先说结论：这是工作负载路由，不是模型排名
本文比较的是通过 Gemini API 使用的 gemini-3.6-flash 和 gemini-3.5-flash-lite。截至 2026-07-24，两者在 Gemini API model catalog 中都是 Stable；Google 的最新模型文档也将它们描述为 GA、可用于生产。两者都在 2026-07-21 发布，但 Stable 是当前状态，不是行为永远不变的承诺。
我的初始路由假设很简单：复杂 coding、多模态/空间推理和多步 agent loop，先把 3.6 Flash 放进 canary；高吞吐、低延迟、低成本的解析、翻译、分类、结构化抽取和简单子代理，先把 3.5 Flash-Lite 放进 canary。这是基于 Google 产品定位的编辑推断，不是独立测试结论，也不是“3.6 永远更好”。
如果你只想知道该选哪个，先选一个真实任务，然后同时测试两个 exact model ID。真正的 next action 是记录质量和运维数据，而不是把榜单分数直接当成生产可靠性。
一张能力与控制面矩阵
下面的 documented capability 都限定在 Gemini API model pages。页面列出什么，不等于每个下游产品、企业入口或你的工具链都能成功使用它。
| 维度 | gemini-3.6-flash | gemini-3.5-flash-lite | 选择时怎么读 |
|---|---|---|---|
| 状态 | Stable；Google 文档称 GA | Stable；Google 文档称 GA | 当前状态，需持续维护 |
| 发布日期 | 2026-07-21 | 2026-07-21 | 与本文 source date 2026-07-24 分开 |
| API 输入/输出 | text、image、video、audio、PDF input；text output | text、image、video、audio、PDF input；text output | PDF 是 Gemini API model-page 范围 |
| 上下文/输出上限 | 1,048,576 input tokens / 65,536 output tokens | 1,048,576 input tokens / 65,536 output tokens | 上限不代表每次请求都有相同延迟 |
| Thinking | 支持 minimal、low、medium、high；默认 medium | 支持 minimal、low、medium、high；默认 minimal | minimal 不是 guaranteed thinking-off |
| API 页面列出的工具 | caching、code execution、computer use (Preview)、file search、function calling、Google Maps grounding、Search grounding、structured outputs、thinking、URL context | 同上 | listed support 不证明 downstream workflow 成功 |
| 消费选项 | Batch、Flex、Priority，以及 Standard 价格面 | Batch、Flex、Priority，以及 Standard 价格面 | service tier 会改变等待与成本 |
| Google 的产品定位 | coding、knowledge work、多模态表现、agentic execution、空间推理、复杂 coding cycle 的快速 agentic loop | high-throughput、low-latency、low-cost execution；解析、翻译/分类、结构化抽取和简单数据处理 | 这是 vendor statement，不是工作流保证 |
Google 的 model card 给出了一组有用但有限的对照：在它定义的任务和 harness 下，3.6 Flash 对 3.5 Flash 的 DeepSWE 是 49% vs 37%，MLE-Bench 是 63.9% vs 49.7%，OSWorld-Verified 是 83.0% vs 78.4%，GDPval-AA v2 是 1421 vs 1349，GDM-MRCR v2（128k average）是 91.8% vs 77.3%。这些是 Google 的 model-card benchmark results as of July 2026，不是你的应用可靠性或 SLA。
Lite model card 还报告了 3.5 Flash-Lite 对 3.1 Flash-Lite 的 SWE-Bench Pro 54.2% vs 38.3%、Terminal-Bench 2.1 54.0% vs 31.0%、OSWorld-Verified 74.0% vs 54.3%，以及 GDM-MRCR v2（128k average）72.2% vs 60.1%。这不是 3.6 Flash vs Lite 的直接比较，所以只把它当作 Lite 相对上一代 Lite 的背景，不让它替代同任务 canary。
Google 的发布文还称，3.6 Flash 在 Artificial Analysis Index 上比 3.5 Flash 少使用 17% 的 output tokens，并在多步工作流中使用更少的 reasoning steps/tool calls。这个说法应归因于 Google 和该 named external index，不能推成所有任务都会降本。
