซับซ้อนและเอเจนต์ ขณะที่จัดเส้นทางงานปริมาณมากที่เรียบง่ายกว่าไปยัง Gemini 3.5 Flash-Lite ซึ่งถูกกว่า
Gemini 3.6 Flash ไม่ใช่แค่การอัปเดตหมายเลขรุ่นอีกครั้ง
สำหรับนักพัฒนาที่ใช้งาน Gemini 3.5 Flash อยู่แล้ว การเปลี่ยนแปลงที่ใหญ่กว่าคือด้านเศรษฐศาสตร์ Google คงราคาอินพุตไว้ที่ $1.50 ต่อหนึ่งล้านโทเค็น ลดราคาเอาต์พุตจาก $9.00 เหลือ $7.50 และรายงานประสิทธิภาพที่ดีขึ้นบนเบนช์มาร์กด้านโค้ดและเอเจนต์หลายรายการ
คำถามเชิงปฏิบัติคือ การปรับปรุงเหล่านั้นมากพอที่จะคุ้มค่าต่อการย้ายเวิร์กโหลดโปรดักชันหรือไม่
คำตอบขึ้นอยู่กับเวิร์กโหลด เอเจนต์ด้านโค้ด การวิเคราะห์มัลติโหมด และการใช้เครื่องมือแบบหลายขั้นตอนอาจได้ประโยชน์มากกว่าการทำ extraction หรือ classification อย่างง่าย การย้ายรุ่นยังต้องตรวจสอบความเข้ากันได้ของ API บางอย่าง ซึ่งอาจพลาดได้ง่ายหากเปลี่ยนเพียงชื่อโมเดล
คู่มือนี้ครอบคลุมราคา API ของ Gemini 3.6 Flash การเข้าถึงฟรีเทียร์ ผลลัพธ์เบนช์มาร์ก การเปลี่ยนแปลงสำหรับการย้ายตัวอย่าง Python และสิ่งที่ควรทดสอบก่อนสวิตช์ทราฟฟิกโปรดักชัน
What Is Gemini 3.6 Flash?
Gemini 3.6 Flash คือรุ่น Flash ใหม่ของ Google สำหรับการเขียนโค้ด การให้เหตุผลแบบมัลติโหมด และเวิร์กโฟลว์เอเจนต์หลายขั้นตอน เปิดตัวเมื่อ 21 กรกฎาคม 2026 ออกแบบมาสำหรับเวิร์กโหลดโปรดักชันที่ต้องการความสามารถในการให้เหตุผลและเอเจนต์ที่แข็งแรงยิ่งขึ้น โดยยังอยู่ในระดับรุ่น Flash ของ Google
สเปกหลักประกอบด้วย:
| Item | Gemini 3.6 Flash |
|---|---|
| Model ID | gemini-3.6-flash |
| Standard input price | $1.50 / 1M tokens |
| Standard output price | $7.50 / 1M tokens |
| Standard cached input | $0.15 / 1M tokens |
| Default thinking level | medium |
| Input context | 1,048,576 โทเค็น |
| Maximum output | 65,536 โทเค็น |
| Inputs | ข้อความ, รูปภาพ, วิดีโอ, เสียง, PDF |
| Output | ข้อความ |
| Best suited for | การเขียนโค้ด, การให้เหตุผลแบบมัลติโหมด, เอเจนต์ที่ซับซ้อน |
Google วางตำแหน่ง Gemini 3.6 Flash สำหรับเวิร์กโหลดอย่างเช่น การเขียนโค้ด การให้เหตุผลเชิงพื้นที่และแบบมัลติโหมด และงานเอเจนต์หลายขั้นตอน
โมเดลยังรองรับความสามารถต่างๆ เช่น การเรียกใช้ฟังก์ชัน เอาต์พุตแบบมีโครงสร้าง การรันโค้ด การแคชบริบท File Search, URL context, Google Search grounding และ Google Maps grounding
คุณสามารถดูสเปกล่าสุดและคำแนะนำการย้ายรุ่นได้ใน latest Gemini model guide ของ Google
สำหรับนักพัฒนาที่มาจากเจเนอเรชันก่อนหน้า CometAPI Gemini 3.5 Flash API guide จะเป็นจุดตั้งต้นการผสานงานที่เป็นประโยชน์
How Much Does the Gemini 3.6 Flash API Cost?
