[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-gemini-35-flash-lets-you-buy-speed-zh":3,"article-related-gemini-35-flash-lets-you-buy-speed-zh":29,"series-industry-ebfce0e6-3e54-4605-9acf-e7e55dfccd87":75},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":22,"views":26,"created_at":27,"published_at":28,"topic_cluster_id":11},"ebfce0e6-3e54-4605-9acf-e7e55dfccd87","gemini-35-flash-lets-you-buy-speed-zh","Gemini 3.5 Flash 讓你買速度","\u003Cp>我到底該用哪個 \u003Ca href=\"\u002Ftag\u002Fgemini\">Gemini\u003C\u002Fa> 模型上線？\u003C\u002Fp>\u003Cp data-speakable=\"summary\">我把 BenchLM 的 Gemini 3.1 Pro 與 3.5 Flash 比較拆成一個可直接拿去選模型的版本。\u003C\u002Fp>\u003Cp>我看模型比較頁看久了，最怕的就是那種表面很完整、實際很空的頁面。幾個大字告訴你誰贏了，幾個百分比看起來很硬，然後就要你自己吞下整包不完整證據。這次的 Gemini 3.1 Pro vs Gemini 3.5 Flash 比較，我第一眼就覺得有點怪，但不是因為它亂寫，而是因為它太誠實了：一個模型在 reasoning 比較強，另一個在整體分數、速度、價格上更好。這種結果最煩，因為它不會替你做決定，只會逼你面對產品現實。\u003C\u002Fp>\u003Cp>我這次是從原始頁面 \u003Ca href=\"https:\u002F\u002Fbenchlm.ai\u002Fcompare\u002Fgemini-3-1-pro-vs-gemini-3-5-flash\">benchlm.ai\u002Fcompare\u002Fgemini-3-1-pro-vs-gemini-3-5-flash\u003C\u002Fa> 一條一條看下去。頁面寫得很清楚：它用了 28 筆 shared sourced results、BenchAlign v5，資料審查日是 2026 年 7 月 15 日。這種資訊我很吃，因為它至少讓我知道這不是在賣感覺。\u003C\u002Fp>\u003Ch2>先講結論，Flash 是預設，Pro 是升級\u003C\u002Fh2>\u003Cblockquote>Pick Gemini 3.5 Flash if you want the stronger benchmark profile. Gemini 3.1 Pro only becomes the better choice if reasoning is the priority.\u003C\u002Fblockquote>\u003Cp>翻譯一下就是：如果你要的是一個能穩穩放進產品裡的模型，Gemini 3.5 Flash 比較像預設答案；Gemini 3.1 Pro 只有在你的工作真的很吃 reasoning 時，才值得多付成本和延遲。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1785312226012-g3yc.png\" alt=\"Gemini 3.5 Flash 讓你買速度\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我喜歡這種講法，因為它沒有假裝兩個模型是同一種東西。很多比較頁會把模型包成一坨，讓你自己猜差異在哪裡。BenchLM 反而很直接：你要先看整體，再看例外。\u003C\u002Fp>\u003Cp>頁面給的 BenchAlign v5 分數是 Flash 63.88、Pro 54.66。這不是小差距，這是會影響預設路由的差距。它同時也標了估計排名：Pro 是 #87，Flash 是 #37。這些排名我只會當方向，不會當聖旨，因為頁面自己也說這是 estimated positions。\u003C\u002Fp>\u003Cp>我以前犯過一個很常見的錯：看到某個模型在單一能力上比較強，就直接拿去當預設，結果每天都在付 latency 和成本的帳。後來我才學會，default model 不是看誰最會考試，是看誰最適合長期跑在產品裡。\u003C\u002Fp>\u003Cp>實操寫法很簡單：先用整體分數當第一層篩選。你如果做的是一般 assistant、\u003Ca href=\"\u002Ftag\u002Fagent\">agent\u003C\u002Fa>，或混合型工作流，先上 Flash。只有當你自己的 eval set 明顯偏向 reasoning，才考慮 Pro。\u003C\u002Fp>\u003Ch2>你要看 coverage，不要只看大字標題\u003C\u002Fh2>\u003Cp>BenchLM 說它有 28 個 shared \u003Ca href=\"\u002Ftag\u002Fbenchmark\">benchmark\u003C\u002Fa> results，分散在 7 個 evidence categories，但只有 3\u002F8 類是兩個模型都能直接比的。這句話很重要，因為它直接告訴你：比較是成立的，但不是全覆蓋。很多人看到 leaderboard 就開始腦補完整答案，這真的很危險。\u003C\u002Fp>\u003Cp>我自己看這種頁面時，最先問的不是誰第一，而是「哪些地方真的有交集」。