如果你的评估对象是能读文件、调用工具、修改代码或推进 agent loop 的真实工作，建议同时参考工作代理评估清单：权限、复核和真实任务测试。模型分数只能缩小候选范围，不能替你验证动作是否安全、结果是否可复核。
价格与服务层：先把 $7.50 和 $9.00 分清
以下是 Gemini Developer API paid-tier 的价格，单位均为每 1M tokens。输入和输出必须保留模型名；output price 包含 thinking tokens。
| Gemini Developer API paid-tier | gemini-3.6-flash input / output | gemini-3.5-flash-lite input / output | 服务含义 |
|---|---|---|---|
| Standard | $1.50 / $7.50 | $0.30 / $2.50 | 同步，full price |
| Batch | $0.75 / $3.75 | $0.15 / $1.25 | 异步，50% of Standard；target turnaround up to 24 hours |
| Flex | $0.75 / $3.75 | $0.15 / $1.25 | 同步，50% of Standard；best-effort/sheddable，target 1–15 minutes |
| Priority | $2.70 / $13.50 | $0.54 / $4.50 | 低延迟、non-sheddable；比 Standard 高 75–100% |
价格纠错
gemini-3.6-flash 的 Standard output 是 $7.50/1M。当前价格表相邻的 $9.00/1M 是 gemini-3.5-flash，不是 gemini-3.6-flash，也不是 gemini-3.5-flash-lite。Lite 的 Standard output 是 $2.50/1M。3.6 model card 的价格行也把 3.6 Flash 写成 $7.50、3.5 Flash 写成 $9.00，说明这个差异是邻近模型行混淆，而不是目标模型价格冲突。
Batch 便宜，但它是 asynchronous，不是更快的 interactive route。Flex 是 synchronous，却是 best-effort/sheddable；Priority 是 service-tier choice，不是另一种模型。上述 timing 是 Gemini API optimization documentation 的 service-tier characteristics，不是每个账号、地区、输入大小或并发设置下的 speed benchmark，也不是 SLA。
此外，Google Cloud Agent Platform 有独立 pricing surface。其 Flex/Batch 表列出 3.6 Flash 为 $0.75 input / $3.75 output、3.5 Flash-Lite 为 $0.15 input / $1.25 output，并带有 endpoint 和 long-context 规则。不要把 Agent Platform 数字和 Gemini Developer API Standard/Priority 合并比较。
路由树：先看循环形状、失败代价和吞吐
下面是编辑推断的起始树，不是最终答案：
真实工作负载
├─ 复杂 coding、空间/多模态推理、需要多轮工具和修正？
│ └─ 先测 gemini-3.6-flash
├─ 高吞吐解析、翻译/分类、结构化抽取、简单子代理？
│ └─ 先测 gemini-3.5-flash-lite
└─ 不能明确归类？
└─ 两个模型跑相同 bounded canary
↓
same-task canary → 通过质量、工具、重试、延迟、token、成本门槛 → primary/fallbackgemini-3.6-flash 适合 / 不适合
适合作为候选： 复杂 coding cycle、需要多步骤计划和工具调用的 agent loop、图像/视频/音频/PDF 参与的多模态任务、空间推理，或一次失败代价较高而需要先验证更强 reasoning 的任务。这些方向来自 Google 对 3.6 Flash 的产品定位，不能取代你的验收标准。
不适合直接假定： 它一定更快、更便宜、工具一定成功，或 benchmark 能直接预测你的代码修改、客户资料处理和生产动作。更高的 Standard 单价也意味着：如果任务并不需要这些能力，盲目默认 3.6 可能只是增加成本。
gemini-3.5-flash-lite 适合 / 不适合
适合作为候选： 高量、重复、结构清楚的解析，翻译/分类，schema 明确的结构化抽取，以及简单 subagent work。Google 将 Lite 定位为 high-throughput、low-latency、low-cost execution，并称其在高吞吐任务中延迟低于 3.6 Flash；这仍要用你的请求大小、并发和 service tier 测量。
不适合直接假定： 所有复杂 agent loop、代码编辑、长链工具协作都能用 Lite 替代 3.6。若出现不可接受的 semantic error、invalid structured output、反复 tool-call failure 或 excessive retries，应按任务风险升级到 3.6，而不是把低价当成成功。
延迟、350 output tokens/s 和部署边界