Gemini 3.6 Flash มีค่าใช้จ่าย $1.50 ต่อหนึ่งล้านโทเค็นสำหรับอินพุต และ $7.50 ต่อหนึ่งล้านโทเค็นสำหรับเอาต์พุต บนระดับ Standard แบบชำระเงินของ Google
เมื่อเทียบกับ Gemini 3.5 Flash ราคาสำหรับอินพุตไม่เปลี่ยนแปลง ในขณะที่ราคาเอาต์พุตลดลงจาก $9.00 เหลือ $7.50 ต่อหนึ่งล้านโทเค็น คิดเป็นการลดลง 16.7%
Google ยังมีตัวเลือกประมวลผลแบบ Batch, Flex และ Priority
| Gemini 3.6 Flash Tier | Input / 1M | Cached Input / 1M | Output / 1M |
|---|---|---|---|
| Standard | $1.50 | $0.15 | $7.50 |
| Batch | $0.75 | $0.075 | $3.75 |
| Flex | $0.75 | $0.075 | $3.75 |
| Priority | $2.70 | $0.27 | $13.50 |
สำคัญ:** โทเค็นการคิดจะถูกคิดค่าบริการในอัตราโทเค็นเอาต์พุต ดังนั้นคำตอบที่มองเห็นสั้นๆ อาจใช้โทเค็นเอาต์พุตที่ต้องเสียค่าบริการมากกว่าที่ความยาวคำตอบสุดท้ายบ่งชี้
การแคชบริบทยังสร้างความแตกต่างได้อย่างมีนัยสำคัญสำหรับแอปพลิเคชันที่ส่ง system prompt ขนาดใหญ่ คอนเท็กซ์ของ repository ชุดเอกสาร หรือประวัติการสนทนาเดิมซ้ำๆ
บนระดับ Standard แบบชำระเงิน อินพุตแบบแคชของ Gemini 3.6 Flash มีค่าใช้จ่าย $0.15 ต่อหนึ่งล้านโทเค็น เมื่อเทียบกับ $1.50 สำหรับอินพุตปกติ
Example: 15,000 Input Tokens + 8,000 Output Tokens
พิจารณางานที่ใช้ 15,000 โทเค็นอินพุต และ 8,000 โทเค็นเอาต์พุต
| Model | Estimated Cost |
|---|---|
| Gemini 3.5 Flash | $0.0945 |
| Gemini 3.6 Flash ที่ปริมาณโทเค็นเท่ากัน | $0.0825 |
| Gemini 3.6 Flash ที่ใช้โทเค็นเอาต์พุตน้อยลง 17% | $0.0723 |
| Gemini 3.5 Flash-Lite ที่ปริมาณโทเค็นเท่ากัน | $0.0245 |
ที่การใช้โทเค็นเท่ากัน Gemini 3.6 Flash ถูกกว่า Gemini 3.5 Flash ประมาณ 12.7% ในตัวอย่างนี้
Google ยังรายงานว่า Gemini 3.6 Flash ใช้โทเค็นเอาต์พุต น้อยลง 17% บน Artificial Analysis Index หากเวิร์กโหลดโปรดักชันทำซ้ำการลดลงนั้นได้ การประหยัดที่จำลองในตัวอย่างนี้จะเพิ่มขึ้นเป็นประมาณ 23.5%
Google รายงานการลดโทเค็นเอาต์พุต สูงสุด 65% บน DeepSWE แยกต่างหาก ตัวเลขเหล่านี้วัดเวิร์กโหลดที่แตกต่างกันและไม่ควรนำมาใช้แทนกัน: 17% อ้างถึง Artificial Analysis Index ในขณะที่ 65% มาจากเบนช์มาร์กการเขียนโค้ดเฉพาะ
การคำนวณต้นทุนโทเค็นพื้นฐานคือ:
Request cost =
(input tokens x input price + output tokens x output price) / 1,000,000
สำหรับเอเจนต์ ต้นทุนจริงมีขอบเขตกว้างกว่า:
Total task cost =
initial model call
+ retries
+ fallback calls
+ paid tools
+ grounding or search costs
นี่เป็นเหตุผลว่าทำไมโมเดลที่ถูกที่สุดต่อโทเค็นจึงไม่ใช่ตัวเลือกที่ถูกที่สุดเสมอไปในการทำงานให้เสร็จสิ้น
Is Gemini 3.6 Flash Free?
