Gemini 3.6 Flash 来了：输出 token 直降 17%，还能操控电脑，开发者现在该怎么接？

Google 在 7 月 21 日连发三款 Gemini 新模型：Gemini 3.6 Flash、Gemini 3.5 Flash-Lite，以及面向网络安全的 Gemini 3.5 Flash Cyber。其中最值得普通人上手的是 Gemini 3.6 Flash——它不只是常规迭代，而是把「更快、更省、更能干」三件事同时往前推了一步。

如果你正在用 Gemini 3.5 Flash 写代码、跑 Agent、处理文档，这篇文章会告诉你：要不要换、怎么换、以及换完之后能立刻用在哪些场景里。

一、Gemini 3.6 Flash 到底升级了什么？

先一句话总结：同样的活，它用的 token 更少、推理步骤更少、代码改得更准。

根据 Google 官方数据和第三方基准测试机构 Artificial Analysis 的实测，3.6 Flash 相比 3.5 Flash 的核心变化包括：

输出 token 减少 17%（部分复杂任务如 DeepSWE 能减少 65%），直接意味着账单变便宜、响应变快。
价格下调：输入 $1.50 / 百万 token，输出 $7.50 / 百万 token（3.5 Flash 输出是 $9）。
代码能力上涨：DeepSWE 从 37% 提升到 49%，MLE-Bench 从 49.7% 提升到 63.9%。
知识工作更强：GDPval-AA 得分从 1349 涨到 1421。
Computer Use 内置：OSWorld-Verified 从 78.4% 提升到 83%，意味着它可以通过截图看界面、模拟鼠标键盘操作浏览器或桌面。
知识截止更新到 2026 年 3 月，不再卡在 2025 年 1 月。

对开发者来说，最直观的感受是：以前让 Gemini 改一段代码，它可能会反复试探、改一堆无关地方、甚至进入死循环；现在它收敛得快了，token 消耗也少了。

二、三款新模型怎么区分？

Google 这次不是只发一个，而是发了三个定位完全不同的模型：

模型	定位	价格（输入/输出 per 1M token）	适合场景
Gemini 3.6 Flash	主力工作模型	$1.50 / $7.50	编程、Agent、多模态文档分析、Computer Use
Gemini 3.5 Flash-Lite	极致性价比	$0.30 / $2.50	高并发搜索、文档处理、简单分类、摘要
Gemini 3.5 Flash Cyber	安全专用	未公开（限政府/可信伙伴）	漏洞扫描、代码安全审计

普通人能直接用的是前两个。Cyber 版本目前只通过 Google 的 CodeMender 向政府和特定合作伙伴开放，不在公开 API 里。

3.5 Flash-Lite 的速度非常夸张，第三方测到 350 tok/s 的输出速度，适合对延迟敏感、对推理深度要求不高的任务。你可以把它理解为 Gemini 家族里的「高频小工」，而 3.6 Flash 是「主力开发」。

三、怎么用上 Gemini 3.6 Flash？

目前有几个入口：

1. Gemini App（普通用户）：已经在 App 里可用，直接选模型即可。

2. Google AI Studio（开发者）：最适合先免费试水，界面里直接切换模型。

3. Gemini API / Vertex AI（生产环境）：适合写代码接入。

4. Android Studio / GitHub Copilot：Google 宣布会陆续接入这些工具。

5. OpenRouter：预计很快会上，方便国内开发者通过统一 API 调用。

如果你只是想先体验一下，推荐从 Google AI Studio 开始，不用绑卡就能跑。

四、代码接入：三行就能跑起来

Google 的新版 Python SDK 已经支持 `gemini-3.6-flash`。下面是一个最小可用示例：

Python

import google.genai as genai

client = genai.Client(api_key="YOUR_API_KEY")
response = client.models.generate_content(
    model="gemini-3.6-flash",
    contents="写一个线程安全的 LRU Cache，Python 实现",
    config={"temperature": 0.7, "max_output_tokens": 1024}
)
print(response.text)

import google.genai as genai

client = genai.Client(api_key="YOUR_API_KEY")
response = client.models.generate_content(
    model="gemini-3.6-flash",
    contents="写一个线程安全的 LRU Cache，Python 实现",
    config={"temperature": 0.7, "max_output_tokens": 1024}
)
print(response.text)

如果你要开启思考模式（Thinking），可以这样配置：

Python

response = client.models.generate_content(
    model="gemini-3.6-flash",
    contents="找出这段代码里的 bug 并解释修复方法",
    config={"thinking_config": {"thinking_budget": 8192}}
)

for part in response.candidates[0].content.parts:
    if part.thought:
        print("思考过程:", part.text)
    else:
        print("回答:", part.text)

response = client.models.generate_content(
    model="gemini-3.6-flash",
    contents="找出这段代码里的 bug 并解释修复方法",
    config={"thinking_config": {"thinking_budget": 8192}}
)

for part in response.candidates[0].content.parts:
    if part.thought:
        print("思考过程:", part.text)
    else:
        print("回答:", part.text)

