Gemini 3.6 Flash vs 3.1 Pro

Gemini 3.6 Flash vs 3.1 Pro vergleicht ein neueres Flash-Modell mit einem älteren Pro-Modell. Die Namen der Modellklassen entscheiden den Vergleich daher nicht. In Googles Auswertung vom Juli liegt 3.6 Flash bei den veröffentlichten Coding- und Langkontexttests vorn. Auch der aktuelle Standardpreis der Gemini API ist niedriger: $0.75 für Eingabe und $3.75 für Ausgabe je Million Tokens bis zum 31. Dezember 2026, gegenüber $2 für Eingabe und $12 für Ausgabe bei 3.1 Pro mit Prompts von höchstens 200,000 Tokens. Längere Pro-Prompts kosten mehr.^[1][2]

Beginne bei einem neuen Workload mit der Evaluierung von 3.6 Flash. Behalte 3.1 Pro dort, wo deine eigenen Tests dafür sprechen, insbesondere wenn ein funktionierender Agent von dessen Custom-Tools-Variante abhängt. Beide Google-Modelle akzeptieren bis zu 1,048,576 Eingabetokens und erzeugen bis zu 65,536 Ausgabetokens. Ein größeres angegebenes Kontextfenster verschafft daher keinem der beiden einen Vorteil.^[3][4] reAPI hat eine registrierte Integration für Gemini 3.6 Flash, nicht für Gemini 3.1 Pro. Die aktuelle Ausgabegrenze beträgt 8,192 Tokens.^[7] Dieser Artikel vergleicht zuerst die Google-Modelle und erläutert danach diese API-Grenze.

Preise und Modelldokumentation wurden am 23. Oktober 2026 geprüft. Die folgenden Benchmark-Ergebnisse stammen aus Googles Auswertung vom Juli 2026, nicht aus neuen Tests für diesen Artikel.

gemini 3.6 flash vs 3.1 pro pricing

Die folgende Tabelle verwendet Googles kostenpflichtige Standard-Tarife der Gemini API in USD je Million Tokens. Die Ausgabe umfasst Thinking-Tokens. Toolgebühren, Cache-Speicherung und Steuern sind nicht enthalten; es handelt sich nicht um einen Vergleich der Gemini-App-Abonnements.^[2]

Der Flash-Rabatt hat ein festes Enddatum. Eine Kostenprognose, die bis ins Jahr 2027 reicht, sollte für diesen Zeitraum die angekündigten Preise verwenden, auch wenn die heutige Rechnung niedriger ausfällt. Googles Ankündigung vom Juli und die Modellkarte nennen weiterhin $1.50/$7.50. Das ist hilfreicher historischer Kontext, beschreibt aber nicht die aktuelle Aktion.

Die Pro-Schwelle hängt von der Promptlänge ab, nicht von der Länge der Antwort. Bei mehr als 200,000 Prompttokens ändern sich sowohl der Eingabe- als auch der Ausgabepreis. Die Flash-Tabelle enthält keine entsprechende Preisstaffel bei 200,000 Tokens. Wende den günstigeren Pro-Tarif nicht auf ein großes Dokument an, nur weil die abschließende Antwort kurz ist.^[2]

Für eine beispielhafte Anfrage ohne Cache lautet die Berechnung der reinen Tokenkosten:

cost = (input tokens × input rate + billed output tokens × output rate) / 1,000,000

Bei 20,000 Eingabetokens und 5,000 berechneten Ausgabetokens kostet Flash Standard aktuell (20,000 × $0.75 + 5,000 × $3.75) / 1,000,000 = $0.03375. Pro kostet (20,000 × $2 + 5,000 × $12) / 1,000,000 = $0.10. Mit den für 2027 angekündigten Flash-Preisen kosten dieselben Tokenmengen $0.0675. Diese Berechnungen halten die Tokenzahlen konstant; sie sind keine gemessenen Kosten für die Erledigung derselben realen Aufgabe.

Erhöhe nun den Prompt auf 250,000 Tokens und belasse die berechnete Ausgabe bei 5,000 Tokens. Flash kostet aktuell $0.20625. Pro überschreitet seine Schwelle und kostet (250,000 × $4 + 5,000 × $18) / 1,000,000 = $1.09. Der angekündigte Flash-Preis für dieses Beispiel beträgt 2027 $0.4125. Deshalb braucht ein Budget für lange Dokumente neben dem Modellnamen auch die Bedingung zur Promptgröße.