ใช่ โครงสร้างราคา Gemini Developer API ปัจจุบันของ Google ระบุการเข้าถึงแบบ Free Tier สำหรับการใช้งานระดับ Standard ของ Gemini 3.6 Flash
อย่างไรก็ดี การมี Free Tier ไม่ได้หมายความว่ามีความสามารถโปรดักชันแบบไม่จำกัด ข้อจำกัด API ขึ้นกับโปรเจกต์และระดับการใช้งาน ดังนั้นนักพัฒนาควรตรวจสอบ rate limit ที่ใช้กับโปรเจกต์ของตนเอง แทนที่จะอ้างอิงตัวเลขคำขอต่อนาทีจากบทความของบุคคลที่สาม
สำหรับการวางแผนโปรดักชัน โปรดใช้ Gemini API pricing และเอกสาร rate limit ล่าสุดของ Google ในการประเมินขีดความสามารถ
นักพัฒนาสามารถเข้าถึง Gemini 3.6 Flash ผ่าน Gemini API และ Google AI Studio ทีมที่ใช้เวิร์กโฟลว์แบบหลายโมเดลรวมศูนย์ยังสามารถทดสอบโมเดลนี้ผ่าน CometAPI Gemini 3.6 Flash model page
How Does Gemini 3.6 Flash Compare With Gemini 3.5 Flash?
ผลลัพธ์ที่เผยแพร่ของ Google แสดงให้เห็นการปรับปรุงที่มากที่สุดในด้านการเขียนโค้ด การดำเนินการแบบเอเจนต์ การใช้งานคอมพิวเตอร์ และงานความรู้
| Benchmark | Gemini 3.6 Flash | Gemini 3.5 Flash | การเปลี่ยนแปลง |
|---|---|---|---|
| DeepSWE | 49.00% | 37.00% | +12.0 คะแนน |
| MLE-Bench | 63.90% | 49.70% | +14.2 คะแนน |
| OSWorld-Verified | 83.00% | 78.40% | +4.6 คะแนน |
| GDPval-AA v2 | 1,421 | 1,349 | 72 |
Google ยังระบุว่า Gemini 3.6 Flash ดำเนินเวิร์กโฟลว์หลายขั้นตอนด้วยจำนวนขั้นการให้เหตุผล จำนวนรอบสนทนา และการเรียกใช้เครื่องมือที่น้อยกว่า Gemini 3.5 Flash
บริษัทรายงานว่า:
- ใช้โทเค็นเอาต์พุตน้อยลง 17% บน Artificial Analysis Index
- ใช้โทเค็นเอาต์พุตน้อยลงสูงสุด 65% บน DeepSWE
- ลดการแก้ไขโค้ดที่ไม่ต้องการและลูปการรันซ้ำ
- ปรับปรุงการให้เหตุผลแบบมัลติโหมดและเชิงพื้นที่
สามารถดูผลลัพธ์ต้นฉบับได้ใน ประกาศเปิดตัว Gemini 3.6 Flash ของ Google
เบนช์มาร์กเหล่านี้ทำให้ 3.6 Flash เป็นตัวเลือกที่แข็งแกร่งสำหรับการประเมิน โดยเฉพาะสำหรับเวิร์กโหลดที่คำขอเดียวสามารถกลายเป็นหลายรอบของการให้เหตุผล การเรียกใช้เครื่องมือ และการแก้ไข
อย่างไรก็ตาม ไม่ควรใช้แทนการทดสอบกับแอปพลิเคชันของคุณเอง
Google ยังระบุว่า 3.6 Flash อาจดำเนินการตรวจสอบเชิงโปรแกรมเบื้องหน้ามากขึ้นก่อนเปลี่ยนแปลงโค้ด ใน repository ขนาดใหญ่ นั่นสามารถปรับปรุงความถูกต้องได้ ส่วนงานแก้ไขส่วนหน้าแบบขอบเขตแคบ อาจเพิ่มการสำรวจที่ไม่จำเป็น
ขอบเขตไฟล์ที่ชัดเจน เกณฑ์การยอมรับ และคำแนะนำการนำไปใช้งานยังคงสำคัญ
Gemini 3.6 Flash vs Gemini 3.5 Flash-Lite: Which Should You Use?
