Pilih Gemini 3.5 Flash-Lite untuk tugas sederhana dengan volume tinggi saat biaya dan kecepatan menjadi prioritas: klasifikasi, ekstraksi, balasan obrolan singkat, jawaban RAG, dan pelengkapan otomatis. Pilih Gemini 3.6 Flash saat kualitas lebih penting daripada biaya, misalnya untuk agen multi-langkah, penggunaan alat, coding, penggunaan komputer, atau jawaban yang kesalahannya mahal.
Kedua model diluncurkan dalam penyegaran tingkat Flash Google pada 21 Juli 2026 dan menerima hingga 1 juta token input. Keduanya berada pada titik berbeda dalam kurva biaya, kualitas, dan kecepatan. Jadi, pertanyaannya bukan model mana yang “lebih baik”, melainkan kompromi mana yang sesuai untuk beban kerja Anda.
Satu detail penamaan: model Flash utama naik ke versi 3.6, sedangkan tingkat Lite tetap di 3.5. Membandingkan Gemini 3.5 Flash-Lite dengan Gemini 3.6 Flash memang benar, bukan kesalahan ketik.
Jawaban singkatnya
Sebagai default, gunakan Flash-Lite untuk tugas sederhana yang dijalankan jutaan kali. Gunakan 3.6 Flash ketika tugas membutuhkan penalaran, penggunaan alat, atau kode.
Jika belum yakin, mulai dengan Flash-Lite:
- Jalankan evaluasi menggunakan prompt produksi Anda.
- Tandai respons yang gagal memenuhi standar kualitas.
- Naikkan hanya panggilan tersebut ke 3.6 Flash.
Anda jarang memerlukan satu model untuk seluruh aplikasi.
Harga dan kecepatan berdampingan
| Atribut | Gemini 3.5 Flash-Lite | Gemini 3.6 Flash |
|---|---|---|
| ID model | gemini-3.5-flash-lite |
gemini-3.6-flash |
| Harga input | $0.30 / 1 juta token | $1.50 / 1 juta token |
| Harga output | $2.50 / 1 juta token | $7.50 / 1 juta token |
| Throughput | ~350 token output/detik | Tidak dipublikasikan secara terpisah |
| Jendela konteks | 1 juta token | 1 juta token |
| Tingkat gratis | Ya, dengan batas laju | Ya, dengan batas laju |
Flash-Lite lebih murah per token: input 5 kali lebih murah dan output 3 kali lebih murah. Google mempublikasikan throughput sekitar 350 token output per detik untuk Flash-Lite, sehingga cocok untuk pengalaman yang terasa instan seperti chatbot atau pelengkapan otomatis.
Google tidak mempublikasikan angka token per detik terpisah untuk 3.6 Flash. Namun, 3.6 Flash menghasilkan sekitar 17% lebih sedikit token output daripada 3.5 Flash yang digantikannya, sehingga pekerjaan multi-langkah dapat selesai lebih cepat daripada yang terlihat dari harga awalnya.
Konfirmasi tarif terbaru di halaman harga Gemini API dan rincian harga Gemini 3.6 Flash.
Kualitas dan benchmark
Selisih harga memberi 3.6 Flash ruang untuk menangani tugas yang lebih sulit. Pada Terminal-Bench 2.1, benchmark untuk pekerjaan terminal agen:
- Flash-Lite: 54
- 3.6 Flash: 78.0
Selisih 24 poin ini penting untuk pekerjaan multi-langkah yang menggunakan alat. Untuk skenario tersebut, 3.6 Flash adalah model yang lebih kuat dengan perbedaan yang jelas.
3.6 Flash juga melaporkan skor 83.0 pada OSWorld-Verified, benchmark penggunaan komputer yang mengukur pengoperasian browser atau desktop nyata. Flash-Lite tidak menargetkan kemampuan tersebut.
Untuk coding, 3.6 Flash mencatat:
- 58.7% pada SWE-Bench Pro
- 49% pada DeepSWE v1.1
Skor ini menempatkannya pada kelas coding agent. Flash-Lite tidak ditujukan untuk pekerjaan tersebut.
