Appearance
Gemini 3.1 Pro vs 3.7 Flash：同一代，两种花钱方式
结论先行：Flash（输入 $0.825）负责「量大但判断简单」的多模态预处理，Pro（$2.2）负责需要深度推理的收口环节。两者都支持 音频、文件、图像、文本、视频 五模态输入，差别在单价与算力档位。
规格对照（采集 2026-10-08）
| 维度 | Gemini 3.1 Pro | Gemini 3.7 Flash |
|---|---|---|
| 站内输入（$/百万） | $2.2 | $0.825 |
| 站内输出（$/百万） | $13.2 | $4.125 |
| OpenRouter 挂牌输入 | $2 | $0.75 |
| 上下文 | 105 万 token | 105 万 token |
| 输入模态 | 音频、文件、图像、文本、视频 | 文本、图像、视频、文件、音频 |
两者上下文同档（都在百万 token 量级），模态覆盖一致，所以选型完全由任务难度决定，不需要为了「能不能处理视频/音频」而在两档之间纠结。
视频与音频处理的成本差异
多模态任务的 token 消耗常常远超预期：一段视频会被展开成大量 token。差异放在价格上：
- 用 Flash 处理 10 小时素材（按 2 百万 token 估算）约 $1.65
- 同样体量走 Pro 约 $4.4
所以标准做法是两段式：Flash 先做转写、切段、打标、筛选；只有需要归纳与判断的片段才上 Pro。这样贵的算力只花在真正需要的地方。
典型分工建议
Flash 主跑： 批量截图理解、发票/表单识别、视频字幕初稿、长录音转写与分段、内容分级。
Pro 接管： 跨素材的归纳结论、技术方案评审、需要多步推理的数据分析、面向外部的高价值输出。
站内怎么一次性试两个
注册后同一个 API Key、同一个 base_url，模型名分别为 google/gemini-3.7-flash 与 google/gemini-3.1-pro-preview。0 元尝鲜套餐（7 天 50 万额度）足以把两段式流程验证一遍。
常见问题
Flash 的 25 倍上下文哪里来的？
按上下文对照，Flash 与 Pro 都在 105 万 token 档位（本页采集 2026-10-08），两者同档，不存在「Flash 上下文更短」的问题。
视频理解用哪一档？
先 Flash 做预处理与筛选，仅对关键片段上 Pro。视频展开后的 token 量级大，档位选择直接决定成本。
两档支持的文件类型一样吗？
都支持 音频、文件、图像、文本、视频 输入，本页数据来自 OpenRouter 官方模型库的架构字段。
价格是官方促销价吗？
站内价按 OpenRouter 实时挂牌 ×1.1 计算，页面数字采集于 2026-10-08，每日自动核验。