Thanawat Wongchai

Posted on Jul 22 • Originally published at apidog.com

Gemini 3.6 Flash คืออะไร

Gemini 3.6 Flash เป็นโมเดลหลักตัวใหม่ของ Google ที่เปิดให้ใช้งานทั่วไปเมื่อวันที่ 21 กรกฎาคม 2026 โดยมีต้นทุนต่ำลงและใช้โทเค็นได้มีประสิทธิภาพกว่า Gemini 3.5 Flash ที่ถูกแทนที่ เหมาะสำหรับระบบที่ส่งคำขอ API ปริมาณสูงและต้องการผลลัพธ์ที่เชื่อถือได้โดยไม่ต้องใช้โมเดลระดับเรือธง

ลองใช้ Apidog วันนี้

บทความนี้สรุปความแตกต่างจากรุ่นก่อน ข้อมูลจำเพาะ ราคา คะแนนทดสอบ และแนวทางเรียก API พร้อมขั้นตอนสร้าง regression test เพื่อยืนยันว่าโมเดลให้ผลลัพธ์ตรงกับที่ระบบของคุณต้องการจริง

Gemini 3.6 Flash คืออะไร?

Gemini 3.6 Flash คือโมเดลระดับกลางสำหรับงานปริมาณสูงในตระกูล Gemini ของ Google หรือโมเดล “workhorse” สำหรับงาน production ทั่วไป เช่น

สรุปข้อความ
ดึงข้อมูลจากเอกสาร
จัดหมวดหมู่ข้อมูล
สร้างแชตหรือผู้ช่วยสนทนา
เรียกใช้เครื่องมือหลายขั้นตอนใน agent workflow

โมเดลรองรับอินพุตเป็นข้อความ รูปภาพ วิดีโอ เสียง และ PDF ในคำขอเดียว แต่สร้างเอาต์พุตเป็นข้อความเท่านั้น

Google เปิดตัวพร้อมอีกสองโมเดลเมื่อวันที่ 21 กรกฎาคม 2026:

Gemini 3.5 Flash-Lite: รุ่นที่ถูกกว่าและเร็วกว่า สำหรับงานปริมาณมาก
Gemini 3.5 Flash Cyber: โมเดลด้านความปลอดภัยที่จำกัดการเข้าถึงสำหรับรัฐบาลและพันธมิตรที่เชื่อถือได้

อ่านรายละเอียดเพิ่มเติมได้ที่ Gemini 3.5 Flash-Lite คืออะไร และ Gemini 3.5 Flash Cyber คืออะไร

ข้อควรระวังคือหมายเลขเวอร์ชันของแต่ละระดับไม่เหมือนกัน:

gemini-3.6-flash
gemini-3.5-flash-lite

สองรหัสนี้เป็นคนละโมเดล ไม่ใช่การพิมพ์ผิด ตรวจสอบ model ID ให้ตรงก่อนอัปเดตระบบ

Google เผยแพร่รายละเอียดไว้บนบล็อกของ Google และหน้า DeepMind Flash

มีอะไรใหม่เมื่อเทียบกับ Gemini 3.5 Flash

การเปลี่ยนแปลงหลักของ Gemini 3.6 Flash คือประสิทธิภาพต่อคำขอ

ใช้โทเค็นขาออกน้อยกว่า Gemini 3.5 Flash ประมาณ 17% สำหรับงานเดียวกัน
ราคาโทเค็นขาออกลดจาก $9.00 เป็น $7.50 ต่อ 1M tokens
ทำงานด้าน coding และ computer use ได้ดีขึ้น
ใช้ขั้นตอน reasoning และ tool calls น้อยลงใน workflow หลายขั้นตอน

สำหรับระบบ agent ความแตกต่างนี้ส่งผลโดยตรงต่อ latency และต้นทุน เพราะทุก reasoning loop และ tool call เพิ่มทั้งเวลาและค่าใช้จ่าย

ก่อนย้าย workload ให้เปรียบเทียบผลลัพธ์จาก prompt จริงของคุณกับบทความ Gemini 3.6 Flash เทียบกับ 3.5 Flash

