在 Google 标准付费层中，Gemini 3.5 Flash 的价格为 每 100 万个输入 tokens $1.50，以及 每 100 万个输出 tokens $9。输出价格包含思考 tokens。上下文缓存读取费用为每 100 万 tokens $0.15，而存储的缓存内容还会产生基于时间计算的存储费用。
在 Poyo.ai 上，Gemini 3.5 Flash 当前价格为 每 100 万个输入 tokens $0.90，以及 每 100 万个输出 tokens $5.40。相比 Google 标准 token 价格低 40%，同时支持按需付费额度，无需月度订阅。
表面上的价格很简单，但实际账单并非如此。智能体循环、思考 tokens、重复上下文、长回复、搜索 Grounding 以及工具重试，都可能让输出成本和重复输入成本比宣传中的输入价格更重要。
价格核查日期：2026 年 7 月 19 日。 Google 和 Poyo.ai 可能会在本文发布后更新价格、功能或可用性。
Gemini 3.5 Flash API 定价概览
| 计费项 | Google 标准付费层 | Poyo.ai |
|---|---|---|
| 输入 | $1.50 / 1M tokens | $0.90 / 1M tokens |
| 输出（包括思考） | $9.00 / 1M tokens | $5.40 / 1M tokens |
| 上下文缓存读取 | $0.15 / 1M tokens | 查看当前 API 条款 |
| 上下文缓存存储 | $1.00 / 1M tokens 每小时 | 查看当前 API 条款 |
| Google Search Grounding | Gemini 3 共享 5,000 次提示额度，之后按使用量计费 | 取决于端点和工具配置 |
Google 也为 Gemini 3.5 Flash 提供免费层。它适用于评估测试，但生产环境规划应使用付费层价格、速率限制、数据条款以及可靠性要求。
如需查看当前 Poyo 定价和支持的端点，请访问 Gemini 3.5 Flash API 模型页面。
Gemini 3.5 Flash 账单如何计算？
一个适用于初步估算的公式如下：
request cost =
input tokens × input rate
+ output and thinking tokens × output rate
+ cache storage
+ grounding or server-side tool charges
输入内容可能包括系统指令、对话历史、工具定义、检索文档、图片、音频和视频。输出则包括用户可见的回答以及计费的思考 tokens。因此，一个在用户界面中看起来很短的请求，实际可能包含规模大得多的计费内容。
输入 tokens
输入是标准 token 类别中成本最低的一项，但当应用程序反复发送长文档或完整对话历史时，它可能成为最大的费用来源。100 万 tokens 的上下文窗口代表容量上限，并不意味着建议每次请求都填满。
输出和思考 tokens
Google 的 $9 输出价格明确包含思考 tokens。这一点很重要，因为输出价格是标准输入价格的六倍。一个会探索多种方案、调用工具并生成长回复的代码智能体，可能会在推理和输出上的花费超过原始提示词。
上下文缓存
上下文缓存可以降低重复内容的读取价格，例如稳定的系统提示词、产品目录、政策手册或代码库摘要。当相同缓存内容被重复使用到足以抵消存储费用和缓存管理复杂度时，缓存最有价值。
搜索 Grounding 和工具
Google 的定价页面列出了 Search Grounding 的每月免费额度，超出后按查询次数收费。一次模型请求可能产生多个搜索查询。使用大量工具的应用应将工具调用与 token 使用情况分别记录，以便明确成本增长来源。
Gemini 3.5 Flash 实际使用成本是多少？
以下示例采用标准 token 定价，不包含税费、特殊处理层级以及独立工具费用。
示例 1：小型代码助手
假设一个代码助手每月消耗 1,000 万个输入 tokens 和 200 万个输出 tokens。
| 提供方 | 输入成本 | 输出成本 | 月度总成本 |
|---|---|---|---|
| Google 标准层 | $15.00 | $18.00 | $33.00 |
| Poyo.ai | $9.00 | $10.80 | $19.80 |
输出量只有输入量的五分之一，但在两种方案中，输出成本都高于输入成本。这也是为什么输出限制和推理设置需要重点关注。
示例 2：包含重复上下文的客服智能体
假设每月有 100,000 次对话。每次对话开始时包含 8,000 tokens 的政策和产品上下文，然后生成 1,000 个输出 tokens。
不使用缓存或检索：
- 输入：800 million tokens
- 输出：100 million tokens
- Google 标准层：$1,200 输入 + $900 输出 = $2,100
- Poyo.ai token 价格：$720 输入 + $540 输出 = $1,260
这种设计会反复支付相同上下文的传输成本。更好的架构方式是缓存稳定前缀，仅检索相关政策章节，或者准备更小的结构化摘要。
示例 3：多模态文档处理流程
对于 PDF、图片、音频和视频，不要仅根据文件大小估算成本。应通过 API 测量代表性文件返回的输入 tokens。然后测试短、中等和复杂场景，因为媒体长度和模型推理可能会改变账单的两部分成本。
实际试运行应记录：
- 按媒体类型统计的输入 tokens；
- 输出和思考 tokens；
- 工具调用和 Grounding 调用；
- 延迟；
- 无需人工修正时的任务成功率；
- 每个成功任务的重试次数。
为什么 Gemini 3.5 Flash 账单可能超过预估？
思考过程按输出计费
如果应用为每个请求启用更深层次的推理，即使最终可见回复很短，也会按照输出价格计费。应使用能够满足任务质量要求的最低思考等级。
智能体循环会同时放大输入和输出
每次工具返回结果都可能作为新的输入重新发送给模型。失败调用、模糊的工具 schema 和缺少停止条件，都可能造成高成本循环。应设置迭代限制，并记录每次重试的原因。
