Gemini 3.5 Flash vs 3.1 Pro：速度、智能代理與成本比較

我是 Dora。自從 Google 在 2026 年 5 月 19 日的 I/O 大會發布以來，我一直在仔細研究 Gemini 3.5 Flash vs 3.1 Pro 的數據，簡短結論是：階層倒置是真實存在的，不是行銷話術，而且會影響你可能已經寫死在設定檔裡的路由決策。

Flash 模型理應以品質換取速度。3.5 Flash 打破了這個契約——至少在大多數生產環境 Agent 實際執行的工作負載上是如此。

為何這次比較如此不尋常：Flash 擊敗了前代 Pro

Google 在 I/O 2026 上展示了什麼

Gemini 3.5 Flash 於 5 月 19 日正式推出 GA，穩定版模型 ID 為 Gemini-3.5 Flash，不帶任何預覽後綴。Google 的主要聲明是：它在程式碼和 Agentic 基準測試上優於 Gemini 3.1 Pro，同時比同類前沿模型快約 4 倍，且成本通常不到其一半。

一段話解釋階層倒置

Flash 在看起來像真實工作的基準測試上擊敗了 3.1 Pro：Terminal-Bench 2.1（76.2% vs 70.3%）、MCP Atlas（83.6% vs 78.2%）、Finance Agent v2（57.9% vs 43.0%），以及 GDPval-AA Elo（1656 vs 1314）。它在 Humanity’s Last Exam（40.2% vs 44.4%）和 ARC-AGI-2（72.1% vs 77.1%）上落後於 Pro——這些基準測試主要考驗原始參數知識和純粹抽象推理。在評估 Gemini 3.5 Flash vs 3.1 Pro 時，分野十分清晰：Agent 工作交給 Flash，困難推理留給 Pro。

正面交鋒：基準測試及其實際衡量內容

Gemini 3.5 Flash 基準測試對抗 3.1 Pro 的案例是具體的，而非普遍性的。以下是數字實際顯示的內容。

Terminal-Bench 2.1 衡量執行多步驟終端任務的能力——讀取檔案系統狀態、編寫和執行腳本、處理錯誤輸出、重試。Flash 得分 76.2%，而 3.1 Pro 為 70.3%。對於模型操作終端而非建議人類操作員的自動化流水線而言，這近 6 個百分點的差距相當顯著。

MCP Atlas 是我一直最在意的。它測試大規模工具使用可靠性——模型在延伸的多次呼叫序列中（每項任務 8–15 次呼叫，每次呼叫 4k–12k token 上下文）維持正確工具調用的能力。Flash 的 83.6% 擊敗了 3.1 Pro 的 78.2%，也領先所有競爭對手，包括 Claude Opus 4.7（79.1%）和 GPT-5.5（75.3%）。對於建構整合網頁搜尋、向量資料庫和程式碼執行沙盒的自主 Agent 的開發者而言，這是最應重視的基準測試。

GDPval-AA Elo：Flash 為 1656，Pro 為 1314。在真實任務 Agentic 評估中相差 342 分，不是誤差範圍。

3.1 Pro 仍佔優勢的地方（ARC-AGI-2、長上下文檢索）

ARC-AGI-2 分數支持 Pro，差距 5 個百分點（77.1% vs 72.1%）。對於需要新穎模式識別、複雜邏輯推導，或問題無法對應訓練資料模式的任務，3.1 Pro 具有優勢。

更長上下文的差距才是真正需要針對你的資料進行測試的項目。128K 上下文下的 MRCR v2 顯示 3.1 Pro 為 84.9%，Flash 為 77.3%——差距 7.6 個百分點。如果你的使用案例涉及從超長文件中檢索特定資訊、法律文件分析，或大海撈針式檢索，3.1 Pro 仍是更強的選擇。