因為 coverage 不完整時，分數很容易把你帶歪。你以為是在比模型，其實是在比兩份不一樣的考卷。\u003C\u002Fp>\u003Cp>頁面上最明顯的反差之一，是 ARC-AGI-2。Gemini 3.1 Pro 在這個項目拿到 77.1%，Flash 是 72.1%。這種差距不會讓人驚呼，但它會讓人點頭：Pro 在某些需要更強推理的題型上，確實有它的價值。\u003C\u002Fp>\u003Cp>但 Flash 也不是只會省錢。它在 CharXiv 是 84.2% 對 80.2%，multimodal average 是 83.8 對 82.6。這代表 Flash 不只是便宜，它在圖文混合、grounded 任務上也站得住腳。\u003C\u002Fp>\u003Cul>\u003Cli>先看 aggregate score，決定預設模型。\u003C\u002Fli>\u003Cli>再看 category wins，決定哪些請求要升級路由。\u003C\u002Fli>\u003Cli>不要拿單一 benchmark 當全部，除非你的產品本來就跟那個 benchmark 長得一模一樣。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>實操寫法：如果你做的是混合型 assistant，先把 Flash 放在主路徑，再留一條 reasoning-heavy 的 fallback。若你做的是數學、邏輯或高約束工具，就別猜，直接用你自己的測試集去比兩個模型的\u003Ca href=\"\u002Fnews\u002Frelay-opd-fixes-prefix-failure-distillation-zh\">失敗\u003C\u002Fa>型態。\u003C\u002Fp>\u003Ch2>Pro 的價值集中在 reasoning，其他地方沒必要硬撐\u003C\u002Fh2>\u003Cp>BenchLM 的 category breakdown 裡，Gemini 3.1 Pro 在 reasoning 這欄拿到 77.1，Flash 是 74.7。這差距不算大，但夠用了。只要你的產品是靠多步推理、約束整合、或避免第一個直覺答案出錯，這種差距就會變成真金白銀的維護成本。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1785312220372-cbb6.png\" alt=\"Gemini 3.5 Flash 讓你買速度\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我之前做過類似的系統，用模型幫忙做規則整理、rubric-based grading，還有一些內部決策支援。那種場景下，模型不是要會聊天，是要能穩穩走完一串步驟。這時候 reasoning 多一點點，後面人工修正就少很多。\u003C\u002Fp>\u003Cp>但我也不想把 Pro 神化。它在 reasoning 上比較強，不代表它就適合當全站預設。你如果把一個偏專門的模型硬塞去跑大量一般請求，最後通常會變成：成本更高、延遲更長、使用者還不一定感覺更好。\u003C\u002Fp>\u003Cp>實操寫法：把 Gemini 3.1 Pro 限定在真正難的 prompt。像是多重限制、長依賴鏈、或需要跨步驟一致性的任務，才送去 Pro。其他都先留在 Flash，等你的內部 eval 證明要\u003Ca href=\"\u002Fnews\u002Fsia-openai-enterprise-ai-zh\">升級\u003C\u002Fa>再說。\u003C\u002Fp>\u003Ch2>Flash 贏的是 production 會痛的地方\u003C\u002Fh2>\u003Cp>如果你只看產品現場，Flash 的優勢其實更直接。BenchLM 列的價格是 Flash 每 1M tokens input $1.5、output $9；Pro 則是 input $2、output $12。吞吐量也差很多：Flash 284.2 tok\u002Fs，Pro 109 tok\u002Fs。第一個答案延遲更明顯，Flash 是 18.55 秒，Pro 是 29.71 秒。\u003C\u002Fp>\u003Cp>我很討厭那種在 demo 上看起來很聰明、實際上很慢的模型。因為使用者不會幫你補腦，他只會覺得系統卡住了。\u003Ca href=\"\u002Ftag\u002Ftoken\">token\u003C\u002Fa> 成本也是一樣，剛開始看起來小，流量一上來就會變成財務在問你是不是選錯路。\u003C\u002Fp>\u003Cp>這頁還有一個我很在意的點：兩個模型都是 1M token context window。也就是說，context 不是決勝點，真正拉開差距的是價格、速度、以及工作型態適配度。從產品角度看，Flash 比較像那個能長期承受流量的選項。\u003C\u002Fp>\u003Cul>\u003Cli>較低的 input \u002F output 價格，對短 prompt 和長輸出都比較友善。\u003C\u002Fli>\u003Cli>較高的 tok\u002Fs，適合 batch job、agent loop、長篇生成。\u003C\u002Fli>\u003Cli>較低的 first-token latency，使用者體感會差很多。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>實操寫法：只要你的產品有任何 user-facing 介面，我都建議你先在自己的環境量 first-token latency。若是 batch-heavy，就直接模擬一天流量算帳單。通常便宜又快的那個，才是最後不會讓團隊吵架的那個。