เมื่อคุณตัดสินใจแล้วว่า Gemini 3.6 Flash คุ้มค่าที่จะทดสอบ คำถามถัดไปคือ ทุกคำขอต้องใช้มันจริงหรือไม่
สำหรับหลายระบบโปรดักชัน คำตอบมักเป็นไม่
Gemini 3.5 Flash-Lite มีราคาถูกกว่ามาก และอาจเป็นค่าตั้งต้นที่ดีกว่าสำหรับเวิร์กโหลดที่คาดเดาได้และมีปริมาณสูง
| Item | Gemini 3.6 Flash | Gemini 3.5 Flash-Lite |
|---|---|---|
| Standard input price | $1.50 / 1M tokens | $0.30 / 1M tokens |
| Standard output price | $7.50 / 1M tokens | $2.50 / 1M tokens |
| Standard cached input | $0.15 / 1M tokens | $0.03 / 1M tokens |
| Default thinking level | medium | minimal |
| Best suited for | การให้เหตุผลซับซ้อน, โค้ด, เอเจนต์ | Extraction, routing, classification |
ที่ราคามาตรฐาน Flash-Lite ถูกกว่า 5× บนอินพุต และ 3× บนเอาต์พุต เมื่อเทียบกับ Gemini 3.6 Flash
เริ่มต้นด้วย Gemini 3.5 Flash-Lite สำหรับ:
- การจัดประเภท (Classification)
- การจัดเส้นทางคำขอ (Request routing)
- การดึงข้อมูล JSON และแบบมีโครงสร้าง
- การประมวลผลเอกสาร
- การแปลงข้อมูล
- การแปลภาษาที่มีสเกล
- ซับเอเจนต์น้ำหนักเบา
- งานซ้ำปริมาณสูงที่คาดเดาได้
กลยุทธ์การจัดเส้นทางที่ใช้ได้จริงอาจมีลักษณะดังนี้:
| Workload | First Route | Escalation |
|---|---|---|
| Classification หรือ routing | Gemini 3.5 Flash-Lite | 3.6 Flash หลังการตรวจสอบล้มเหลว |
| Structured extraction | Gemini 3.5 Flash-Lite | 3.6 Flash สำหรับเอกสารที่ซับซ้อน |
| Lightweight subagent | Gemini 3.5 Flash-Lite | เพิ่มระดับการคิดหรือใช้ 3.6 Flash |
| การเขียนโค้ดหลายไฟล์ | Gemini 3.6 Flash | Fallback ที่แข็งแกร่งขึ้นหากยังไม่สำเร็จ |
| เวิร์กโฟลว์เครื่องมือซับซ้อน | Gemini 3.6 Flash | Fallback หลังเครื่องมือหรือการตรวจสอบล้มเหลว |
| การให้เหตุผลแบบมัลติโหมด | Gemini 3.6 Flash | Fallback ตามงานเฉพาะ |
สำหรับทราฟฟิกโปรดักชันแบบผสม เมตริกที่มีประโยชน์กว่าคือ:
Cost per successful task =
(model calls + retries + tools + fallbacks) / accepted tasks
การเรียกครั้งแรกที่ถูกอาจไม่น่าสนใจนัก หากล้มเหลวซ้ำๆ และสุดท้ายต้องใช้โมเดลที่แข็งแรงกว่าอยู่ดี
ในทางกลับกันก็สำคัญไม่แพ้กัน แทบไม่มีเหตุผลที่จะส่งคำขอจัดประเภทที่คาดเดาได้เป็นล้านๆ ไปยัง Gemini 3.6 Flash หาก Flash-Lite ตอบโจทย์ความแม่นยำที่ต้องการอยู่แล้ว
สำหรับแอปพลิเคชันที่ต้องการการจัดเส้นทางลักษณะนี้ โปรดดูคำแนะนำของเราสำหรับ การเรียกหลายโมเดล AI ผ่าน OpenAI-compatible base URL
What Changes When Migrating to Gemini 3.6 Flash?