一個誠實的警告：以上所有主要數字均為 Google 自行回報。在得出結論之前，請針對你自己的提示和領域限制進行驗證。

多模態理解分數

CharXiv Reasoning：Flash 為 84.2%，略勝 GPT-5.5 的 84.1%。OSWorld：78.4%，與 GPT-5.5（78.7%）相當。在多模態流水線上，Flash 的升級理由最為充分。

定價與延遲

Gemini 3.5 Flash 定價

Gemini 3.5 Flash 定價：每百萬輸入 token $1.50，每百萬輸出 token $9。快取輸入降至每 100 萬 $0.15——如果你在 Agent 迴圈中重複執行系統提示，這才是相關數字。上下文視窗：1,048,576 輸入 token，65,536 輸出 token。動態思考預設開啟，提供多個層級（minimal、low、medium、high）以進行成本/效能取捨。

Gemini 3.1 Pro Preview 單位成本

Gemini 3.1 Pro：每百萬快取未命中輸入 token $2.00，每百萬輸出 token $12.00。上下文視窗：200 萬 token。最大輸出：每次請求 16K token。超過 200K 上下文時，定價調整為輸入 $4.00 / 輸出 $18.00。Flash 的輸出上限具有 4 倍優勢（每次回應 65K vs 16K），這對於生成完整程式碼檔案而不截斷至關重要。

吞吐量比較

Flash 提供約每秒 284 個 token，而 Pro 為 109 個。一個使用 Pro 需要三分鐘的工作流程，使用 Flash 可能在九十秒內完成，且每 token 成本低 25%。

速度不是目標，不中斷流程才是。在每個 Agent 步驟超過 3 次工具呼叫的情況下，差距會迅速累積。

生產路由決策

Flash 是正確預設值的情況

在以下情況將 Flash 作為路由預設值：

你的 Agent 每項任務進行多次循序工具呼叫（MCP、函數呼叫、程式碼執行沙盒）
你的工作在 CI/CD 流水線或終端自動化工作負載上
每次請求的上下文保持在 100K token 以下
回應時間對使用者可見——以每秒 284 vs 109 token 的速度，這對互動式產品至關重要

對於基於 MCP 的 Agent，差距相當明顯。Flash 在 MCP Atlas 上領先 5.4 個百分點，Toolathlon 上領先 7.1 個百分點，Finance Agent v2 上領先 14.9 個百分點。速度優勢在多步驟迴圈中會複利累積。快取輸入 $0.15/1M 使高頻工具使用比執行 Pro 便宜 10 倍。

3.1 Pro 仍值得付出成本的情況

兩種情況。第一是推理純粹性：演算法設計、證明構建、複雜除錯，且你無法執行輸出來驗證結果。ARC-AGI-2 的 77.1% vs 72.1% 是訊號。在錯誤代價高昂且只有一次機會的任務中，這個差距至關重要。

第二種情況是長上下文。如果你的檢索在 128K token 或以上運作——完整程式碼庫分析、長文件 RAG、合約——在切換之前，請針對你實際的檢索長度測試 MRCR v2 差距。3.1 Pro 的 200 萬 token 上下文視窗也給了你 Flash 無法匹敵的空間。

何時應等待 3.5 Pro 而非在兩者之間選擇

Gemini 3.5 Pro 在 5 月 19 日的 I/O 大會上宣布，但仍處於有限的 Vertex 預覽階段，GA 預計在 2026 年 6 月。它的目標是 200 萬 token 上下文視窗、Deep Think 推理，以及前沿多模態——這些都是 Gemini Ultra 過去涵蓋的使用案例。

如果你的核心需求是大規模的困難推理且需要 200 萬 token 上下文視窗，請等待 3.5 Pro。目前的 Pro 是 3.1 版，它在那些基準測試中獲勝。3.5 Pro 很可能會進一步擴大這一領先優勢。

實際問題在於時程。如果你現在需要路由生產流量，你在 Flash 和 3.1 Pro 之間選擇。針對你的特定任務分佈執行你自己的評估，這比我說的任何話都更具參考價值。