ข้อมูลจำเพาะของ Gemini 3.6 Flash

คุณสมบัติ	Gemini 3.6 Flash
รหัสโมเดล	`gemini-3.6-flash`
หน้าต่างบริบทอินพุต	1M tokens
เอาต์พุตสูงสุด	64k tokens
รูปแบบอินพุต	ข้อความ, รูปภาพ, วิดีโอ, เสียง, PDF
เอาต์พุต	ข้อความเท่านั้น
ราคาอินพุต	$1.50 ต่อ 1M tokens
ราคาเอาต์พุต	$7.50 ต่อ 1M tokens รวมโทเค็นการคิด
ระดับฟรี	มี ผ่าน Google AI Studio และมี rate limit
เปิดตัวเมื่อ	21 กรกฎาคม 2026

หน้าต่างบริบท 1M tokens ช่วยให้ส่งเอกสารขนาดใหญ่ transcript ยาว หรือโค้ดเบสจำนวนมากในคำขอเดียวได้

อย่างไรก็ตาม เอาต์พุตสูงสุดคือ 64k tokens ต่อคำขอ หากต้องสร้างรายงานหรือเนื้อหายาวมาก ควรแบ่งงานเป็นหลายส่วน เช่น:

สร้างโครงร่าง
สร้างเนื้อหาแต่ละส่วน
รวมและตรวจสอบผลลัพธ์รอบสุดท้าย

ประสิทธิภาพเป็นอย่างไร

คะแนน benchmark เป็นเพียงตัวชี้วัด ไม่ใช่การรับประกันผลลัพธ์ในระบบจริง แต่ใช้ช่วยเลือกโมเดลสำหรับงานแต่ละประเภทได้

งานเขียนโค้ด

Benchmark	คะแนน
SWE-Bench Pro	58.7%
DeepSWE v1.1	49%
Terminal-bench 2.1	78.0%

SWE-Bench Pro วัดความสามารถในการแก้ปัญหา GitHub จริงในคลังโค้ด ขณะที่ Terminal-bench วัดการทำงานผ่านคำสั่งใน terminal

งาน computer use

Gemini 3.6 Flash ทำคะแนน 83.0% บน OSWorld-Verified เพิ่มจาก 78.4% ของ Gemini 3.5 Flash ซึ่งสำคัญสำหรับทีมที่พัฒนา agent เพื่อควบคุมเดสก์ท็อปหรือแอปพลิเคชัน

คุณภาพงานระดับมืออาชีพ

Gemini 3.6 Flash มีคะแนน GDPVal-AA v2 Elo 1421 โดย GDPVal ใช้วัดประสิทธิภาพในงานระดับมืออาชีพจริง และคะแนน Elo ที่สูงกว่าหมายถึงโมเดลชนะในการเปรียบเทียบแบบตัวต่อตัวมากกว่า

การใช้บริบทยาว

ที่บริบท 128k tokens: การเรียกคืนข้อมูลเฉลี่ย 91.8%
ที่บริบทเต็ม 1M tokens: การเรียกคืนข้อมูลแบบจุดต่อจุดลดเหลือ 54.0%

ดังนั้น อย่าส่งข้อมูลขนาด 1M tokens แล้วคาดหวังว่าระบบจะค้นหารายละเอียดได้ครบทุกจุดเสมอไป ควรสร้างชุดทดสอบจากเอกสารและความยาวบริบทที่ระบบของคุณใช้จริง

ราคาโดยสรุป

รายการ	ราคา
อินพุต	$1.50 ต่อ 1M tokens
เอาต์พุต	$7.50 ต่อ 1M tokens
Context caching	$0.15 ต่อ 1M tokens
Cache storage	$1.00 ต่อ 1M tokens ต่อชั่วโมง

ราคาเอาต์พุตรวมโทเค็นการคิดด้วย แม้ reasoning บางส่วนจะไม่แสดงในคำตอบสุดท้าย แต่ยังถูกคิดค่าใช้จ่าย

Context caching เหมาะกับระบบที่ส่ง system prompt เอกสาร หรือข้อมูลอ้างอิงชุดเดิมซ้ำ ๆ ในหลายคำขอ