Namun, Flash-Lite tetap meningkat signifikan. Skor Terminal-Bench 2.1-nya naik dari 31 pada generasi Lite sebelumnya menjadi 54. Model ini bukan lemah; model ini dioptimalkan untuk penalaran cepat, murah, dan cukup baik pada tugas yang tidak banyak bercabang.
Halaman model Flash dan pengumuman peluncuran Google membingkai keduanya dengan pola yang sama: satu tingkat untuk volume, satu tingkat untuk kedalaman.
Model mana untuk pekerjaan mana
Gunakan tabel ini sebagai titik awal, lalu sesuaikan berdasarkan evaluasi pada data dan prompt aplikasi Anda.
| Tugas | Model yang paling sesuai |
|---|---|
| Klasifikasi atau ekstraksi volume tinggi | Flash-Lite |
| Asisten obrolan dan balasan singkat | Flash-Lite |
| Jawaban RAG atas konteks yang diambil | Flash-Lite |
| UX pelengkapan otomatis yang kritis terhadap latensi | Flash-Lite |
| Skala pencarian atau pipeline per permintaan | Flash-Lite |
| Agen multi-langkah | 3.6 Flash |
| Penggunaan alat dan rantai panggilan fungsi | 3.6 Flash |
| Coding dan tinjauan kode | 3.6 Flash |
| Penggunaan komputer melalui browser atau desktop | 3.6 Flash |
| Jawaban berisiko tinggi dengan biaya kesalahan besar | 3.6 Flash |
Polanya sederhana:
- Pilih Flash-Lite ketika tugasnya sempit dan volumenya besar.
- Pilih 3.6 Flash ketika tugas bercabang atau biaya kesalahan tinggi.
Contoh praktis:
- Model yang memberi label kategori untuk sepuluh juta tiket dukungan per hari cocok menggunakan Flash-Lite.
- Model yang harus membaca stack trace, mengedit tiga file, lalu membuka pull request cocok menggunakan 3.6 Flash.
Jika Anda membandingkan 3.6 Flash dengan 3.5 Flash lama, bukan Flash-Lite, lihat perbandingan 3.6 Flash vs 3.5 Flash.
Perbandingan biaya pada beban kerja yang sama
Misalkan pipeline harian Anda mengirimkan 10 juta token input dan menghasilkan 2 juta token output. Ini merupakan pola umum untuk ringkasan batch atau ekstraksi.
| Model | Input: 10 juta token | Output: 2 juta token | Total harian |
|---|---|---|---|
| Flash-Lite | $3.00 | $5.00 | $8.00 |
| 3.6 Flash | $15.00 | $15.00 | $30.00 |
Dengan campuran tersebut, 3.6 Flash berharga 3,75 kali lebih mahal:
- Flash-Lite: $8.00/hari atau sekitar $240/bulan
- 3.6 Flash: $30.00/hari atau sekitar $900/bulan
Kelipatannya tidak selalu tetap. Flash-Lite 5 kali lebih murah untuk input dan 3 kali lebih murah untuk output, sehingga penghematan sebenarnya berada di antara 3x dan 5x, tergantung bentuk lalu lintas Anda.
- Beban kerja padat input, seperti konteks RAG panjang, dokumen besar, dan klasifikasi input besar, cenderung mendekati penghematan 5x.
- Beban kerja padat output cenderung mendekati penghematan 3x.
Sebelum memilih, ajukan pertanyaan berikut:
Apakah peningkatan kualitas 3.6 Flash sepadan dengan biaya 3 hingga 4 kali lebih tinggi per panggilan pada volume saya?
Untuk pipeline pencarian berskala besar, jawabannya biasanya tidak. Untuk agen yang mengedit kode atau mengajukan tiket, jawabannya biasanya ya.
Cara A/B keduanya di Apidog
Anda tidak perlu menebak model mana yang cukup baik. Gemini API adalah endpoint REST, jadi Anda dapat mengirim prompt yang sama ke kedua model dan membandingkan responsnya secara langsung. Apidog cocok untuk pengujian berdampingan seperti ini.
