Niveaux de réflexion de Gemini 3.6 Flash : coûts mesurés

• minimal a coûté 73.6% de moins que le niveau medium par défaut sur nos neuf tâches représentatives de la production, avec le même score de neuf sur neuf. Si vous n’avez jamais choisi de niveau, c’est votre principal levier de réduction des coûts.
• Les jetons de réflexion représentaient 75 % de la facture totale sur medium, en comptant les jetons d'entrée. La longueur des réponses a à peine changé sur les quatre niveaux, donc presque chaque dollar de différence entre les niveaux est une réflexion.
• low ne consomme pas un budget fixe. Sur les neuf exécutions d’extraction structurée, il a produit exactement zéro jeton de réflexion et a donc coûté autant que minimal, tout en continuant à raisonner pour les appels d’outils et les tâches de code.
• Au-dessus de low, davantage de réflexion n’a pas produit davantage de bonnes réponses lors de notre deuxième tour, plus difficile. Les scores ont été de 2, 10, 10 et 8 sur 15 pour minimal, low, medium et high.
• La valeur par défaut n'est pas fausse, elle n'est tout simplement pas ciblée. medium est un paramètre intermédiaire raisonnable pour un travail inconnu. Une fois que vous connaissez la forme de votre travail, le niveau mérite d’être réglé délibérément.
• Chaque référence publiée pour ce modèle s'exécute sur high, tandis que la valeur par défaut de l'API est medium. Ce sont des factures différentes et des latences différentes.

La réponse courte, par niveau

Voici le coût de chaque niveau pour un passage sur les neuf mêmes tâches, ainsi que les cas où cette dépense s’est justifiée.

Le nombre que personne ne publie : jetons de réponse contre jetons de réflexion

Chaque comparaison de prix de ce modèle que nous avons pu trouver le jour du lancement traite les jetons de sortie comme un seul nombre. Cela fusionne deux quantités qui ne se comportent pas de la même manière, et une fois que vous les séparez, la plus grande partie de la confusion autour de cette version est résolue.

Voici un passage à travers nos neuf tâches, avec le côté sortie divisé en jetons que vous pouvez lire et en jetons que vous ne pouvez pas lire.

Lisez d’abord la colonne des jetons de réponse. Sur huit configurations, deux modèles et quatre niveaux de réflexion, il reste entre les jetons 977 et 1,162, et le chiffre le plus élevé de la colonne appartient à la configuration la moins chère. Les modèles produisent des réponses à peu près de la même longueur, quelle que soit la réflexion initiale.

Lisez maintenant la colonne de réflexion. Elle va de zéro à 8,288. C'est toute l'histoire de votre facture.

Voici les mêmes données que l'argent, en divisant chaque passe en ce que vous avez payé pour l'entrée, pour la réponse et pour la réflexion, aux tarifs standard de Gemini 3.6 Flash de $1.50 par million de jetons d'entrée et $7.50 par million de jetons de sortie.

Au niveau par défaut, les trois quarts de ce que vous payez sont des raisonnements que vous ne voyez jamais, sur des tâches pour lesquelles le niveau ne fait aucune différence quant à la bonne réponse. Ce n'est pas un défaut du modèle. C'est ce qui se produit lorsqu'une valeur par défaut à usage général répond à une charge de travail spécifique.

Cela explique également pourquoi « le nouveau modèle économise-t-il les jetons » obtient-il des réponses contradictoires en public. L'affirmation concerne les jetons de sortie, les jetons de sortie sont pour la plupart des jetons de réflexion, et le nombre de jetons de réflexion dépend du niveau de réflexion, ce que presque personne ne déclare. Une mesure sans niveau indiqué n’est pas reproductible.

Comment nous avons mesuré cela

Deux tours, exécutés sur 2026-07-21, le jour de la sortie des deux modèles.

• Les appels passaient par OpenRouter avec le fournisseur épinglé sur Google AI Studio, envoyés en série plutôt que simultanément. La passerelle n'indique pas quelle région a répondu à la demande, nous ne pouvons donc pas en indiquer une.
• Les coûts sont calculés à partir des prix catalogue standard de Google, et non à partir de la propre facturation de la passerelle. La passerelle propose des itinéraires à un niveau réduit, et mélanger les deux rendrait nos chiffres incomparables avec les tarifs publiés par Google.
• Aucun paramètre d'échantillonnage n'a été défini. temperature, top_p et top_k sont obsolètes sur Gemini 3.x et sont acceptés puis ignorés, donc les définir n'aurait rien changé tout en impliquant que nous n'avions pas lu la documentation. Si vous les définissez toujours en production, le reste des modifications de l'interface de cette version sont traités dans notre guide de version Gemini 3.6 Flash.
• La notation est basée sur des règles et non sur des humains. L'exactitude est ici une mesure de soutien, présente pour exclure l'explication selon laquelle un niveau bon marché semble bon marché parce qu'il fait tranquillement moins de travail.
• Les jetons de réponse et les jetons de réflexion ont été enregistrés séparément pour chaque appel, ce qui rend les tableaux ci-dessus possibles.

Pourquoi les benchmarks publiés ne répondent pas à cette question

Il existe une raison documentée pour laquelle personne ne peut rechercher cela. Les chiffres de référence en circulation sont mesurés à des niveaux auxquels la plupart des flux de production ne fonctionnent pas, et les sources le disent rarement.