การย้ายจาก Gemini 3.5 Flash ไป Gemini 3.6 Flash มีมากกว่าการเปลี่ยน Model ID
นักพัฒนาควรทบทวน 5 ส่วนก่อนสวิตช์ทราฟฟิกโปรดักชัน: พารามิเตอร์การ sampling ที่เลิกใช้แล้ว การควบคุมการคิด candidate_count การ prefill รอบของโมเดล และสถานะการเรียกใช้ฟังก์ชัน
1. ลบ temperature, top_p, และ top_k
Google เลิกใช้ตัวควบคุมการ sampling เหล่านี้สำหรับ Gemini 3.6 Flash และ Gemini 3.5 Flash-Lite:
generation_config = {
"temperature": 0.7,
"top_p": 0.9,
"top_k": 40,
}
โมเดลใหม่จะเพิกเฉยต่อพารามิเตอร์เหล่านี้ในปัจจุบัน Google ระบุว่าเจเนอเรชันของโมเดล Gemini ในอนาคตอาจส่งกลับข้อผิดพลาด HTTP 400 เมื่อส่งพารามิเตอร์เหล่านี้มา
สำหรับรูปแบบเอาต์พุตที่คาดเดาได้ ให้ใช้คำสั่งระบบที่ชัดเจนยิ่งขึ้นและเอาต์พุตแบบมีโครงสร้างแทน
2. แทนที่ thinking_budget ด้วย thinking_level
Gemini 3.6 Flash มีค่าเริ่มต้นเป็น medium
คำแนะนำการย้ายของ Google แนะนำให้ย้ายจากการตั้งค่าตัวเลข thinking_budget ไปใช้ thinking_level
Gemini 3.5 Flash-Lite มีค่าเริ่มต้นเป็น minimal ซึ่งเหมาะกับงาน extraction, classification และ routing ปริมาณสูงจำนวนมาก
ควรทดสอบระดับการคิดที่สูงขึ้นเมื่อภารกิจเกี่ยวข้องกับการให้เหตุผลหลายขั้นตอน การรันโค้ด หรือการใช้เครื่องมือ
3. ลบ candidate_count
Google ระบุว่า candidate_count ไม่รองรับใน Gemini 3.x
สิ่งนี้อาจพลาดได้ง่ายเมื่อหลายโมเดลใช้การตั้งค่า generation ร่วมกัน ให้ลบออกก่อนย้ายคำขอโปรดักชัน
4. หยุดการ Prefill รอบของโมเดล
คำขอไม่สามารถจบด้วยรอบ model ที่ไม่ว่างได้อีกต่อไป
แอปพลิเคชันเก่าอาจใช้เพย์โหลดลักษณะนี้:
{
"contents": [
{
"role": "user",
"parts": [{"text": "Translate 'Hello world' to Spanish."}]
},
{
"role": "model",
"parts": [{"text": "Translation:"}]
}
]
}
รูปแบบนั้นอาจส่งกลับ HTTP 400 ได้ตอนนี้
หากก่อนหน้านี้คุณใช้การ prefill เพื่อบังคับรูปแบบคำตอบ ให้ย้ายข้อกำหนดนั้นไปไว้ใน system_instruction หรือใช้เอาต์พุตแบบมีโครงสร้างแทน
5. ทดสอบการเรียกใช้ฟังก์ชันและสถานะแบบหลายรอบใหม่
เอเจนต์ที่ใช้เครื่องมือต้องการการทดสอบการย้ายแยกต่างหาก
Google แนะนำให้ใช้ previous_interaction_id สำหรับสถานะแบบหลายรอบฝั่งเซิร์ฟเวอร์ใน Interactions API
เมื่อส่งกลับผลลัพธ์ของฟังก์ชัน ให้คงทั้งชื่อฟังก์ชันและ call ID เดิมไว้:
final_interaction = client.interactions.create(
model="gemini-3.6-flash",
previous_interaction_id=interaction.id,
tools=tools,
input=[
{
"type": "function_result",
"name": step.name,
"call_id": step.id,
"result": [
{
"type": "text",
"text": json.dumps(result),
}
],
}
],
)
แอปพลิเคชันที่ใช้ generateContent ควรตรวจสอบเพย์โหลด FunctionResponse และติดตามข้อผิดพลาดการเรียกใช้เครื่องมือหลังการย้ายด้วย
ดู latest-model migration guide และ เอกสาร function-calling ของ Google สำหรับรายละเอียดการใช้งานปัจจุบัน
How Do You Call Gemini 3.6 Flash in Python?
ติดตั้งหรืออัปเดต SDK GenAI ของ Google:
pip install -U google-genai
ตั้งค่า API key ของคุณ:
export GEMINI_API_KEY="your-api-key"
จากนั้นเรียก Gemini 3.6 Flash:
from google import genai
client = genai.Client()
interaction = client.interactions.create(
model="gemini-3.6-flash",
input=(
"Review this migration plan and list the three "
"highest-risk compatibility issues."
