Gemini 3.5 Flash 已不再是「便宜 Flash」：Google 定价重构对路由策略的影响

如果你的路由策略里有一条「Gemini Flash = 便宜兜底」的规则，Google I/O 2026 刚刚让它失效了。

5 月 19 日，Google 在 I/O 2026 大会上正式发布 Gemini 3.5 Flash，模型 ID 为 gemini-3.5-flash，直接进入 GA 状态，没有预览期。但对路由团队来说，关键数字是定价：输入 $1.50 / 百万 token，输出 $9.00 / 百万 token——是上一代 Gemini 3 Flash Preview（$0.50/$3.00）的 3 倍，是 Gemini 3.1 Flash-Lite（$0.25/$1.50）的 6 倍。

Google 同时推出了公开测试版 Interactions API——一个服务端会话状态管理层，设计上与 OpenAI Responses API 的模式类似。你现有的代理层能否透明地路由这类请求，比模型的 benchmark 分数更值得关注。

发生了什么

Google I/O 2026（5 月 19-20 日）是 Gemini 模型面向开发者变化最密集的一次发布。API 团队需要关注的核心内容：

• Gemini 3.5 Flash（gemini-3.5-flash）：首日直接 GA。支持 1,048,576 token 上下文窗口，最大输出 65,536 token，支持 thinking 模式。Google 内部已在 Gemini Search、Antigravity 智能体平台、Google AI Studio、Gemini Enterprise 全面采用。
• Gemini Interactions API（公开测试版）：新 API 层，内置多步工具调用、服务端会话历史管理和编排原语，明确对标 OpenAI Responses 的设计理念。
• Gemini 3.5 Pro：承诺「下月」发布（6 月 2026）。定价未公布，但按趋势判断将高于 Gemini 3.1 Pro 当前的 $2/$12。
• 上下文缓存与批量折扣：3.5 Flash 支持批量 50% 折扣，上下文缓存费率尚未完整公布。

对比参考，Google 当前 Flash 系列价格跨度已达 6 倍：

Gemini 3.5 Flash 在成本上已经更接近 Pro 层，而非其前代 Flash 模型。

为什么 AI 工程团队需要关注

长期以来，「Flash = 便宜快速」的命名惯例让许多路由策略把 Gemini Flash 当作默认的低成本备用选项。3.5 Flash 打破了这个假设。

成本模型需要重新校准。 把高并发、中等复杂度任务路由到任何名字里带 gemini-*-flash 的模型的团队，现在需要检查配置里的具体模型 ID。如果硬编码了 gemini-flash 或 gemini-3-flash 的别名，而后端实际指向了 3.5 Flash，价格已经是完全不同的量级。

Interactions API 引入代理透传风险。 新的测试版 API 采用服务端历史管理（类似 OpenAI Responses）。如果你的路由层直接透传请求体而不理解 Interactions API 的 schema，可能会静默失败或丢失会话连续性。标准 /v1/chat/completions 调用不受影响——Interactions API 是叠加的新接口，不是替换——但计划采用它的团队需要提前验证路由层的兼容性。

Gemini 3.5 Pro 数周内到来。 新旗舰 Pro 模型将成为 Google 第三个定价锚点。6 月在 Google 提供商上做多模型路由策略的团队，面对的是一张还没有填完的价格表。

上下文缓存改变有效成本。 对于长上下文场景（智能体记忆、大型代码库、长文档），3.5 Flash 的上下文缓存和批量折扣可以显著降低 $9/M 输出的实际成本——但前提是路由层或应用层明确启用缓存，而非默认生效。

路由 / 运营视角的分析

对路由团队来说，实质变化是 Google Gemini 层级策略从两层变成了三层：

1. 超低价层：gemini-3.1-flash-lite——用于高并发分类、简单摘要、路由预判。
2. 中价层（原来的「Flash」位置）：gemini-3-flash-preview——依然是中等任务的性价比选项。
3. 高价 Flash 层：gemini-3.5-flash——新的 Google 内部默认模型。适合编码、智能体任务、长链推理和多模态工作，质量提升值得 3 倍溢价。

回退链的成本影响：如果你的主力提供商故障后回退到 Gemini Flash，而配置里写的是 3.5 Flash，回退成本相比 2026 年初的策略可能已经翻了 3 倍。成本感知的回退配置需要显式区分 gemini-3-flash-preview 和 gemini-3.5-flash。

Interactions API 的代理架构问题：新 API 把会话连续性绑定到 Google 服务端，而非客户端。如果路由层在会话中途把请求切换到不同提供商（如故障转移），Interactions API 的会话会断掉。使用无状态 /generateContent 或 /chat/completions 的团队不受影响，但随着 Interactions API 走向 GA，这一点值得提前规划。

成本归因：在启用 thinking 模式的情况下，3.5 Flash 每次请求产生的 token 数量远高于无 thinking 的 Flash 模型。根据 Artificial Analysis 的基准数据，以高/thinking 模式运行标准套件的成本约 $1,551——甚至高于 Gemini 3.1 Pro Preview 的 $892。使用量计费仪表板需要把推理 token 的膨胀纳入归因。

TheRouter 用户应该关注什么

• 立即审查你的 Gemini 模型 ID。 如果任何路由规则或模型配置里有未锁定版本的 gemini-flash 引用，在 Google 可能调整别名解析之前，请先验证实际指向的模型。显式模型 ID（gemini-3-flash-preview、gemini-3.5-flash）对成本可预测性更安全。
• 更新回退成本阈值。 如果 Gemini Flash 被配置为低成本备用目标，新定价意味着你的回退成本上限已经改变。检查把 Gemini Flash 当作「低价次选」的路由策略。
• 跟踪 Interactions API 的 GA 时间线。 新的测试版 API 对现有 /chat/completions 集成没有破坏性影响，但如果你在 Gemini 上构建长程智能体工作流，现在开始规划迁移路径优于 GA 后再应对。
• 为简单路由任务评估 Gemini 3.1 Flash-Lite。 以 $0.25/$1.50 的价格，Flash-Lite 依然是路由前分类、意图检测、廉价摘要步骤的理想选项。把它显式加入路由目标，可以保留「Flash」原本承诺的成本特性。
• 为 Gemini 3.5 Pro 做准备。 数周后，新旗舰 Pro 模型将到来。预留一个路由槽位，在发布时立即跑评估。

Google I/O 2026 的核心教训不是 Gemini 变聪明了（确实变了）——而是 Google 重新定价了其推理经济，2026 年 5 月之前写下的路由策略需要同步更新。