Gemini Pro vs Flash vs Flash-Lite：按请求选对档位

简短结论：默认 Flash，有据才上 Pro，走量用 Flash-Lite

把 Gemini 3.8 Flash 当作默认档；任务确实需要更深推理时再升级到 Gemini 3.1 Pro Preview；确定性的批量工作下放给 Gemini 3.1 Flash-Lite。三个文本档都是同样的 1M token 上下文、同样的 64K 输出上限、同样的 generateContent 请求结构，所以换档只改请求里的一个字段——永远不需要重新集成。

代价最高的错误出在两个极端。所有请求都跑 Pro，等于用 Pro 的输出费率为 Flash 同样能完成的工作买单；永远只用 Flash-Lite，则会在它本来解决不了的任务上陷入重试循环。把三档当成同一套系统的三种计价表：Flash 起草，Pro 处理例外，Flash-Lite 在两者前面做机械性的预处理。

另见： Gemini API 定价：Pro、Flash、Flash-Lite 与图像输出

费率表：每 100 万 token 各档实际多少钱

价格是三档差异最大的地方。以下数字均为每 100 万 token，按输入 / 缓存输入 / 输出列出，同时给出 Google 官方价和 apiToken.sale 上固定 50% B2C 折扣后的实际价格——折扣对所有档位一视同仁。

两点最醒目。每一档贵的都是输出——是输入费率的四到八倍——所以一次通过、输出费率更低的模型，通常比需要反复重试的更强模型更划算。而且差距极大：Flash-Lite 的输出计费只有 Pro 的八分之一，这就是为什么把分类、抽取类工作从高档位路由出去，比任何提示词优化都更能省钱。

Gemini 3.8 Flash 使用 Google $0.75/$0.075/$3.75 促销价至 2026-12-31，并于 2027-01-01 恢复 $1.50/$0.15/$7.50。缓存输入是按新输入费率 10% 单列的 usage 项，不会与同一批 token 的新输入叠加。

上下文窗口、输出上限与 200K 阈值

上下文基本不构成差异：当前的 Pro、Flash、Flash-Lite 文本模型都提供 1M token 窗口和最高 64K 输出。Flash-Lite 不是小上下文档——它的优势是简单任务上的成本和延迟，而不是更短的窗口。唯一会改变账单的上下文规则在 Pro 上。

• Gemini 3.1 Pro Preview 输入超过 200K token 时，整次请求按每 100 万 $4 输入、$18 输出重新计价——更高费率适用于全部 token，不只是超出部分。五折后为 $2/$9。
• Flash 和 Flash-Lite 在整个窗口内费率不变；一次 900K 输入的 Flash 调用和一次 1K 调用的单 token 价格完全相同。
• 图像档是另一种形态：Gemini 3.1 Flash Image 提供 128K 上下文、最高 32K 输出，其缓存输入按完整输入费率计费，而不是文本模型的 10%。
• 大调用之前，在同一模型路径上跑一次 countTokens——它是免费的，能在你付费之前告诉你这次请求是否越过 Pro 的 200K 阈值。

哪类负载配哪一档

按失败成本而不是按感觉来匹配档位。当某一步答错或答得浅的代价低于升一档的 token 溢价时，这档就是对的。

• Pro（gemini-3.1-pro-preview）：跨文件重构、架构与设计权衡分析、深度文档审查，以及对 Flash 产出的最终审计——漏掉一个边界情况的代价高于 token 成本的工作。
• Flash（gemini-3.8-flash）：日常交互式编程、大量工具调用的代理循环、多模态输入，以及均衡的生产流量。凡是你没有实测过其他结论的场景，默认选它都对。
• Flash-Lite（gemini-3.1-flash-lite）：大规模的分类、抽取、路由、摘要等确定性预处理——请求可预测，质量门槛可以用程序验证。

较旧的 Gemini 2.5 Flash-Lite 仍在目录中，官方价 $0.10/$0.40——是已发布的最便宜文本档——对于已经在它上面验证过的高流量管道，它依然是合理选择。

换档只改一个字段，密钥还是同一把

没有按档位划分的套餐、注册或端点。一个 apiToken.sale 密钥覆盖每一个 Gemini 档位——加上受支持的 Claude、GPT 和 Kimi 模型——共用同一个预付费余额。把原生 Gemini 协议指向 https://router.apitoken.sale，用 x-goog-api-key 头发送密钥，只改 model ID：

curl https://router.apitoken.sale/v1beta/models/gemini-3.8-flash:generateContent \
  -H "x-goog-api-key: $APITOKEN_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"contents":[{"parts":[{"text":"Summarize this diff in one sentence."}]}]}'

把 gemini-3.8-flash 换成 gemini-3.1-pro-preview 或 gemini-3.1-flash-lite，同一个请求就跑在对应档位上。对同一 base URL 发起 GET /v1beta/models 会返回你的密钥可调用的准确 ID。各档位都通过 streamGenerateContent?alt=sse 支持流式，官方 Google GenAI SDK 除了 base URL 外无需任何改动。

SDK 的一个坑：base URL 只传裸主机名。Google SDK 会自己追加 /v1beta，base URL 如果以 /v1beta 结尾会出现重复路径，返回 404。

一套让 Gemini 支出保持平稳的路由策略

1. 01所有负载默认走 gemini-3.8-flash——交互会话、CI 代理和生产流量都一样。
2. 02预先定义升级触发条件：Flash 尝试失败或答得太浅、diff 跨的文件多到肉眼审不过来、或是不可逆的设计决策，就交给 gemini-3.1-pro-preview。
3. 03把确定性子任务——意图分类、字段抽取、重排序——挪到 gemini-3.1-flash-lite，并用程序验证输出，让质量回退第一时间暴露。
4. 04任何你怀疑接近 200K 输入的 Pro 请求，先调 countTokens；如果越线，要么裁剪上下文，要么有意识地接受 $4/$18 的长上下文费率。
5. 05每周在看板里复核 token 级用量并调整分流比例——Flash-Lite 与 Pro 输出之间有八倍差距，路由上的一点小调整对账单的影响超过任何提示词微调。

由于 50% 折扣对各档位统一适用，相对排序永远不变——Flash-Lite 始终是最便宜的计价表，Pro 始终是高价档——所以按官方价格调好的路由策略在这里依然有效。

完整 Gemini 费率表，含图像输出和长上下文计费项 →

对比所有受支持模型与价格 →

常见问题

相关指南