Google 的 launch announcement 引用 Artificial Analysis 的 350 output tokens/s，并称 3.5 Flash-Lite 在 high-volume tasks 中 latency lower than 3.6 Flash。允许的官方资料没有说明 350 是 decode speed 还是 end-to-end throughput、median 还是 percentile、streamed 还是 non-streamed，也没有给出 input/output size、concurrency、region、endpoint、tier、thinking level、streaming mode 或 load。因此它只能作为 attributed context，不能写成 universal rate 或 SLA。
如果你要自己测，streaming 会暴露 incremental output events；completed response 会暴露 input、cached、output、tool-use 和 thought-token usage。long-context 文档还说明，larger queries generally increase time to first token。可用以下定义把指标拆开：
- TTFT：从 request-send 到第一个 streamed model-output event。
- generation output tok/s：visible output tokens ÷ active generation interval。
- end-to-end tok/s：visible output tokens ÷ request-to-completion wall time。
每条结果旁边都要写清 tier、thinking level、input size、concurrency、region、streaming、retries 和 tool calls。这样才不会把供应商引用的 benchmark rate 和你的生产 latency 混成一个数。
入口也不能混为一谈。发布公告称两者都可通过 Gemini API、Google AI Studio 和 Android Studio 使用；3.6 Flash 另外出现在 Google Antigravity。两者都在 Gemini app；Lite 还在 Google Search rollout。企业侧，两者都可用于 Gemini Enterprise Agent Platform，而 3.6 Flash 另外出现在 Gemini Enterprise app。DeepMind distribution list 的细节也不同：3.6 列出 Gemini app、Gemini Enterprise app、Gemini Enterprise Agent Platform、Google AI Studio、Gemini API 和 Google Antigravity；Lite 列出 Gemini app、Google AI Studio、Gemini Enterprise Agent Platform 和 Gemini API。
这不是 universal availability 清单。“Rolling out”不代表所有地区和账号已经能选。更具体的冲突是：launch announcement 把两者都放在 Android Studio 下，但 Lite model card 没有列 Android Studio；因此 Lite 的 Android Studio access 只能当作 announcement-level claim，接入前需要当前 surface-specific check。要理解 hosted access、API integration 和 self-hosting responsibility 的差异，可以再看Kimi K3 的访问与部署边界。
PDF 也要保持范围：它是 Gemini API model pages 列出的 input capability，不能泛化成每个下游 surface 都提供 PDF。若你在意本地运行、数据控制和执行边界，不要把 hosted API 能力和 local runtime 混为一谈；Gemma 4 12B 本地 agent laptop 指南提供了另一种部署边界的讨论，但本文不把本地权重或自托管纳入比较。
生命周期同样是 surface-specific。Google Cloud lifecycle 文档把 3.5 Flash-Lite 列为至少在 release 后可用 12 个月，retirement 为 2027-07-21 或更晚；3.6 Flash 列在 shorter-term availability 下，没有公布 retirement date，但 short-term model 会在 replacement 发布 45 天后 retirement。这是 Gemini Enterprise Agent Platform scope，不是 Gemini Developer API deprecation guarantee。两者 model card 都提醒普通 foundation-model limitations，包括 hallucinations，以及偶发 slowness 或 timeout；这不是 reliability score。
Same-task canary：决定 primary 和 fallback
这是本文最重要的操作步骤。下面是 proposed reproducibility protocol，不是已经跑过的 live result。
Canary checklist
- 选一个 bounded task set：至少覆盖你的真实主路径、一个边界输入和一个失败代价较高的例子。
- 对两个 exact ID 固定相同的 prompt、input files、tool definitions、安全策略和输出 schema。
