Gemini 3.6 Flash vs. 3.1 Pro: Preis, Tempo, Fazit

Normalerweise setzt sich das Pro-Modell durch. Diesmal nicht: Gemini 3.6 Flash kostet weniger als Gemini 3.1 Pro, arbeitet mehr als doppelt so schnell und liegt in praktisch allen Coding- und Agenten-Benchmarks vorn. Dem älteren 3.1 Pro bleibt nur ein Vorteil: ein knapper Vorsprung bei den härtesten Tests für reines Reasoning. Ich habe beide Modelle mit identischen Aufgaben getestet und sämtliche Preise sowie Spezifikationen am 23. Juli 2026 erneut mit den Google-Dokumentationen und Artificial Analysis abgeglichen.

Das Fazit in 30 Sekunden

Wer nur das Ergebnis braucht: Standardmäßig ist Gemini 3.6 Flash die richtige Wahl. Zu 3.1 Pro sollten Sie nur greifen, wenn eine Aufgabe das maximal mögliche Reasoning-Niveau verlangt. Alternativ können Sie sich den Artikel sparen und Gemini 3.6 Flash und Gemini 3.1 Pro direkt im Browser mit Ihren eigenen Prompts vergleichen – ganz ohne API-Key. Der Rest des Artikels liefert die Belege, einschließlich eines Tests mit drei reproduzierbaren Aufgaben.

Der Preisunterschied

Gemini 3.6 Flash hat unabhängig von der Prompt-Länge einen einheitlichen Tarif. Gemini 3.1 Pro ist teurer und führt für lange Prompts eine zusätzliche Preisstufe ein. Die regulären API-Preise pro 1 Mio. Tokens, geprüft am 23. Juli 2026:

Spürbar wird der Unterschied vor allem bei der Ausgabe: Bei kurzen Prompts kostet 3.1 Pro pro Output-Token 60% mehr. Überschreitet ein Prompt 200k Tokens, steigt der Aufschlag auf bis zu 140%.

Auch bei den Rabatten bleibt der Abstand erhalten. Der Batch-Modus halbiert die Preise beider Modelle, Pro bleibt dort also 60% teurer. Die Cache-*Speicherung*, die zusätzlich zum tokenbasierten Lesepreis stündlich berechnet wird, kostet bei Pro $4.50 pro 1 Mio. Tokens und Stunde, bei Flash dagegen $1.00. Zu Googles öffentlichen Listenpreisen gibt es keinen Modus – Standard, Batch, Priority oder Caching –, in dem Pro die günstigere Wahl wäre.

Mein Praxistest mit drei identischen Aufgaben

Preistabellen setzen einen identischen Token-Verbrauch voraus. Deshalb habe ich beide Modelle am 22. Juli 2026 über OpenRouter mit denselben drei Prompts bei Temperatur 0 ausgeführt, jeweils einmal. Verwendet wurden die Modell-IDs google/gemini-3.6-flash und google/gemini-3.1-pro-preview:

1. Code: eine Python-Funktion merge_intervals mit Docstring und Anwendungsbeispiel schreiben 2. Reasoning: eine Textaufgabe zu zwei Zügen, die sich einholen, mit Zeit-Geschwindigkeits-Algebra lösen 3. Extraktion: Aktionspunkte aus einer unübersichtlichen Teamnachricht als JSON-Array herausziehen

*Die Summen wurden aus den Rohdaten für Millisekunden und Tokens berechnet. Die einzelnen Aufgabenzeilen sind gerundet; daher kann die Addition einer Spalte um ein Hundertstel abweichen.*

Beide Modelle lösten alle drei Aufgaben korrekt: richtig zusammengeführte Intervalle, die korrekte Einholzeit und sauberes JSON. Der Unterschied lag allein im Aufwand für die Antworten.

Flash erzeugte *mehr* Tokens als Pro (2,843 gegenüber 2,285 laut Nutzungsmetadaten von OpenRouter; bei beiden überwiegend interne Reasoning-Tokens) und war trotzdem 22% günstiger und Ende-zu-Ende 40% schneller. Der höhere Output-Preis und die langsamere Generierung von Pro wiegen dessen knappere Antworten stärker auf. In Agenten-Schleifen, in denen jeder Schritt diese Latenz erneut verursacht, summiert sich der Abstand weiter.

Drei kurze Prompts sind ein Stichprobencheck, kein Benchmark – die exakten Prozentwerte sollten daher nur als Illustration gelten. Die Richtung deckt sich aber mit Messungen in größerem Maßstab. Genau die sehen wir uns als Nächstes an.

Bei Coding und Agenten räumt Flash ab

In den öffentlich verfügbaren Direktvergleichen von Artificial Analysis schlägt 3.6 Flash das ältere 3.1 Pro bei Coding, ML Engineering und Terminal-Nutzung durchgehend:

Am deutlichsten fällt der Abstand bei DeepSWE aus: 49% gegenüber 12%. Flash liegt auch beim multimodalen Reasoning knapp vor Pro (MMMU-Pro 83.2% gegenüber 82.4%) und gewinnt den zusammengesetzten Artificial Analysis Intelligence Index mit 50 zu 46.