),
)
print(interaction.output_text)
สำหรับงานที่ต้องการการให้เหตุผลมากขึ้น กำหนดระดับการคิด:
from google import genai
client = genai.Client()
interaction = client.interactions.create(
model="gemini-3.6-flash",
input="Analyze this multi-step debugging problem.",
generation_config={
"thinking_level": "medium",
},
)
print(interaction.output_text)
ความแตกต่างหลักของการย้ายสามารถสรุปได้ดังนี้:
# Older shared configuration
old_config = {
"temperature": 0.2,
"top_p": 0.9,
"top_k": 40,
"candidate_count": 1,
"thinking_budget": 4096,
}
# Gemini 3.6 Flash
new_config = {
"thinking_level": "medium",
}
อย่าคิดว่าระดับการคิดที่สูงขึ้นจะดีกว่าเสมอ วัด latency การใช้โทเค็น และอัตราการสำเร็จบนงานของคุณเอง
How Should You Test Gemini 3.6 Flash Before Production?
คุณไม่จำเป็นต้องมีชุดเบนช์มาร์กสาธารณะขนาดใหญ่เพื่อจะตัดสินใจว่า Gemini 3.6 Flash ควรอยู่ในสแตกโปรดักชันของคุณหรือไม่
จุดเริ่มต้นที่ดีกว่าคืองาน 30–50 งานล่าสุดที่คล้ายกับทราฟฟิกจริงของคุณ
รวมผสมของ:
- การเขียนโค้ดและดีบัก
- การใช้เครื่องมือแบบหลายขั้นตอน
- เอกสารแบบมัลติโหมด
- การดึงข้อมูล
- การจัดประเภทและการจัดเส้นทาง
รันอินพุตเดียวกันผ่าน:
- โมเดลโปรดักชันปัจจุบันของคุณ
- Gemini 3.6 Flash
- Gemini 3.5 Flash-Lite
คง prompt เครื่องมือ ตัวตรวจสอบ และเกณฑ์การยอมรับให้เหมือนเดิม
ติดตาม:
- โทเค็นอินพุต
- โทเค็นเอาต์พุตและโทเค็นการคิด
- Latency
- การเรียกใช้เครื่องมือ
- การลองซ้ำ (retries)
- ข้อผิดพลาดการเรียกใช้ฟังก์ชัน
- อัตราการผ่านตัวตรวจสอบ
- เวลาแก้ไขโดยมนุษย์
- ความสำเร็จของงานสุดท้าย
จากนั้นเปรียบเทียบต้นทุนรวมที่ต้องใช้เพื่อผลิตผลลัพธ์ที่ยอมรับได้
คำขอด้านโค้ดที่มีค่าใช้จ่าย $0.08 และสำเร็จตั้งแต่ครั้งแรก อาจถูกกว่าคำขอ $0.02 ที่ล้มเหลวสองครั้งและต้องยกระดับในที่สุด
ในขณะเดียวกัน การจ่ายราคา Gemini 3.6 Flash สำหรับงานจัดประเภทง่ายๆ ก็แทบไม่มีเหตุผลหาก Flash-Lite จัดการได้อย่างน่าเชื่อถืออยู่แล้ว
เป้าหมายไม่ใช่การหาหนึ่งโมเดลสำหรับทุกคำขอ แต่คือการใช้โมเดลที่แข็งแรงเฉพาะในกรณีที่ความสามารถเพิ่มเติมนั้นทำให้ผลลัพธ์เปลี่ยนไปจริงๆ
นักพัฒนาสามารถเปรียบเทียบเส้นทาง Gemini 3.6 Flash และ Gemini 3.5 Flash-Lite ปัจจุบันผ่าน CometAPI โดยใช้ชุดประเมินเดียวกัน
FAQ
Gemini 3.6 Flash API มีค่าใช้จ่ายเท่าไร?
อัตรา Standard แบบชำระเงินของ Google คือ $1.50 ต่อหนึ่งล้านโทเค็นอินพุต และ $7.50 ต่อหนึ่งล้านโทเค็นเอาต์พุต อินพุตแบบแคชระดับ Standard มีค่าใช้จ่าย $0.15/M ส่วน Batch และ Flex อยู่ที่ $0.75/M อินพุต และ $3.75/M เอาต์พุต
Gemini 3.6 Flash ใช้งานฟรีหรือไม่?