Ikuti alur kerja berikut:
- Buat request
POSTke endpoint Gemini API. - Simpan API key dalam environment variable Apidog. Jangan letakkan key di request body atau kontrol versi.
- Atur model pertama ke:
gemini-3.5-flash-lite
-
Kirim request dan catat:
- kualitas respons;
- latency;
- penggunaan token, jika tersedia pada respons Anda.
Duplikat request tersebut.
Ubah hanya ID model menjadi:
gemini-3.6-flash
- Pertahankan prompt dan parameter lain tetap sama agar model menjadi satu-satunya variabel yang berubah.
- Bandingkan hasil berdasarkan kriteria yang relevan untuk aplikasi Anda.
Tambahkan assertion agar definisi “cukup baik” dapat diuji, bukan hanya dinilai sekilas. Contoh pemeriksaan yang dapat ditambahkan:
- status respons sukses;
- field JSON yang wajib tersedia;
- format output yang valid;
- kata kunci atau konten wajib;
- batas waktu respons;
- tidak adanya pesan error.
Setelah request siap, simpan sebagai pengujian berulang. Anda dapat menjadwalkan tes API di Apidog untuk menjalankan prompt yang sama secara berkala dan mendeteksi perubahan kualitas atau latency ketika Google memperbarui model.
Batasannya: Apidog mengirim request dan memeriksa assertion Anda. Apidog tidak menjalankan model dan tidak menentukan respons mana yang lebih cerdas. Penilaian kualitas tetap harus Anda definisikan melalui dataset evaluasi dan kriteria aplikasi.
Untuk memulai, unduh Apidog dan arahkan request ke endpoint Gemini.
FAQ
Apakah Flash-Lite hanya versi yang lebih buruk dari 3.6 Flash?
Tidak. Keduanya berada pada titik berbeda dalam kurva biaya, kualitas, dan kecepatan. Flash-Lite lebih murah dan lebih cepat, dengan batas pada penalaran sulit. 3.6 Flash lebih mahal tetapi memiliki kemampuan penalaran yang lebih baik. Untuk tugas sederhana dengan volume tinggi, Flash-Lite sering menjadi pilihan yang tepat justru karena lebih murah dan cepat.
Mengapa satu model disebut 3.5 dan yang lain 3.6?
Versinya memang berbeda. Dalam penyegaran ini, Google memindahkan model Flash utama ke 3.6 tetapi mempertahankan tingkat Lite pada 3.5. Rilis yang sama juga menyertakan model keamanan siber 3.5 Flash. Jangan menganggap angka 3.5 pada Flash-Lite berarti model tersebut lama atau ditinggalkan.
Apakah keduanya memiliki jendela konteks yang sama?
Ya. Keduanya menerima hingga 1 juta token input. Prompt konteks panjang bukan alasan utama untuk memilih salah satunya. Pilih berdasarkan kualitas penalaran, harga, dan kecepatan.
Bisakah saya menggunakan keduanya dalam satu aplikasi?
Ya, dan itu adalah pola yang direkomendasikan. Arahkan panggilan murah, sederhana, dan bervolume tinggi ke Flash-Lite. Eskalasikan panggilan yang sulit ke 3.6 Flash. Karena bentuk API keduanya identik, perpindahannya hanya memerlukan perubahan ID model.
Apakah keduanya gratis untuk dicoba?
Keduanya memiliki tingkat gratis di Google AI Studio, dengan batas laju. Google dapat menggunakan data dari tingkat gratis untuk meningkatkan produknya. Gunakan tingkat gratis untuk pengujian dan baca ketentuan sebelum mengirim data sensitif.
Kesimpulan
Gunakan Flash-Lite sebagai default untuk pekerjaan sederhana, cepat, murah, dan berskala besar. Naikkan tugas yang sulit, bercabang, atau padat kode ke 3.6 Flash ketika peningkatan kualitasnya sepadan dengan biaya 3x hingga 4x lebih tinggi.
Jangan memilih secara abstrak. Kirim prompt produksi Anda ke kedua model, ukur kualitas dan latency, lalu gunakan hasil evaluasi untuk menentukan routing. Apidog membuat perbandingan tersebut menjadi dua request yang dapat diulang.
Top comments (0)