Caching ist ein weiterer Kostenfaktor. Verwende den Preis für gecachte Eingabe nur für Tokens, die als solche abgerechnet werden, und ziehe sie vom normalen Eingabeterm ab, damit sie nicht doppelt zählen. Googles Standardgebühr für die Cache-Speicherung bei Flash beträgt bis zum 31. Dezember $0.50 je Million Tokens und Stunde; ab dem 1. Januar steigt sie auf $1.00. Bei Pro kostet die Speicherung $4.50 je Million Tokens und Stunde. Ein niedriger Cache-Lesepreis macht das Aufbewahren von Kontext nicht kostenlos.^[2]

Die Beispiele berücksichtigen auch Batch, Flex und Priority nicht. Google führt diese Modi auf der Preisseite getrennt auf. Vergleiche den Servicemodus, den du tatsächlich verwenden wirst, statt einen vergünstigten Modus des einen Modells dem Standardpreis des anderen gegenüberzustellen.

gemini 3.6 flash vs 3.1 pro benchmarks

Googles Modellkarte zu Gemini 3.6 Flash enthält einen direkten Vergleich mit 3.1 Pro. Die ausgewählten Zeilen unten decken Coding, Computerinteraktion und Informationsabruf bei langem Kontext ab. Es sind veröffentlichte Messwerte aus unterschiedlichen Evaluierungsaufbauten, keine austauschbaren Schätzungen der Genauigkeit im Alltag.^[1]

Die Methodik ist wichtig. Google gibt für Gemini pass@1 an, sofern nichts anderes vermerkt ist. SWE-Bench Pro verwendet eine interne Version des Antigravity-Harness. Die DeepSWE-Werte stammen aus der öffentlichen Datacurve-Rangliste und verwenden die jeweils erfolgreichste Thinking-Stufe eines Modells; 3.6 Flash nutzt High Reasoning. Terminal-Bench verwendet den Terminus-2-Harness. Für OSWorld nennt Google den Durchschnitt aus fünf Durchläufen mit einem Versuch je Durchlauf, 1080p-Auflösung und höchstens 100 Schritten.^[5]

Daraus folgt eine konkrete Aussage: 3.6 Flash liegt in diesen veröffentlichten Evaluierungen vor 3.1 Pro. Das belegt weder denselben Abstand in jeder Anwendung noch, dass das neuere Modell bei einer bestimmten Anweisung niemals schlechter abschneidet. Auch die Implementierung von Computer-Use-Tools durch einen API-Anbieter wird damit nicht nachgewiesen. Zum Evaluierungssystem gehören Tools und ein Harness, nicht nur ein Modellname in einer Anfrage.

gemini 3.6 flash vs 3.1 pro for coding

Für einen neuen Coding-Workflow machen die veröffentlichten Ergebnisse und die niedrigeren Standardpreise Flash zum aussichtsreicheren Ausgangspunkt. Sowohl SWE-Bench Pro als auch Terminal-Bench sprechen dafür. Der größere DeepSWE-Abstand ist ein Anlass, längere autonome Aufgaben zu testen, statt allein wegen der Bezeichnung Pro von einer höheren Leistung auszugehen.

Ein nützlicher Vergleich auf deinem eigenen Repository hält Aufgabe, Ausgangscommit, Tools, Wiederholungsregeln und Abnahmetests konstant. Erfasse, ob der Patch die Tests besteht, welche unnötigen Änderungen er vornimmt, wie viel menschliche Nacharbeit nötig ist und wie viele Tokens über alle Versuche abgerechnet werden. Eine günstige erste Antwort mit mehreren anschließenden fehlgeschlagenen Reparaturen kann mehr kosten als eine saubere Lösung. Das ist eine Evaluierungsmethode, keine Behauptung über beobachtetes Verhalten eines Modells in unseren Tests.

Es gibt einen konkreten Grund, Pro weiter als Vergleichsoption zu behalten. Google bietet gemini-3.1-pro-preview-customtools an: eine Variante, die in Workflows mit Bash und benutzerdefinierten Funktionen eigene Tools wie view_file und search_code stärker priorisieren soll. Google weist zugleich auf mögliche Qualitätsschwankungen in Anwendungsfällen hin, die von solchen Tools nicht profitieren.^[4] Wenn diese Variante bereits zu deinem Agenten passt, vergleiche vor einem Austausch die tatsächliche Abschlussquote.