不必要地重复发送完整上下文
每轮请求都发送整个代码仓库、对话记录或文档集合，通常不是最经济的设计。摘要、检索、可缓存前缀以及存储在模型外部的状态，都可以减少重复输入。
无限制回复成本高昂
输出属于高价格 token 类别。应设置合理的最大输出值，要求生成结构化且简洁的回复，并仅在用户确实需要时生成长报告。
Grounding 可能产生扩展调用
单个请求可能触发多个搜索查询。需要可预测单位经济性的应用，应设置工具策略并监控查询数量，而不是将 Grounding 视为免费上下文。
Gemini 3.5 Flash 基准测试背景
Google 将 Gemini 3.5 Flash 定位为兼具智能体能力和代码能力、同时保持 Flash 级速度的模型。其 2026 年 5 月发布数据如下：
| 评测 | Gemini 3.5 Flash 结果 | 测试内容 |
|---|---|---|
| Terminal-Bench 2.1 | 76.2% | 命令行和智能体代码执行 |
| GDPval-AA | 1,656 Elo | 专业知识工作表现 |
| MCP Atlas | 83.6% | 智能体和工具使用能力 |
| CharXiv Reasoning | 84.2% | 多模态图表和视觉推理 |
Google 还表示，在其对比测试中，Gemini 3.5 Flash 的输出速度约为其他前沿模型的四倍。这些数据可作为参考信号，但不能替代应用测试。测试框架设计、工具定义、推理设置、延迟目标以及提示词质量都会影响实际表现。
真正重要的经济问题不是“哪个基准分数最高？”，而是：
完成一个成功任务的实际成本是多少，包括 tokens、工具调用、重试以及人工修正？
Gemini 3.5 Flash 与替代模型对比
| 模型 | 最适合场景 | 主要成本问题 |
|---|---|---|
| Gemini 3.5 Flash | 快速多模态智能体、代码、工具工作流 | 是否控制好了思考和重复上下文？ |
| GPT-5.6 Terra | 平衡型代码和生产级推理 | 更高的每 token 层级是否能通过更强任务完成能力抵消？ |
| Claude Sonnet 5 | 智能体代码、计算机操作、长篇专业工作流 | 新版 tokenizer 如何影响等效请求成本？ |
| Gemini 3.1 Flash-Lite | 大规模简单处理 | 任务是否真的需要前沿级推理？ |
将此作为模型选择清单。在确定默认模型之前，应让每个候选模型运行相同的代表性工作负载。
降低 Gemini 3.5 Flash API 成本的七种方法
- 设置输出上限。 避免为产品不会展示的解释或重复上下文付费。
- 根据任务难度调整思考等级。 将更深层推理保留给真正需要的请求。
- 缓存稳定前缀。 当复用率足够高时，重复使用系统提示词或参考资料。
- 先检索再生成。 发送相关文档片段，而不是整个文档库。
- 限制智能体迭代次数。 在达到设定数量的工具失败后停止或升级处理。
- 将简单任务路由到低成本模型。 分类和提取任务可能适合更轻量的模型。
- 跟踪每个成功任务的成本。 单纯 token 成本无法体现重试和修正工作。
如何在 Poyo.ai 上调用 Gemini 3.5 Flash
Poyo.ai 支持模型 ID gemini-3.5-flash。团队可以使用 OpenAI 兼容的 chat endpoint，或使用该模型文档中说明的 Gemini 原生格式。
curl https://api.poyo.ai/v1/chat/completions \
-H "Authorization: Bearer $POYO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gemini-3.5-flash",
"messages": [
{
"role": "user",
"content": "Review this agent plan and identify the three most expensive failure modes."
}
]
}'
从 Poyo 控制台 创建 API key，然后在生产部署前查看 Gemini 3.5 Flash 模型页面及相关 API 文档。
Gemini 3.5 Flash 值得这个价格吗？
当应用需要快速代码处理、工具调用、多模态输入或长上下文推理时，Gemini 3.5 Flash 是一个强有力的选择。如果请求足够可预测，可以由更小模型完成，那么它的优势会降低。
生产环境中通常更适合采用选择性路由：
- 简单、重复性任务使用更轻量的模型；
- 需要更强推理或多模态上下文的请求使用 Gemini 3.5 Flash；
- 仅将最复杂的情况升级到更昂贵的前沿级模型。
这种方式可以发挥模型速度和能力优势，同时避免为每个请求支付前沿模型成本。
常见问题
Gemini 3.5 Flash 每百万 tokens 的价格是多少？
Google 标准付费层价格为每 100 万输入 tokens $1.50，以及每 100 万输出 tokens $9，其中包含思考 tokens。Poyo.ai 当前价格为每 100 万 tokens $0.90 输入和 $5.40 输出。
Gemini 3.5 Flash API 免费吗？
Google 提供免费层，但生产应用应评估其速率限制和数据条款。Poyo.ai 使用按需付费额度。
Gemini 3.5 Flash 的思考 tokens 是否收费？
是的。Google 定价表显示，输出价格包含思考 tokens。
Gemini 3.5 Flash 支持上下文缓存吗？
支持。Google 列出了付费缓存读取和存储价格。对于在足够多请求中重复使用的稳定上下文，缓存通常更经济。
Gemini 3.5 Flash 的模型 ID 是什么？
模型 ID 是 gemini-3.5-flash。
Gemini 3.5 Flash 可以使用 OpenAI 兼容 API 吗？
可以。Poyo.ai 提供 OpenAI 兼容的 chat-completions 路由，同时也支持 Gemini 原生集成方式。