Gemini 3.6 Flash 實戰選型：AI Agent 該比較能力、速度還是 Token 成本？
新的 AI 模型發布時，大家通常先看 benchmark 排名。但 production Agent 最常失敗的原因，不是模型少了兩分，而是成本、延遲與輸出長度在流量放大後失控。
Google 在同一波更新推出 Gemini 3.6 Flash 與 Gemini 3.5 Flash-Lite，定位非常清楚：前者在複雜 Agent 與多模態任務之間平衡能力與速度；後者則針對高吞吐、低延遲與低成本工作。
X 上最有價值的訊號，不是官方宣傳，而是大量開發者在發布後二十四小時內回報真實工作負載的差異。
先看價格，再看模型名稱
Google 官方列出的標準價格如下：
- Gemini 3.6 Flash：每百萬 input tokens 1.50 美元，output tokens 7.50 美元。
- Gemini 3.5 Flash-Lite：每百萬 input tokens 0.30 美元，output tokens 2.50 美元。
兩者都支援 1M context、最高 64K output、thinking 與 Computer Use 等內建工具。差異不在「能不能做 Agent」，而在每一層工作該用多少能力。
3.5 Flash-Lite 的官方定位是每秒約 350 output tokens，適合大量、短回應、結構明確的工作；3.6 Flash 則更適合需要多步判斷、coding、多模態理解與 master-agent orchestration 的任務。
不要用一個模型處理整條 Agent pipeline
最常見的成本錯誤，是從分類到最終決策全部呼叫同一個高階模型。
例如文件處理 Agent 可以先由 Flash-Lite 做 OCR 後分類、欄位抽取與格式驗證；只有遇到矛盾資料、跨文件推理或需要工具操作時，才升級到 3.6 Flash。
這種 routing 能同時降低三種浪費：
- 簡單任務使用過度推理。
- 大量輸出由昂貴模型產生。
- 所有請求都等待較慢的規劃流程。
官方說減少 token，為什麼仍要自己量
Google 表示 3.6 Flash 相較 3.5 Flash 平均減少約 17% output token，在部分 coding benchmark 上降幅更高。這很重要，因為 Agent 成本不只由單價決定，也由模型產生多少思考與中間文字決定。
但 benchmark 的 token reduction 不會自動等於你的帳單下降。實際結果仍受到以下因素影響：
- system prompt 與工具 schema 長度。
- thinking level。
- 是否反覆把完整歷史送回模型。
- 工具失敗後的重試次數。
- context cache 是否命中。
- 回應是否要求冗長解釋。
因此，選型時應記錄「完成一個任務的總成本」，而不是只記每百萬 token 的牌價。
用四個指標測試真實工作負載
建立一組五十到一百個真實任務，對兩款模型記錄：
任務完成率。 最終結果是否通過驗證，而不是模型是否回覆。
端到端延遲。 從請求開始到工具執行與最終輸出完成的時間。
總 token 與總成本。 包含重試、thinking、tool result 與 context。
人工介入量。 人需要修正幾次、修改多少內容，才能交付。
如果 Flash-Lite 便宜三倍，卻讓人工修正時間增加五倍，它就不是較省的選擇。相反地，如果文件抽取的成功率已足夠，高階模型多出的推理能力也不會創造價值。
Computer Use 讓風險跟著能力增加
兩款模型都能搭配 Computer Use，這讓高吞吐 Agent 可以直接操作介面，也讓錯誤更容易造成外部影響。
模型選型不能與權限設計分開。Flash-Lite 適合大量執行，不代表應直接擁有付款、刪除或 production deployment 權限；3.6 Flash 判斷能力較強，也不代表它可以跳過人工核准。
較安全的做法是：
- 讓低成本模型產生結構化計畫或候選動作。
- 用 deterministic policy 檢查目標與參數。
- 高風險操作要求人工確認。
- 保存可回放的 tool log。
遷移時注意 model ID 與 thinking 預設值
官方文件列出的 model IDs 為 gemini-3.6-flash 與 gemini-3.5-flash-lite。兩者預設 thinking level 不同：3.6 Flash 為 medium，Flash-Lite 為 minimal。
如果團隊只替換 model ID，沒有固定 thinking、timeout 與輸出限制，測試結果很容易失真。遷移前應把這些參數納入版本控制，並保留舊模型的回退路徑。
結論
Gemini 3.6 Flash 與 3.5 Flash-Lite 不是單純的高低階版本，而是適合不同 Agent 階段的兩種工具。
Flash-Lite 適合大量分類、抽取、轉換與低延遲任務；3.6 Flash 適合複雜規劃、coding、多模態理解與需要較高判斷品質的工作。
真正有效的選型，不是問哪個模型最強，而是把一條 Agent pipeline 拆成不同風險與複雜度，再用完成率、總成本、延遲和人工介入量做 routing。