Gemini 3.6 Flash Thinking Level별 비용 실측

• minimal은 9개의 프로덕션 유사 작업에서 medium 기본값보다 73.6% 저렴했고, 정확도는 동일하게 9/9였습니다. 레벨을 따로 선택한 적이 없다면 이것이 가장 큰 비용 절감 여지입니다.
• 입력 토큰까지 포함하면, medium에서 사고 토큰이 총 비용의 75%를 차지했습니다. 답변 길이는 네 레벨에서 거의 변하지 않았으므로, 레벨 간 비용 차이의 대부분은 사고 토큰에서 발생했습니다.
• low는 고정된 사고 예산을 소비하지 않습니다. 9번의 구조화 추출 실행 모두에서 사고 토큰이 정확히 0이었고, 그 부분의 비용은 minimal과 같았습니다. 반면 도구 호출과 코드 작업에서는 사고 토큰을 사용했습니다.
• low 위로 사고량을 늘려도 어려운 라운드의 정답 수는 늘지 않았습니다. minimal, low, medium, high의 점수는 각각 2, 10, 10, 8/15였습니다.
• 기본값은 잘못된 것이 아니라 단지 대상이 지정되지 않았을 뿐입니다. medium는 알 수 없는 작업에 대한 합리적인 중간 설정입니다. 작업의 형태를 알게 되면 의도적으로 레벨을 설정할 가치가 있습니다.
• 이 모델에 대해 게시된 모든 벤치마크는 high에서 실행됩니다. API 기본값은 medium입니다. 이는 청구서가 다르고 대기 시간이 다릅니다.

레벨별 짧은 대답

다음 표는 동일한 9개 작업을 한 번씩 실행했을 때 각 레벨의 비용과, 그 비용이 정당화된 작업 유형을 보여줍니다.

아무도 공개하지 않는 숫자: 생각 토큰에 대한 답변 토큰

출시일에 찾을 수 있는 이 모델의 모든 가격 비교는 출력 토큰을 하나의 숫자로 취급합니다. 이는 전혀 유사하지 않은 두 수량을 병합하고 일단 분리하면 이 릴리스와 관련된 대부분의 혼란이 해결됩니다.

다음은 출력 측이 읽을 수 있는 토큰과 읽을 수 없는 토큰으로 분할된 9개 작업을 한 번 통과하는 것입니다.

먼저 답변 토큰 열을 읽어보세요. 8가지 구성, 2가지 모델, 4가지 사고 수준에 걸쳐 977와 1,162 토큰 사이에 머물며 열에서 가장 높은 수치가 가장 저렴한 구성에 속합니다. 모델은 아무리 먼저 생각하더라도 대략 동일한 길이의 답변을 생성합니다.

이제 Thinking 토큰 열을 보세요. 0부터 8,288까지 분포합니다. 이것이 청구액의 전체 구조입니다.

여기에는 돈과 동일한 데이터가 있으며, 각 패스를 입력, 답변 및 사고에 대해 지불한 금액으로 Gemini 3.6 Flash의 표준 계층 요율(백만 입력 토큰당 $1.50 및 백만 출력 토큰당 $7.50)으로 나눕니다.

기본 수준에서 지불하는 금액의 4분의 3은 답변이 올바른지 여부에 아무런 차이가 없는 수준의 작업에 대해 전혀 볼 수 없는 추론에 사용됩니다. 이는 모델의 결함이 아닙니다. 범용 기본값이 특정 작업 부하를 충족할 때 발생하는 현상입니다.

이는 또한 "새 모델이 토큰을 저장합니까?"가 공개적으로 모순되는 답변을 얻는 이유를 설명합니다. 주장은 출력 토큰에 관한 것이고, 출력 토큰은 대부분 사고 토큰이며, 사고 토큰 수는 사고 수준에 따라 달라지지만 거의 아무도 언급하지 않습니다. 명시된 수준이 없는 측정은 재현할 수 없습니다.