- 固定相同的 service tier，并显式设置相同的
thinkingLevel；不要让 3.6 的medium默认值和 Lite 的minimal默认值悄悄改变实验。 - 记录 correctness、semantic error、schema validity、tool-call success、retries 和人工复核结果。
- 记录 TTFT、end-to-end wall time、generation output tok/s，以及请求的 input、cached、output、thought 和 tool-use tokens。
- 根据本文 source date 2026-07-24 的对应价格表计算 cost；把模型、tier、thinking level、输入大小、并发、地区和 streaming 设置写进结果。
- 对代码编辑、外部动作和结构化抽取分别设 acceptance criteria；不要用一个总分掩盖不同风险。
何时升级，何时保留 Lite
如果 Lite 的 semantic error、invalid structured output、tool-call failure 或 retries 超过你的任务门槛，升级到 3.6 Flash。这个门槛必须是 task-specific：模型 capability 不等于 workflow reliability。
反过来，只有 Lite 在同一 acceptance criteria 下通过质量、schema、工具和重试要求，才把它设为 fallback 或高吞吐 primary。一个合理的路由可以是：复杂 coding loop 默认 3.6，成功完成后把可重复的低风险子任务拆给 Lite；如果 Lite 在真实错误预算内稳定通过，则保留它作为成本敏感路由。本文不报告任何 live canary result。
维护提醒：哪些字段最容易过期
本文 source date 是 2026-07-24，模型 release date 是 2026-07-21。重新使用这张表前，检查 model ID 和 status、API/AI Studio/enterprise surface、thinking/tool support、context/output limits、价格、data-use terms、regional availability，以及 deprecation/lifecycle policy。至少按季度做一次 source-date audit；SDK、endpoint、service tier 或 model version 发生 material change 后，重新跑 same-task canary。
FAQ
有没有普遍赢家？
没有。3.6 Flash 是复杂 coding、多模态/空间推理和多步 agent loop 的起始候选；Lite 是高吞吐解析、翻译/分类、结构化抽取和简单 subagent 的起始候选。两条路线都要经过相同 canary。
minimal thinking 是不是 thinking-off？
不是。官方 thinking 文档说明 minimal 不保证关闭思考，复杂 prompt 仍可能推理。为公平起见，显式设置 thinkingLevel。
为什么会看到 $9.00？
因为它是相邻的 gemini-3.5-flash Standard output 行。目标模型的当前 Gemini Developer API Standard output 是：gemini-3.6-flash $7.50/1M，gemini-3.5-flash-lite $2.50/1M。
350 output tokens/s 可以拿来做容量规划吗？
不可以直接拿来做。它是 Google 引用 Artificial Analysis 的 attributed figure，定义、分位数、请求设置、地区和负载都未知。用 TTFT、generation output tok/s、end-to-end tok/s 和完整操作条件自行测量。
Gemini API、AI Studio、Android Studio、Antigravity 和 Enterprise 是同一回事吗？
不是。它们是不同 surface；announcement、model card、API model page 和 Agent Platform 文档的列表也不完全相同。PDF 只按 API model-page scope 表述，Lite 的 Android Studio 入口尤其需要当前检查；rollout 也不等于 universal access。
怎么确定 primary/fallback？
对同一个 bounded task set 固定所有输入、工具、策略、tier 和 thinkingLevel，记录质量与运行数据。按任务门槛选择：Lite 只有在通过同样 acceptance criteria 后才适合作为 fallback；失败代价高或出现不可接受错误时升级 3.6。
什么时候重跑？
模型、入口、工具或 thinking 支持、上下文/输出限制、价格、数据使用条款、地区可用性或生命周期变化时重跑；SDK、endpoint、service tier、model version 有实质变化也要重跑，并至少季度审计来源日期。
图片与信源说明
封面是 Wesbase 原创 workload-to-model decision tree，没有使用 Google、Gemini、Artificial Analysis 或媒体 logo，也没有复制外部图片。本文只在允许的官方资料范围内写作，并明确区分 fact、vendor statement、inference 和 unknown；所有价格、入口、工具和 benchmark 都保留其来源 surface 与日期边界。