Gemini 3.1 Pro 与 Gemini Flash：价差取决于你说的是哪个 Flash

规格几乎一致，价格不是

gemini-3.1-pro-low 和四个 Flash id 的 context 都是 1,000,000 token，能力都是文本 / 工具调用 / thinking，都走 POST /v1/chat/completions。输出上限也基本一致：Pro 是 65,535，Flash 都是 65,536。能力这一栏区分不出它们。

Pro 的官方定价是输入每百万 2 美元、输出 12 美元，0.1 倍率之后是 0.20 和 1.20 美元。目录里能说清的"Pro 和 Flash 有什么不同"，到这儿就说完了。

而 Flash 并不是一个价格，所以"Pro 还是 Flash"根本不能当成一个问题来答。gemini-3-flash 是 0.050/0.30；gemini-3.7-flash-high 和 gemini-3.6-flash-high 是 0.075/0.375；gemini-3.8-flash 是 0.15/0.75。Pro 相对它们分别是 4 倍、2.67 倍 / 3.2 倍、1.33 倍 / 1.6 倍。

拿一个你手上真有的任务来算

假设一个读 200,000 token、写 20,000 token 的任务——大段 diff 的评审，或者过一遍文档。gemini-3-flash 是 0.016 美元，gemini-3.7-flash-high 是 0.0225 美元，gemini-3.8-flash 是 0.045 美元，gemini-3.1-pro-low 是 0.064 美元。

这四个数字要当成一个区间来读，而不是一份排名。gemini-3.8-flash 和 Pro 之间差不到两分钱，对多数团队来说还不如一次重试的波动大；但 gemini-3-flash 和 Pro 之间差 4 倍，一天跑一千个任务就是 16 美元和 64 美元的区别。

所以真正决定这道题该花多少心思的是量级。量小的时候整条 Gemini 线价格差不多，那就按产出质量挑；量大的时候它是一笔明确的开支，你实际在决定的是区间两端那 4 倍的差距。

for MODEL in gemini-3.1-pro-low gemini-3.8-flash gemini-3-flash; do
  echo "== $MODEL"
  curl -s https://token-share.app/v1/chat/completions \
    -H "Authorization: Bearer $TOKEN_SHARE_KEY" \
    -H "content-type: application/json" \
    -d "{
      \"model\": \"$MODEL\",
      \"max_tokens\": 1024,
      \"messages\": [
        {\"role\": \"user\", \"content\": \"Find the race condition in this handler and explain it.\"}
      ]
    }" | jq '{answer: .choices[0].message.content, usage}'
done

目录说不了的部分，怎么自己找出来

目录把 Pro 标为 frontier 档、Flash 标为 fast 档，但它没给任何 benchmark、任何正确率数字，也没有"这个有那个没有"的能力项。你能从中核实的差别只有价格。所以"Pro 在真实任务上是不是更强"这类问题，这份数据答不了；"Flash 够不够用"同样答不了。

但这两个问题在你自己的工作负载上都能答，而且很便宜：挑二十个你已经知道正确答案长什么样的任务，两个 id 各跑一遍，给结果打分。这样你就拿到了一个正确率差值，可以和表上那个价格倍数放在一起权衡。

实测时有一点要注意：Pro 这个 id 标的是 low 推理档，Flash 各自也有自己的 thinking 档位。如果你的 prompt 依赖推理步骤，对比时要把这个设置固定住，否则你测的是配置，不是模型。

常见问题