注意：从 3.5 Flash 迁移到 3.6 Flash，大部分情况下只需要改模型名字。API 结构基本保持一致，这是 Google 这次比较良心的一点。

五、Computer Use 能干什么？

这是 3.6 Flash 里最值得关注的新能力。它不再只是「读文本回答问题」，而是可以：

看屏幕截图，理解当前界面状态。
模拟点击、输入、滚动等操作。
在浏览器里填表、查信息、操作没有 API 的老系统。

比如你可以让它：「打开这个后台管理系统，帮我导出上个月的订单报表。」它会把任务拆成：截图 → 识别按钮 → 点击登录 → 导航到报表页 → 选择日期 → 点击导出。

这个能力跟 Claude Sonnet 5 的 Computer Use、以及 Gemini Spark 在 Mac 上的桌面操作是同一类方向。区别只在于：3.6 Flash 是通过 API 给开发者用的，而 Spark 是面向终端用户的桌面 Agent。

六、三个立刻能试的实战场景

1. 把旧代码库交给它重构

3.6 Flash 在代码编辑上的「收敛性」变强了，不会像以前那样东改一点西改一点。适合让它：

把 Python 2 风格的代码迁移到现代写法。
给 legacy 项目补类型注解。
把一段业务逻辑拆成更清晰的函数。

2. 做多步骤文档分析

1M token 的上下文窗口 + 多模态输入，意味着你可以一次性丢进去：

一份 60 页的 PDF 财报。
几张 Excel 截图。
一段会议录音转写。

然后问它：「这份材料里有哪些数据互相矛盾？列出来并说明原因。」

3. 搭一个浏览器 Agent

配合 Computer Use，3.6 Flash 现在可以作为浏览器自动化的「大脑」。比如你经常要从某个没有 API 的网站下载数据，以前要写 Selenium/Playwright 脚本，现在可以让 Agent 看着页面自己点。

当然，这种场景下一定要加好边界：哪些网站能访问、哪些按钮不能点、出错时怎么回退。

七、和其他模型怎么选？

如果你纠结该用 Gemini 3.6 Flash、Claude Sonnet 5，还是 GPT-5.6 系列，这里给一个简单决策框架：

要便宜又快，还要能看图看文档：Gemini 3.6 Flash。
要编程最强、愿意多花点钱：Claude Sonnet 5 或 Claude Opus 4.8。
要最均衡、已经有 OpenAI 生态：GPT-5.6 Terra / Luna。
要高并发、低延迟、简单任务：Gemini 3.5 Flash-Lite。
要本地跑、不开源不放心：参考本地部署大模型完全指南。

具体到我们站点的 AI 实战应用指南，3.6 Flash 特别适合「文档处理」「代码辅助」「浏览器自动化」这三类场景。

八、迁移时要注意什么？

1. 模型名直接换：从 `gemini-3.5-flash` 改成 `gemini-3.6-flash`，代码改动很小。

2. Thinking 配置参数名可能变化：不同 SDK 版本对思考模式的字段命名不统一（常见为 `thinking_budget` 或 `thinking_level`），升级后先用小请求验证一次。

3. 温度、top_p、top_k 等参数：在 thinking 模式下某些 SDK 要求移除，遇到报错时优先检查官方文档。

4. 输出更精简了：同样的 prompt，返回内容可能比 3.5 Flash 更短，如果你依赖固定格式输出，建议加更明确的格式要求。

5. Computer Use 不是默认开启：需要显式调用客户端工具，且目前对界面复杂度的支持还有上限。

九、一个省钱的组合打法

生产环境里，其实可以 3.5 Flash-Lite 和 3.6 Flash 搭配用：

第一步粗筛/摘要：3.5 Flash-Lite（$0.30 / $2.50）。
第二步深度处理：3.6 Flash（$1.50 / $7.50）。
第三步验证/敏感操作：Claude Sonnet 5 或人工复核。

这种分层路由的思路，在 AI 编程工程化这篇文章里也提过：不是每个任务都需要最强模型，关键是把对的模型放到对的环节。

十、写在最后

Gemini 3.6 Flash 这次最大的意义，不是某项指标刷到第一，而是把「好用且不贵」这件事落到了实处。对普通开发者来说，它意味着你可以用更低的成本跑更复杂的 Agent；对企业来说，它意味着文档处理、客服、代码审查这些高频场景，终于有了性价比足够高的主力模型。

如果你还没试过，建议今天就打开 Google AI Studio，把你最近一个最常用 prompt 跑一遍 3.5 Flash 和 3.6 Flash 的对比。 token 少了多少、结果稳了多少，数字会告诉你答案。

参考链接：

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我进行处理。

发表回复取消回复

Open Claw：让 AI 真正“动手”的智能体革命

零成本玩转OpenClaw：免费API接入与避坑指南

如何为OpenClaw AI角色设置独特的人设

PicShrink：一个专注于实用的图片压缩工具

2026年“Claw”家族全系工具大盘点