이를 측정한 방법

두 라운드는 두 모델이 모두 출시된 날인 2026-07-21에서 실행됩니다.

• 호출은 Google AI Studio에 고정된 공급자와 함께 OpenRouter를 통해 진행되었으며 동시에 전송되지 않고 순차적으로 전송되었습니다. 게이트웨이는 요청을 처리한 지역을 공개하지 않으므로 이를 명시할 수 없습니다.
• 비용은 게이트웨이 자체 청구 금액이 아닌 Google의 표준 등급 정가를 기준으로 계산됩니다. 할인된 계층의 게이트웨이 경로와 두 가지를 혼합하면 우리 수치가 Google에서 게시한 가격과 비교할 수 없게 됩니다.
• 샘플링 매개변수가 설정되지 않았습니다. temperature, top_p 및 top_k는 Gemini 3.x에서 더 이상 사용되지 않으며 허용된 다음 무시됩니다. 따라서 이를 설정하면 문서를 읽지 않았다는 것을 암시하면서 아무것도 변경되지 않습니다. 아직 프로덕션 환경에서 설정한 경우 이번 릴리스의 나머지 인터페이스 변경 사항은 Gemini 3.6 Flash 릴리스 가이드에서 다룹니다.
• 채점은 사람이 아닌 규칙을 기반으로 합니다. 정확성은 여기서 지원 측정항목으로, 저렴한 수준이 조용하게 작업을 덜 수행하기 때문에 저렴해 보인다는 설명을 배제하기 위해 제시됩니다.
• 응답 토큰과 사고 토큰은 매 통화마다 별도로 기록되었으며, 이것이 위의 표를 가능하게 합니다.

게시된 벤치마크가 이 질문에 답하지 않는 이유

아무도 이것을 찾을 수 없는 문서화된 이유가 있습니다. 유통 중인 벤치마크 수치는 대부분의 프로덕션 트래픽이 실행되지 않는 수준에서 측정되며 소스에서는 그렇게 말하는 경우가 거의 없습니다.

• Artificial Analysis는 현재 high에서 측정된 이 모델의 전체 분석을 제공하는 유일한 독립 소스입니다. API 기본값은 medium입니다.
• Gemini 3.5 Flash-Lite에 대한 Google 자체 결과 테이블은 high 생각으로 생성되었지만 해당 모델의 API 기본값은 minimal입니다. 기본 구성을 실행하는 것은 표에서 설명하는 실험이 아닙니다.
• Google의 비교표에서 DeepSWE 행은 medium에서 Gemini 3.5 Flash를 실행하고 high에서 Gemini 3.6 Flash를 실행하므로 해당 행의 두 Gemini 수치는 동일한 수준의 비교가 아닙니다.
• Google의 헤드라인 "DeepSWE에서 최대 65%"는 점수가 아닌 토큰 사용량 감소를 나타냅니다. DeepSWE 점수는 49%입니다.

그 어느 것도 발표된 수치를 잘못된 것으로 만들지 않습니다. 이는 "내가 실제로 실행하는 수준에서 비용이 얼마나 들 것인가"와는 다른 질문에 답하게 만듭니다.

1라운드: 일반 작업 수준

세 가지 결과(중요한 순서대로)

low는 적응형이며 더 작은 고정 예산이 아닙니다.

이는 우리가 예상하지 못한 결과이며, 이 페이지에서 가장 직접적으로 유용한 결과입니다.

두 번째 라운드: 품질이 실제로 저하되는 부분

모든 구성이 9점 만점에 9점을 받았기 때문에 1라운드에서는 품질 질문에 답할 수 없었습니다. 9개의 작업은 4개의 레벨을 분리할 만큼 어렵지 않았습니다. 그래서 더 어렵게 만들었고, 돌아온 답은 레벨이 암시하는 답이 아니었습니다.