Dasselbe gilt für eine bestehende, validierte Pro-Implementierung. Ein Benchmark-Vorsprung ist ein Anlass für Migrationstests, nicht dafür, funktionierendes Verhalten ungeprüft aufzugeben. Bei einem neuen Projekt ohne diese Abhängigkeit gibt es weniger Gründe, vor einem Flash-Test bereits die höheren Pro-Tokenpreise zu zahlen.

gemini 3.6 flash context window

Google dokumentiert für beide Modelle dieselben Grenzen: 1,048,576 Eingabetokens und 65,536 Ausgabetokens. Beide akzeptieren Text, Bilder, Video, Audio und PDF als Eingabe und geben Text aus. Keine der beiden Modellseiten nennt Bildgenerierung, Audiogenerierung oder die Live API als unterstützte Funktionen.^[3][4]

Eine Kontextgrenze sagt, wie viel hineinpasst. Retrieval-Tests zeigen etwas darüber, welche Informationen das Modell daraus wiederfindet. Googles GDM-MRCR-Methodik unterscheidet das kumulative 128K-Ergebnis von der Punktmessung bei 1M. Lies diese Zeilen nicht als denselben Test zu unterschiedlichen Preisen und stelle keinen der Prozentwerte als allgemeine Genauigkeit beim Dokumentverständnis dar.^[5]

Prüfe bei einem langen Bericht oder einer Codebasis, ob die Antwort die richtigen Belege findet und die richtigen Stellen zitiert. Berechne anschließend die Kosten für die tatsächliche Promptgröße. Bei 3.1 Pro ändert sich die Preisstufe bereits beim Überschreiten von 200,000 Prompttokens, deutlich unterhalb der dokumentierten Eingabegrenze. Die aktuelle Preistabelle für 3.6 Flash enthält diese Staffelung nicht.

Die Angabe von 65,536 Ausgabetokens stammt aus Googles Modelldokumentation. Sie setzt eine niedrigere Ausgabegrenze eines anderen Dienstes nicht außer Kraft. reAPI begrenzt Gemini 3.6 Flash derzeit auf 8,192 Ausgabetokens einschließlich Thinking-Tokens. Eine lange gewünschte Antwort und ihre Überlegungen müssen daher zusammen in dieses kleinere Budget passen.^[7]

gemini 3.6 flash vs 3.5 flash

Gemini 3.5 Flash und Gemini 3.6 Flash sind unterschiedliche Modelle. Googles Modellkarte zu 3.6 sagt ausdrücklich, dass es auf Gemini 3.5 Flash basiert, und verweist für Informationen zu Architektur und Trainingsdaten auf dessen Modellkarte. Das erklärt den Zusammenhang, macht 3.6 aber weder zu einem Alias noch überträgt es sämtliche für 3.5 gemeldeten Zahlen.^[1]

In der Ankündigung vom Juli berichtete Google, dass 3.6 Flash im Artificial Analysis Index 17% weniger Ausgabetokens als 3.5 Flash verwendete und bei DeepSWE bis zu 65% weniger. Das sind zugeschriebene, auf bestimmte Workloads bezogene Beobachtungen, keine garantierte Reduktion bei beliebigen API-Anfragen.^[6] Außerdem vergleichen sie Flash mit Flash; dieselbe Tokenersparnis gegenüber 3.1 Pro ist damit nicht belegt.

Die Ausgabepreise von $9 für 3.5 Flash und $7.50 für 3.6 Flash in der älteren Modellkarte sind Vergleichswerte vom Juli. Verwende für ein neues 3.6-Budget die aktuelle Preistabelle oben. Den weiteren Veröffentlichungskontext und eine Integrationsanleitung findest du in unserem Leitfaden zur Nutzung von Gemini 3.6 Flash.

gemini 3.6 flash api

Die Wahl des Modells und die Wahl der API-Schnittstelle sind zwei getrennte Entscheidungen. Googles aktuelle Modellseite bezeichnet 3.6 Flash als Modell der vorherigen Generation, das weiterhin für den Produktionseinsatz verfügbar ist. Seine Stable-Modell-ID lautet gemini-3.6-flash. Die Pro-Dokumentation führt gemini-3.1-pro-preview und seine Custom-Tools-Variante als Preview-Versionen auf.^[3][4]