\u003C\u002Fp>\u003Ch2>category 的差距，才是你要拿來做 routing 的東西\u003C\u002Fh2>\u003Cp>BenchLM 把比較拆成 reasoning、multimodal、math、agentic、coding、knowledge、instruction following。這樣拆的好處是，你會很快看出兩個模型根本不是同一種用途。Flash 在 multimodal 和 grounded 類型上比較穩，Pro 在 reasoning 和某些 knowledge 題型上比較好。\u003C\u002Fp>\u003Cp>我也注意到頁面一直出現「not measured」。這很正常，但也很煩。因為它提醒你：coverage 本來就不完整，沒有哪個 leaderboard 能替你把產品情境全部跑過一遍。BenchLM 至少沒有假裝自己什麼都知道，這點我給過。\u003C\u002Fp>\u003Cp>如果你要我用產品語言翻譯這件事，我會說：Flash 比較適合 retrieval、summarization、multimodal grounding、一般 assistant 行為；Pro 比較適合高風險推理、複雜決策鏈、以及你\u003Ca href=\"\u002Fnews\u002Frisc-v-is-a-real-platform-now-zh\">已經\u003C\u002Fa>知道它在你資料上表現更好的場景。\u003C\u002Fp>\u003Cp>我以前也踩過一次坑，benchmark 贏家在乾淨 QA 很漂亮，一進產品就開始對 messy prompt 失常。那時我才真的學會，模型比較不能只看平均分，還要看它在哪些任務上有穩定性。\u003C\u002Fp>\u003Cp>實操寫法：把內部 eval 按任務類型切開，不要混成一個總分。分別看 reasoning、multimodal、coding，再把 quality 和 cost per successful answer 一起算。你會少很多空轉會議。\u003C\u002Fp>\u003Ch2>這份比較最有價值的地方，是它承認自己不完整\u003C\u002Fh2>\u003Cp>BenchLM 有一句話我很買單：這是 partial-evidence comparison，結論是 directional，不是終局。很多模型頁面最愛裝作自己已經把答案算完了，實際上只是把資訊排得很漂亮。這一頁反而直接告訴你：先拿來當方向，不要當保證。\u003C\u002Fp>\u003Cp>它還說 Gemini 3.1 Pro 的 BenchAlign 分數是估計值，而且有更寬的 uncertainty。這種 caveat 我希望每個模型比較頁都放在分數旁邊，而不是藏在角落。因為當你在做產品決策時，知道數字的邊界比知道數字本身更重要。\u003C\u002Fp>\u003Cp>所以我的結論很乾脆：如果你要的是一個能直接上線的 default model，Flash 比較像今天的答案。它有更好的整體分數、更低的成本、也更快。如果你的產品核心就是 reasoning，那 Pro 值得測，但它比較像特定情境的升級，不是全站預設。\u003C\u002Fp>\u003Cp>實操寫法：先寫下你產品不能出錯的那一件事。如果那件事是 reasoning，就測 Pro；如果那件事是 throughput、response time、或成本控制，就先測 Flash。最後再用自己的 traffic 驗證一次，因為 leaderboard confidence 跟 product confidence 不是同一件事。\u003C\u002Fp>\u003Ch2>可抄的模板\u003C\u002Fh2>\u003Cpre>\u003Ccode>## Gemini 模型選擇 memo：3.1 Pro vs 3.5 Flash\n\n### 預設選擇\n- 預設用 **Gemini 3.5 Flash**。\n- 原因：整體 benchmark 表現較好、token 價格較低、吞吐量較高。\n\n### 什麼時候升級到 Gemini 3.1 Pro\n只有在以下情況才把請求路由到 **Gemini 3.1 Pro**：\n- 任務明顯吃 reasoning\n- 有多步驟、強約束、長依賴鏈\n- 你的內部 eval 已經證明 Pro 在核心任務上更穩\n\n### 什麼時候留在 Gemini 3.5 Flash\n以下情況維持 **Gemini 3.5 Flash**：\n- 一般 assistant traffic\n- multimodal \u002F grounded 任務\n- 高流量 batch 生成\n- 對 latency 敏感的 user-facing 流程\n- 成本敏感的工作負載\n\n### 你可以直接記的數字\n- BenchAlign v5：Flash 63.88，Pro 54.66\n- 價格：Flash input $1.5 \u002F output $9 per 1M tokens\n- 價格：Pro input $2 \u002F output $12 per 1M tokens\n- 吞吐量：Flash 284.2 tok\u002Fs，Pro 109 tok\u002Fs\n- first-token latency：Flash 18.55s，Pro 29.71s\n- context window：兩者都是 1M tokens\n\n### Routing policy\n1. 所有請求先走 Flash。\n2. 用簡單規則或 classifier 偵測 reasoning-heavy prompt。\n3. 只有這類請求才升級到 Pro。\n4. 記錄 quality、latency、cost per request。\n5. 兩週後用真實流量重新檢查規則。\n\n### 決策規則\n除非你的內部 eval 顯示 Pro 在核心任務上明顯更好，否則就用 Flash。