ใช่ โครงสร้างราคาปัจจุบันของ Gemini Developer API ระบุการใช้งาน Free Tier ระดับ Standard สำหรับ Gemini 3.6 Flash การเข้าถึงฟรียังคงขึ้นอยู่กับ rate limit ตามโปรเจกต์และระดับการใช้งาน
Gemini 3.6 Flash พร้อมใช้งานทั่วไปหรือไม่?
ใช่ Google เปิดตัว gemini-3.6-flash เมื่อ 21 กรกฎาคม 2026 และระบุว่าเป็นโมเดลโปรดักชันในเอกสาร Gemini API
หน้าต่างบริบท (context window) ของ Gemini 3.6 Flash คือเท่าไร?
Gemini 3.6 Flash รองรับ สูงสุด 1,048,576 โทเค็นอินพุต และ 65,536 โทเค็นเอาต์พุต รองรับอินพุตข้อความ รูปภาพ วิดีโอ เสียง และ PDF และสร้างเอาต์พุตเป็นข้อความ
Gemini 3.6 Flash ถูกกว่า Gemini 3.5 Flash หรือไม่?
ถูกกว่าสำหรับโทเค็นเอาต์พุต ทั้งสองโมเดลมีค่าใช้จ่ายอินพุตมาตรฐาน $1.50/M ในขณะที่ Gemini 3.6 Flash ลดราคาเอาต์พุตจาก $9.00/M เหลือ $7.50/M
ควรใช้ Gemini 3.6 Flash หรือ Gemini 3.5 Flash-Lite?
ใช้ Gemini 3.6 Flash เมื่อคุณภาพการเขียนโค้ด การให้เหตุผลแบบมัลติโหมด หรือการดำเนินการเอเจนต์ที่ซับซ้อนสามารถลดความล้มเหลวและการลองซ้ำ เริ่มด้วย Flash-Lite สำหรับงานปริมาณสูงที่คาดเดาได้อย่างเช่น extraction, classification, routing และอื่นๆ ที่ต้นทุนต่ำมีความสำคัญกว่า
ควรเปลี่ยนอะไรบ้างก่อนย้ายไป Gemini 3.6 Flash?
ลบ temperature, top_p, top_k และ candidate_count; แทนที่ thinking_budget ด้วย thinking_level; ลบการ prefill รอบของโมเดล; และทดสอบการเรียกใช้ฟังก์ชันและการจัดการสถานะแบบหลายรอบใหม่
Final Take
Gemini 3.6 Flash ควรค่าแก่การทำเบนช์มาร์ก หากคุณใช้งาน Gemini 3.5 Flash อยู่แล้วสำหรับงานเขียนโค้ด งานมัลติโหมด หรือเวิร์กโฟลว์เอเจนต์
ราคาสำหรับเอาต์พุตต่ำลง และผลลัพธ์เบื้องต้นของ Google ชี้ว่าเวิร์กโหลดบางประเภทอาจใช้โทเค็นและขั้นตอนการดำเนินการน้อยลง สำหรับเอเจนต์ที่ต้องให้เหตุผล เรียกใช้เครื่องมือ และลองใหม่ซ้ำๆ การประหยัดเหล่านั้นอาจมีความหมายมากกว่าความแตกต่างของราคาในพาดหัว
แต่ไม่ได้หมายความว่าทุกคำขอควรย้ายไป 3.6 Flash
Gemini 3.5 Flash-Lite ถูกกว่ามาก และอาจเพียงพอสำหรับงานที่คาดเดาได้ เช่น extraction, classification และ routing
กลยุทธ์โปรดักชันที่ดีกว่าคือใช้แต่ละโมเดลในที่ที่คุ้มค่าทางเศรษฐศาสตร์: Flash-Lite สำหรับงานง่ายปริมาณสูง; 3.6 Flash สำหรับกรณีที่การให้เหตุผลที่แข็งแรงขึ้นช่วยเพิ่มโอกาสในการทำให้เสร็จถูกต้องตั้งแต่ครั้งแรก
จากนั้นวัดผลลัพธ์ที่สำคัญจริงๆ คือ ต้นทุนรวมของการได้คำตอบที่ยอมรับได้
หากต้องการเปรียบเทียบทั้งสองโมเดลผ่านเวิร์กโฟลว์เดียวกัน โปรดดู หน้าโมเดล Gemini 3.6 Flash และ หน้าโมเดล Gemini 3.5 Flash-Lite บน CometAPI หรือทบทวนเส้นทางโมเดลปัจจุบันบน หน้า CometAPI pricing