มีระดับฟรีผ่าน Google AI Studio แต่มี rate limit และ Google อาจใช้ข้อมูลจากระดับฟรีเพื่อปรับปรุงผลิตภัณฑ์ จึงควรใช้สำหรับ prototype มากกว่างาน production

อ่านเพิ่มเติมได้ที่:

วิธีเข้าถึง Gemini 3.6 Flash

คุณเข้าถึง Gemini 3.6 Flash ได้ผ่านช่องทางต่อไปนี้:

Gemini API ผ่าน Google AI Studio: รับ API key แล้วเรียกใช้ gemini-3.6-flash จาก REST client หรือ SDK
Google Antigravity: แพลตฟอร์มพัฒนา agent ของ Google
Gemini Enterprise Agent platform: สำหรับทีมที่ต้องการสร้าง agent พร้อมการกำกับดูแล
Gemini app: สำหรับใช้งานผ่านการสนทนาโดยตรง

สำหรับนักพัฒนา API คือช่องทางหลัก เริ่มต้นด้วยขั้นตอนนี้:

สร้าง API key ใน Google AI Studio
สร้างคำขอ POST โดยระบุ model ID เป็น gemini-3.6-flash
เก็บ API key ใน environment variable
ส่ง prompt และตรวจสอบ response schema
บันทึกคำขอเป็น regression test ก่อนเปลี่ยนโมเดลใน production

ดูรายละเอียดเพิ่มเติมใน วิธีใช้ Gemini 3.6 Flash API, คู่มือ Google Gemini 3 API และเอกสาร Gemini API อย่างเป็นทางการ

ตำแหน่งในผลิตภัณฑ์ของ Google

เลือกโมเดลตามคุณภาพที่ต้องการ ต้นทุน และ latency ที่ระบบรับได้

โมเดล	เหมาะกับงาน
Gemini 3.5 Flash-Lite	งานปริมาณมาก ความหน่วงต่ำ และไม่ต้องการคุณภาพสูงสุด
Gemini 3.6 Flash	งานทั่วไปที่ต้องการคุณภาพเชื่อถือได้ เช่น agent, coding, extraction และ chat
Gemini 3.5 Flash Cyber	งานด้านความปลอดภัยสำหรับผู้ที่ได้รับสิทธิ์เข้าถึง

Gemini 3.5 Flash-Lite มีราคา $0.30 สำหรับอินพุต และ $2.50 สำหรับเอาต์พุตต่อ 1M tokens พร้อมความเร็วประมาณ 350 โทเค็นขาออกต่อวินาที จึงเหมาะกับงานที่เน้นต้นทุนและ throughput

ส่วน Gemini 3.6 Flash เหมาะเมื่อ task ซับซ้อนขึ้น หรือผลลัพธ์ต้องมีความน่าเชื่อถือกว่าระดับ Lite

ข้อควรทราบ:

Gemini 3.5 Pro ยังไม่เปิดตัวสู่สาธารณะ โดย Google ระบุว่ายังทดสอบกับพันธมิตร
Google แย้มการฝึก Gemini 4 ล่วงหน้า แต่ยังไม่มีโมเดลให้เรียกใช้งาน
Gemini 3.6 Flash เป็นโมเดลระดับกลาง ไม่ใช่โมเดลเรือธงที่ทันสมัยที่สุด

สำหรับข้อมูลพื้นฐานของรุ่นก่อนหน้า ดู Gemini 3.5 คืออะไร

การทดสอบ Gemini 3.6 Flash ใน Apidog

อย่าตัดสินใจย้ายโมเดลจาก benchmark เพียงอย่างเดียว ให้ทดสอบกับ prompt, context length และ response format ที่ระบบของคุณใช้งานจริง

Apidog ช่วยส่งคำขอ REST, จัดการ environment variables และสร้าง regression test สำหรับ Gemini API ได้