• Artificial Analysis, actuellement la seule source indépendante avec une ventilation complète de ce modèle, mesurée à high thinking. La valeur par défaut de l'API est medium.
• Le propre tableau de résultats de Google pour Gemini 3.5 Flash-Lite a été produit à l'adresse high, alors que l'API par défaut de ce modèle est minimal. L’exécution de la configuration par défaut n’est pas l’expérience décrite dans le tableau.
• Dans le tableau de comparaison de Google, la ligne DeepSWE exécute Gemini 3.5 Flash sur medium et Gemini 3.6 Flash sur high, donc les deux chiffres Gémeaux de cette ligne ne constituent pas une comparaison de même niveau.
• Le titre de Google « jusqu'à 65% sur DeepSWE » fait référence à une réduction de l'utilisation des jetons, et non à un score. Le score DeepSWE est 49%.

Rien de tout cela ne fausse les chiffres publiés. Cela leur permet de répondre à une question différente de "qu'est-ce que cela va me coûter au niveau que je dirige réellement".

Premier tour : les niveaux sur le travail ordinaire

Trois résultats, dans l'ordre dans lequel ils comptent.

low est adaptatif, pas un budget fixe plus petit

C'est le résultat auquel nous ne nous attendions pas, et c'est le plus directement utile sur cette page.

Deuxième tour : là où la qualité se dégrade réellement

Le premier tour n'a pas pu répondre à la question de la qualité, car chaque configuration a obtenu une note de neuf sur neuf. Neuf tâches n'étaient pas assez difficiles pour séparer quatre niveaux. Nous les avons donc rendus plus difficiles, et la réponse qui est revenue n’était pas celle qu’impliquaient les niveaux.

Le niveau de réflexion n’achète donc pas l’exactitude du raisonnement, du moins pas dans l’étendue occupée par ces tâches. Ce qu'il achète est quelque chose de plus restreint.

Voici comment les six configurations ont marqué sur ces trois tâches, cinq tentatives chacune.

Le coût par appel exclut une requête anormale décrite dans la section suivante ; les totaux qui l’incluent y sont indiqués.

La conséquence technique est plus utile qu’une recommandation de niveau. Si votre agent doit récupérer après des états inattendus, intégrez la nouvelle tentative et la vérification dans votre application, et traitez le niveau de réflexion comme un paramètre de coût plutôt que comme un élément qui rend la récupération fiable.

Gemini 3.6 Flash low contre Gemini 3.5 Flash-Lite

Cette comparaison ne contient aucune donnée publiée que nous pourrions trouver, et c'est celle à laquelle une équipe soucieuse des coûts est réellement confrontée : pour à peu près le même prix, utilisez-vous le modèle le plus puissant avec un peu de réflexion, ou le modèle le moins cher en réfléchissant sérieusement ?

Laquelle de ces deux images s'applique à vous dépend de la répartition de vos tâches, et c'est la réponse honnête plutôt qu'une haie. Les deux configurations sont dans la même bande de performances sur nos deux tours. La relation de prix entre eux n’est pas stable d’un ensemble de tâches à l’autre.

Deux autres observations à partir des mêmes données, toutes deux intéressantes à connaître avant de choisir par défaut Flash-Lite.

Une anomalie que nous ne pouvons pas expliquer

Quel niveau pour quelle tâche

Voici le tableau à retenir. Chaque ligne s’appuie sur les deux tours décrits ci-dessus ; les limites de ces résultats sont précisées ensuite.

Mesurer cela sur votre propre trafic

Quatre étapes, dans l'ordre qui vous permet d'obtenir une réponse le plus rapidement possible.

1. ** Enregistrez les jetons de réflexion séparément aujourd'hui, avant de modifier quoi que ce soit. ** L'API de Google renvoie le nombre dans total_thought_tokens, à côté du niveau que vous avez défini. Si vous ne suivez que le total des jetons de production, vous ne pouvez pas constater une régression rapide à partir d'un niveau qui a décidé de réfléchir plus sérieusement cette semaine.

   from google import genai
   from google.genai import types
   
   client = genai.Client()  # reads the API key from the environment
   
   response = client.models.generate_content(
       model="gemini-3.6-flash",
       contents=prompt,
       config=types.GenerateContentConfig(
           thinking_config=types.ThinkingConfig(thinking_level="minimal"),
       ),
   )
   
   log.info(
       "level=minimal thinking_tokens=%s",
       response.usage_metadata.total_thought_tokens,
   )

Effectuer cette comparaison sur plusieurs modèles signifie généralement une intégration distincte par fournisseur, et ce coût d'intégration est la raison la plus courante pour laquelle les équipes ignorent complètement la mesure. La normalisation sur un point de terminaison compatible OpenAI le supprime, de sorte que la chaîne de modèle devient la seule chose qui change entre les exécutions.

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.evolink.ai/v1",
    api_key=os.environ["EVOLINK_API_KEY"],
)

for model in ("gemini-3.6-flash", "gemini-3.5-flash-lite"):
    response = client.chat.completions.create(model=model, messages=messages)
    record(model, response.usage)

FAQ

Sources

• Documentation de réflexion Gemini, Google, pour les valeurs thinking_level, les valeurs par défaut par modèle, la déclaration selon laquelle le prix de réponse additionne les jetons de sortie et de réflexion, et le champ total_thought_tokens
• Documentation des modèles d'API Gemini, Google
• Tarifs de l'API Gemini, Google
• Présentation de Gemini 3.6 Flash, 3.5 Flash-Lite et 3.5 Flash Cyber, Google, 2026-07-21
• Gemini 3.6 Flash, Google DeepMind, pour les limitations documentées du modèle
• Gemini 3.6 Flash et Gemini 3.5 Flash-Lite : réduction de moitié du temps par tâche, Artificial Analysis, 2026-07-21
• aibenchy, test indépendant 22-question, 2026-07-21
• EvoLink mesure de première partie, 2026-07-21 : 406 appels sur deux tours, avec enregistrements par appel conservés