高可用性堆疊的備援模式

最簡潔的模式是請求分類器，而不是全域模型 ID 替換。不要以「將每個 Gemini-3.1-pro-preview 字串替換為 Gemini-3.5-Flash」的方式執行遷移。這就是好的發布消息演變成生產環境退化的方式。

實用的備援邏輯：

主要： Gemini-3.5-Flash 用於 Agent 和程式碼工作負載
推理任務升級： Gemini-3.1-pro-preview——由任務分類器觸發（長上下文、新穎推導、無重試限制）
遇到 429 / 配額耗盡： 先以指數退避重試 Flash；僅在兩次失敗重試後升級至 Pro
遇到 5xx： 立即退回 Pro，記錄模型 ID 和失敗原因

記錄模型 ID、提示大小、token 數量、工具呼叫次數、延遲、備援原因和使用者可見結果。沒有這些欄位，你將爭論模型偏好而非衡量路由效能。

這對模型聚合意味著什麼

為何分階段推出讓單一供應商承諾風險更高

本月的 Gemini Agent 基準測試情況說明了一個在 2025–2026 年加速發展的模式：Flash 層級的模型在 Agentic 工作上擊敗了前代 Pro，而 Pro 在推理上保持優勢。下個月 3.5 Pro 推出，排名再次重置。

將基礎架構硬編碼到單一模型 ID 意味著每次發布都會在時間壓力下強制遷移。在這個週期中應對順暢的團隊，已經在按任務類別路由，而不是按模型名稱路由。

在單一供應商的不同層級及跨供應商之間路由

擁有許多工具不是問題，管理工具才是。

這個結論有到期日。Gemini 3.1 Pro vs Gemini 3.5 Flash 的決策目前看來是 Flash 適用於大多數生產 Agent 工作。6 月模型卡片發布時查看 3.5 Pro 的基準測試數字。你現在建構的路由邏輯應該讓這次重新評估成為設定變更，而不是程式碼變更。

常見問題

Gemini 3.5 Flash 是否嚴格優於 Gemini 3.1 Pro？

不。Flash 在 Agentic 任務、工具使用、程式碼和多模態基準測試上優於 3.1 Pro。然而，3.1 Pro 在純粹抽象推理（ARC-AGI-2）和超過 128K token 的長上下文檢索上仍居領先。哪個模型更好完全取決於你的工作負載分佈。

我現在應該從 3.1 Pro 遷移到 3.5 Flash 嗎？

視情況而定。如果你的工作負載主要由 Agent、多步驟工具呼叫、終端自動化或程式碼任務主導，遷移通常是值得的——你將獲得更好的基準測試效能、約 3 倍的更高吞吐量和更低成本。對於長上下文 RAG 或錯誤代價高昂的高風險推理，在切換之前先測試你自己的提示。

Gemini 3.5 Pro 何時發布？

Gemini 3.5 Pro 在 I/O 2026 上宣布，但尚未正式上市。目前處於有限預覽階段。Google 表示完整發布目標為 2026 年 6 月。目前的生產 Pro 模型仍為 Gemini 3.1 Pro Preview。

Gemini 3.5 Flash 有免費層級嗎？

有，提供每日配額的免費層級。然而，對於任何嚴肅的生產 Agent 工作負載，免費層級限制可能很快就會達到上限。大多數生產使用案例應規劃使用付費層級。

結論

Gemini 3.5 Flash vs 3.1 Pro 的分野比大多數 Flash vs Pro 的比較更為清晰。Flash 贏得看起來像生產環境的工作：Agent、工具呼叫、終端任務、多模態基礎。Pro 贏得看起來像研究工作的任務：困難推理、長上下文檢索、新穎推導。

Agent 工作負載預設使用 Flash。保留 Pro 作為推理密集型請求和超過 128K 的長上下文檢索的升級目標。現在建構你的備援邏輯，讓 6 月的 3.5 Pro 發布成為設定更新，而不是遷移衝刺。

這是我的資料範圍。在提交路由變更到生產環境之前，請在你自己的任務分佈上執行測試。

往期文章：