ขั้นตอนตั้งค่า regression test

สร้างคำขอ POST ไปยัง Gemini API และกำหนด model เป็น gemini-3.6-flash
เก็บ API key ไว้ใน environment variable แทนการใส่ลงใน URL หรือ request โดยตรง
ส่งคำขอด้วย prompt ตัวแทนของ production
เพิ่ม assertions สำหรับ status code และฟิลด์ JSON ที่สำคัญ
บันทึกคำขอเป็น regression test
กำหนดเวลาให้รัน เพื่อตรวจจับการเปลี่ยนแปลงของ response หรือ latency

ตัวอย่างสิ่งที่ควรตรวจสอบในแต่ละรอบทดสอบ:

- HTTP status ต้องเป็น 200
- ฟิลด์ข้อความตอบกลับต้องมีค่า
- JSON response ต้องตรง schema ที่แอปพลิเคชันคาดหวัง
- เวลา response ต้องไม่เกินเกณฑ์ที่ทีมกำหนด
- ผลลัพธ์จาก prompt สำคัญต้องไม่เปลี่ยนจนกระทบ workflow

Apidog ไม่ได้รันโมเดลและไม่ใช่ AI framework แต่เป็นเครื่องมือสำหรับสร้าง ส่ง และตรวจสอบคำขอ API เมื่อ Google อัปเดตโมเดลในอนาคต regression test ที่บันทึกไว้จะช่วยบอกได้รวดเร็วว่า integration ของคุณเปลี่ยนไปหรือไม่

ดาวน์โหลด Apidog เพื่อเริ่มสร้างคำขอแรก

คำถามที่พบบ่อย

Gemini 3.6 Flash ฟรีหรือไม่?

มีระดับฟรีผ่าน Google AI Studio แต่มี rate limit และเหมาะกับการสร้าง prototype Google อาจใช้ข้อมูลจากระดับฟรีเพื่อปรับปรุงผลิตภัณฑ์ สำหรับ production จะคิดราคา $1.50 ต่อ 1M input tokens และ $7.50 ต่อ 1M output tokens

Gemini 3.6 Flash ดีกว่า Gemini 3.5 Flash หรือไม่?

สำหรับงานส่วนใหญ่ใช่ Gemini 3.6 Flash ใช้โทเค็นขาออกน้อยลงประมาณ 17% ลดราคาเอาต์พุตจาก $9.00 เหลือ $7.50 ต่อ 1M tokens และมีประสิทธิภาพด้าน coding กับ computer use ดีขึ้น รวมถึงคะแนน OSWorld-Verified ที่เพิ่มจาก 78.4% เป็น 83.0%

Gemini 3.5 Pro เปิดตัวแล้วหรือยัง?

ยังไม่เปิดตัว Google ระบุว่ายังคงทดสอบ Gemini 3.5 Pro กับพันธมิตร และ Gemini 4 ที่ถูกแย้มไว้ก็ยังไม่มีให้เรียกใช้

รหัสโมเดลคืออะไร?

ใช้รหัสนี้:

gemini-3.6-flash

อย่าสับสนกับ gemini-3.5-flash-lite ซึ่งเป็นโมเดล Flash-Lite ที่ราคาถูกกว่า

Gemini 3.6 Flash ทำอะไรไม่ได้บ้าง?

โมเดลสร้างเอาต์พุตเป็นข้อความเท่านั้น จึงไม่สามารถสร้างรูปภาพ เสียง หรือวิดีโอได้ แม้จะอ่านไฟล์เหล่านี้เป็นอินพุตได้

นอกจากนี้ ความแม่นยำด้านการเรียกคืนข้อมูลลดลงเมื่อใช้บริบทใกล้ขีดจำกัด 1M tokens โดยอยู่ที่ประมาณ 54.0% สำหรับการเรียกคืนข้อมูลแบบจุดต่อจุดที่ความยาวเต็ม

Gemini 3.6 Flash เหมาะสำหรับ workload Gemini API ส่วนใหญ่ที่ต้องการต้นทุนต่ำลง ใช้โทเค็นได้มีประสิทธิภาพขึ้น และรองรับงาน agent ได้ดีขึ้นกว่ารุ่นที่แทนที่ ก่อนย้ายระบบในวงกว้าง ให้บันทึก API tests สำหรับ prompt สำคัญและรันซ้ำอย่างสม่ำเสมอ

DEV Community