\n如果 reasoning 品質真的比成本和延遲更重要，再把 Pro 拉進來。\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>這段我會直接貼進團隊 doc、launch checklist，或 model selection RFC。它故意寫得很平，因為平常能活下來的決策，通常都長這樣。\u003C\u002Fp>\u003Cp>來源致謝：這篇是根據 \u003Ca href=\"https:\u002F\u002Fbenchlm.ai\u002Fcompare\u002Fgemini-3-1-pro-vs-gemini-3-5-flash\">BenchLM 的 Gemini 3.1 Pro vs Gemini 3.5 Flash 比較頁\u003C\u002Fa>整理而來；我自己的部分是把頁面上的 benchmark、價格、延遲與 routing 邏輯翻成可執行模板。若你要回頭核對，直接看原始頁面最準。\u003C\u002Fp>","我把 BenchLM 上的 Gemini 3.1 Pro 與 3.5 Flash 拆成可直接決策的版本：誰當預設、誰走升級路徑、怎麼用數字做 routing。","benchlm.ai","https:\u002F\u002Fbenchlm.ai\u002Fcompare\u002Fgemini-3-1-pro-vs-gemini-3-5-flash",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1785312226012-g3yc.png","industry","zh","9a24e175-fbd2-4cbb-bd1b-f24603e8cd49",[17,18,19,20,21],"Gemini","benchmark","routing","latency","token pricing",[23,24,25],"Flash 比 Pro 更適合當預設模型，因為整體分數、價格與速度都更實用。","Pro 的價值集中在 reasoning-heavy 任務，適合做升級路徑，不適合全站預設。","把模型選擇寫成 routing 規則，才不會每次都靠感覺吵架。",0,"2026-07-29T08:03:13.916237+00:00","2026-07-29T08:03:13.905+00:00",{"tags":30,"relatedLang":34,"relatedPosts":38},[31,32],{"name":18,"slug":18},{"name":17,"slug":33},"gemini",{"id":15,"slug":35,"title":36,"language":37},"gemini-35-flash-lets-you-buy-speed-en","Gemini 3.5 Flash lets you buy speed","en",[39,45,51,57,63,69],{"id":40,"slug":41,"title":42,"cover_image":43,"image_url":43,"created_at":44,"category":13},"972ffbcb-b1ec-4210-8615-f413b7f81265","sia-openai-enterprise-ai-zh","Sia 升級揭示企業 AI 的 5 個落點","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1785310374288-xt8p.png","2026-07-29T07:32:26.823347+00:00",{"id":46,"slug":47,"title":48,"cover_image":49,"image_url":49,"created_at":50,"category":13},"df697047-7a62-4e21-88db-1fdda708b31b","risc-v-is-a-real-platform-now-zh","RISC-V 已經不是玩具，而是該被正視的平台","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1785294170857-f9z3.png","2026-07-29T03:02:23.203866+00:00",{"id":52,"slug":53,"title":54,"cover_image":55,"image_url":55,"created_at":56,"category":13},"c2bc78da-4c1e-4fa4-964d-1b5de331d0ff","nvidia-openai-250b-ai-backstop-talks-zh","Nvidia 與 OpenAI 的2500億美元賭局","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1785286971622-hngm.png","2026-07-29T01:02:30.187766+00:00",{"id":58,"slug":59,"title":60,"cover_image":61,"image_url":61,"created_at":62,"category":13},"29f74ed1-6812-470d-b4fb-88c0383fae6c","claude-opus-5-behavior-audit-lowest-score-zh","Claude Opus 5 在行为审计里垫底？