Bei reAPI dokumentieren die Gemini-3.6-Flash-Modellseite und die Endpunktreferenz die Chat-Completions-Route https://reapi.ai/api/v1/chat/completions, die Modell-ID gemini-3.6-flash im Request und eine Ausgabegrenze von 8,192 Tokens.^[7] Dieses Protokoll unterscheidet sich von Googles nativer GenerateContent API. Die Weiterleitung eines Parameters belegt nicht, dass native Google-Funktionen dieselbe Semantik haben oder jeder Tool- und Medienworkflow durchgängig verifiziert wurde.

Gemini 3.1 Pro wird von reAPI nicht angeboten.^[7] Wenn du Pro wählst, nutze einen Dienst, der dieses Modell ausdrücklich bereitstellt. Die Modellzeichenfolge in einem reAPI-Beispiel zu ändern, verschafft dir keinen Zugang dazu. Benötigt dein Workflow ein bestimmtes natives Google-Tool oder eine bestimmte Modalität, nutze Googles dokumentierte Integration oder prüfe vor einer Migration den genauen Vertrag des jeweiligen Anbieters.

Bei der Prüfung für diesen Artikel am 23. Oktober zeigte reAPIs Live-Preisbereich „Pricing temporarily unavailable“ an und enthielt kein Preisangebot. Deshalb nennen wir hier keinen aktuellen reAPI-Preis und leiten keinen Rabatt aus den statischen Zahlen eines älteren Artikels ab. Sobald der Live-Preis wieder verfügbar ist, kannst du ihn über den Link zur Modellseite prüfen.^[7]

Which is better, Gemini Pro or Flash?

Beim konkreten Vergleich Gemini 3.6 Flash vs 3.1 Pro sprechen Googles veröffentlichte Evaluierungswerte für 3.6 Flash. Auch dessen aktuelle Standard-Tokenpreise sind niedriger. Pro bleibt eine Evaluierung wert, wenn ein bestehender Workflow oder die Custom-Tools-Variante in deinen eigenen Abnahmetests besser abschneidet. Der allgemeine Klassenname reicht für die Wahl nicht aus.

Which is better, Gemini 3.1 Pro or Gemini Flash?

Gib an, welches Flash-Modell du meinst. Dieser Artikel vergleicht Gemini 3.6 Flash mit Gemini 3.1 Pro Preview und behandelt 3.5 Flash, 3.6 Flash und spätere Versionen nicht als austauschbar. Prüfe vor der Entscheidung die genaue Modell-ID, die Preisbedingung zur Promptgröße und die API-Ausgabegrenze.

Quellen

1. Google DeepMind. Modellkarte zu Gemini 3.6 Flash, Evaluierungsstand vom Juli 2026. Geprüft am 23. Oktober 2026. https://deepmind.google/models/model-cards/gemini-3-6-flash/
2. Google AI for Developers. Gemini-API-Preise: Gemini 3.6 Flash und Gemini 3.1 Pro Preview. Geprüft am 23. Oktober 2026. https://ai.google.dev/gemini-api/docs/pricing
3. Google AI for Developers. Modellreferenz für Gemini 3.6 Flash. Geprüft am 23. Oktober 2026. https://ai.google.dev/gemini-api/docs/models/gemini-3.6-flash
4. Google AI for Developers. Modellreferenz für Gemini 3.1 Pro Preview. Geprüft am 23. Oktober 2026. https://ai.google.dev/gemini-api/docs/models/gemini-3.1-pro-preview
5. Google DeepMind. Evaluierungsansatz, Methodik und Ergebnisse für Gemini 3.6 Flash. Juli 2026. https://deepmind.google/models/evals-methodology/gemini-3-6-flash/
6. Google. Vorstellung von Gemini 3.6 Flash, 3.5 Flash-Lite und 3.5 Flash Cyber. 21. Juli 2026. https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-6-flash-3-5-flash-lite-3-5-flash-cyber/
7. reAPI. Endpunktreferenz und Modellseite für Gemini 3.6 Flash; aktuelle Modellregistrierung und Ausgabegrenze geprüft am 23. Oktober 2026. https://reapi.ai/docs/gemini-3-6-flash — https://reapi.ai/models/gemini-3-6-flash