따라서 사고 수준은 추론의 정확성을 사지 않습니다. 적어도 이러한 작업이 차지하는 범위에서는 그렇지 않습니다. 그것이 사는 것은 더 좁은 것입니다.

다음은 3가지 작업(각각 5번 시도)에서 6가지 구성의 점수를 매긴 방법입니다.

호출당 비용은 다음 섹션에 설명된 하나의 비정상적인 요청을 제외합니다. 포함된 총계가 여기에 제공됩니다.

엔지니어링 결과는 수준 권장 사항보다 더 유용합니다. 에이전트가 예상치 못한 상태에서 복구해야 하는 경우 애플리케이션에 재시도 및 확인 기능을 구축하고 사고 수준을 복구를 안정적으로 만드는 요소가 아닌 비용 설정으로 처리하세요.

Gemini 3.6 Flash low 대 Gemini 3.5 Flash-Lite

이 비교는 우리가 찾을 수 있는 게시된 데이터가 없으며 비용에 민감한 팀이 실제로 직면하는 데이터입니다. 대략 동일한 비용으로 약간의 생각으로 더 강력한 모델을 실행합니까, 아니면 열심히 생각하는 더 저렴한 모델을 실행합니까?

이 두 가지 그림 중 어떤 그림이 귀하에게 적용되는지는 귀하의 작업 조합에 따라 달라지며, 이것이 헤지라기보다는 솔직한 답변입니다. 두 가지 구성은 두 라운드 모두에서 동일한 성능 대역에 있습니다. 그들 사이의 가격 관계는 작업 세트 전체에서 안정적이지 않습니다.

동일한 데이터에서 두 개의 추가 관측값이 있습니다. 둘 다 기본적으로 Flash-Lite로 설정되기 전에 알아 둘 가치가 있습니다.

우리가 설명할 수 없는 한 가지 예외

작업별로 어떤 수준을 선택할 것인가

아래 표가 실무에서 가져갈 결론입니다. 각 행은 위의 두 라운드 결과에 근거하며, 그 근거의 한계는 표 아래에 명시했습니다.

자신의 트래픽을 기준으로 이를 측정합니다.

가장 빠른 답변을 얻는 순서대로 4단계를 수행합니다.

1. 무언가를 변경하기 전에 지금 생각 토큰을 별도로 기록하세요. Google의 API는 설정한 수준과 함께 total_thought_tokens에 개수를 반환합니다. 총 출력 토큰만 추적하면 이번 주에 더 열심히 생각하기로 결정한 수준에서 즉각적인 회귀를 알 수 없습니다.

   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,
   )

여러 모델에 걸쳐 비교를 실행한다는 것은 일반적으로 공급업체별로 별도의 통합을 의미하며, 통합 비용은 팀이 측정을 완전히 건너뛰는 가장 일반적인 이유입니다. 하나의 OpenAI 호환 엔드포인트를 표준화하면 이를 제거하므로 모델 문자열이 실행 간에 변경되는 유일한 항목이 됩니다.

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

출처

• Gemini 사고 문서, Google, thinking_level 값, 모델별 기본값, 응답 가격이 출력 및 사고 토큰을 합산한다는 설명 및 total_thought_tokens 필드
• Gemini API 모델 문서, Google
• Gemini API 가격, Google
• Gemini 3.6 Flash, 3.5 Flash-Lite 및 3.5 Flash 소개 Cyber, Google, 2026-07-21
• Gemini 3.6 Flash, Google DeepMind, 문서화된 모델 제한사항
• Gemini 3.6 Flash 및 Gemini 3.5 Flash-Lite: 작업당 시간 반감기, Artificial Analysis, 2026-07-21
• aibenchy, 독립적인 22-question 테스트 실행, 2026-07-21
• EvoLink 자사 측정, 2026-07-21: 406 두 라운드에 걸친 호출, 호출별 기록 유지