先看 4 款模型分数","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1785283371428-rlht.png","2026-07-29T00:02:26.546468+00:00",{"id":64,"slug":65,"title":66,"cover_image":67,"image_url":67,"created_at":68,"category":13},"94f09858-0eaa-47b7-b539-80c0a31396d3","zhihu-fields-awards-roundtable-zh","知乎把菲尔兹奖熱度做成圓桌","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1785241997935-nm5y.png","2026-07-28T12:32:51.926011+00:00",{"id":70,"slug":71,"title":72,"cover_image":73,"image_url":73,"created_at":74,"category":13},"5330b8e9-f7cc-407d-bfa0-daed93de78d4","anthropic-cognizant-claude-enterprise-expansion-zh","Anthropic 與 Cognizant 擴大 Claude 企業合作","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1785240184603-cgqd.png","2026-07-28T12:02:32.95144+00:00",[76,81,86,91,96,101,106,111,116,121],{"id":77,"slug":78,"title":79,"created_at":80},"ee073da7-28b3-4752-a319-5a501459fb87","ai-in-2026-what-actually-matters-now-zh","2026 AI 真正重要的事","2026-03-26T07:09:12.008134+00:00",{"id":82,"slug":83,"title":84,"created_at":85},"83bd1795-8548-44c9-9a7e-de50a0923f71","trump-ai-framework-power-speech-state-preemption-zh","川普 AI 框架瞄準電力、言論與州權","2026-03-26T07:12:18.695466+00:00",{"id":87,"slug":88,"title":89,"created_at":90},"ea6be18b-c903-4e54-97b7-5f7447a612e0","nvidia-gtc-2026-big-ai-announcements-zh","NVIDIA GTC 2026 重點拆解","2026-03-26T07:14:26.62638+00:00",{"id":92,"slug":93,"title":94,"created_at":95},"4bcec76f-4c36-4daa-909f-54cd702f7c93","claude-users-spreading-out-and-getting-better-zh","Claude 用戶更分散，也更會用","2026-03-26T07:22:52.325888+00:00",{"id":97,"slug":98,"title":99,"created_at":100},"bd903b15-2473-4178-9789-b7557816e535","openclaw-raises-hard-question-for-ai-models-zh","OpenClaw 逼問 AI 模型價值","2026-03-26T07:24:54.707486+00:00",{"id":102,"slug":103,"title":104,"created_at":105},"eeac6b9e-ad9d-4831-8eec-8bba3f9bca6a","gap-google-gemini-checkout-fashion-search-zh","Gap 把結帳搬進 Gemini","2026-03-26T07:28:23.937768+00:00",{"id":107,"slug":108,"title":109,"created_at":110},"0740e53f-605d-4d57-8601-c10beb126f3c","google-pushes-gemini-transition-to-march-2026-zh","Google 把 Gemini 轉換延到 2026 年 3…","2026-03-26T07:30:12.825269+00:00",{"id":112,"slug":113,"title":114,"created_at":115},"e660d801-2421-4529-8fa9-86b82b066990","metas-llama-4-benchmark-scandal-gets-worse-zh","Meta Llama 4 分數風波又擴大","2026-03-26T07:34:21.156421+00:00",{"id":117,"slug":118,"title":119,"created_at":120},"183f9e7c-e143-40bb-a6d5-67ba84a3a8bc","accenture-mistral-ai-sovereign-enterprise-deal-zh","Accenture 攜手 Mistral AI 賣主權 AI","2026-03-26T07:38:14.818906+00:00",{"id":122,"slug":123,"title":124,"created_at":125},"191d9b1b-768a-478c-978c-dd7431a38149","mistral-ai-faces-its-hardest-year-yet-zh","Mistral AI 迎來最硬的一年","2026-03-26T07:40:23.716374+00:00"]