Beim Tempo ergibt sich dasselbe Bild. Artificial Analysis misst Flash am 23. Juli 2026 mit 261 Tokens pro Sekunde, 3.1 Pro erreicht 112 – Flash ist damit 2.3x schneller. Die Zeit bis zum ersten Token liegt im Standard-Workload bei 12.8s gegenüber 31.2s. Diese Werte schließen die Denkzeit jedes Modells ein, bevor die eigentliche Antwort beginnt; deshalb waren meine kurzen Aufgaben oben deutlich schneller abgeschlossen. Im Gesamtbild des Leaderboards landet Flash gleichzeitig auf allen drei Achsen weit oben:

Bei langen Kontexten gibt es eine wichtige Nuance. Beide Modelle akzeptieren Eingaben mit 1 Mio. Tokens. Am äußersten Ende ist Flash beim *Auffinden* von Informationen aber deutlich besser: Beim MRCR-Retrieval mit 1 Mio. Tokens erreicht Flash 54%, Pro weniger als 27%. Beim *Reasoning über* lange Eingaben ist Pro hingegen leicht stärker – dazu gleich mehr.

Wo Gemini 3.1 Pro noch die Nase vorn hat

Der Fairness halber: 3.1 Pro führt in drei Benchmarks – und alle drei testen anspruchsvolles Wissen und Reasoning.

Bei GPQA und Long-Context-Reasoning sind die Abstände klein, bei Humanity's Last Exam deutlich größer. Google positioniert 3.1 Pro genau für diesen Bereich: „complex tasks that require broad world knowledge and advanced reasoning across modalities.“ Wenn Ihr Einsatzgebiet an dieser Grenze liegt – etwa Forschungsfragen aus den Naturwissenschaften oder mehrstufiges Reasoning über ein langes Dokument –, ist diese zusätzliche Leistungsreserve real und kann den Aufpreis rechtfertigen.

Zwei praktische Einschränkungen sprechen allerdings dagegen:

• Älterer Wissensstand. Der Cutoff von Pro liegt im Januar 2025 und ist damit vierzehn Monate älter als der von Flash aus März 2026. Das Flaggschiff weiß also weniger über die aktuelle Welt als das günstigere Modell.

• Preview-Status. Fünf Monate nach dem Start im Februar 2026 ist 3.1 Pro auf Googles Preisseite weiterhin als Preview markiert. Auch die Modell-ID lautet gemini-3.1-pro-preview. Flash wird dagegen als aktueller stabiler Standard angeboten.

Welches Modell passt zu welchem Einsatz?

• Wählen Sie Gemini 3.6 Flash für Coding-Agenten, Terminal- und Computer-Use-Automatisierung, ML-Engineering-Aufgaben, Extraktion oder Klassifizierung in hohem Volumen, latenzkritische Anwendungen und Retrieval aus langen Dokumenten. Nach den veröffentlichten Zahlen ist es dafür günstiger, schneller, aktueller und erzielt höhere Scores.

• Wählen Sie Gemini 3.1 Pro, wenn es um Reasoning an der Leistungsgrenze geht – etwa Wissenschaft auf PhD-Niveau oder mehrstufige Analysen über lange Eingaben – und einige Benchmark-Punkte wichtiger sind als Kosten, Geschwindigkeit oder Aktualität des Wissens. Planen Sie die Unwägbarkeiten eines Preview-Modells ein: Preview-Modell-IDs werden bei Erscheinen der stabilen Version umbenannt oder eingestellt.

Zwei Fragen kann dieser Vergleich nicht für Sie beantworten: Wie zuverlässig die Modelle in Ihren konkreten Tool-Calling-Abläufen arbeiten und wie gut ihre Ausgaben mit Sonderfällen Ihrer Domäne umgehen.

Beide Modelle laufen über dieselbe Gemini API. Der günstigste Weg zu einer Entscheidung ist daher, Ihre zehn wichtigsten Prompts durch beide Modelle zu schicken. Mein Skript mit den drei Aufgaben brauchte dafür etwa eine Minute.

So erhalten Sie Zugriff auf beide Modelle

Beide Modelle stehen über die Gemini API und Google AI Studio bereit, unter den Modell-IDs gemini-3.6-flash und gemini-3.1-pro-preview. Der kostenlose Tarif von AI Studio reicht aus, um sie vor einer Festlegung direkt gegeneinander zu testen.

Falls Sie bereits einen Aggregator nutzen: OpenRouter und AIReiter bieten beide Modelle zu Googles Listenpreis über einen einzigen Key an – so habe ich auch den A/B-Test oben durchgeführt.

FAQ

Ist Gemini 3.6 Flash besser als 3.1 Pro?

Für die meisten produktiven Einsätze: ja. Es gewinnt bei Coding-, Agenten-, ML-, Computer-Use- und multimodalen Benchmarks, kostet weniger und arbeitet 2.3x schneller. Nur bei GPQA Diamond, Humanity's Last Exam und Long-Context-Reasoning liegt 3.1 Pro mit 1.3 bis 6.4 Punkten vorn.

Ist Gemini 3.6 Flash günstiger als 3.1 Pro?

Ja, in jedem Modus. Die Standard-API-Ausgabe kostet $7.50 gegenüber $12.00 pro 1 Mio. Tokens. Oberhalb von 200k-Tokens-Prompts wird der Abstand noch größer: $7.50 gegenüber $18.00. Im Batch-Modus bleibt der Aufpreis von Pro bei 60%. Die Cache-Speicherung ist bei Pro 4.5x teurer.

Was ist schneller: Gemini 3.6 Flash oder 3.1 Pro?

Flash generiert etwa 261 Tokens pro Sekunde, 3.1 Pro 112 (Artificial Analysis, 23. Juli 2026). Auch die Antwort startet früher: Bei Reasoning-lastigen Workloads liegen die Time-to-first-token-Werte bei 12.8s gegenüber 31.2s. In meinem Test mit drei Aufgaben bedeutete das Ende-zu-Ende eine um 40% schnellere Ausführung.

Lohnt sich Gemini 3.1 Pro noch?

Nur wenn Sie seine maximale Reasoning-Leistung benötigen und mit einem Modell im Preview-Stadium sowie einem Wissensstand von Januar 2025 leben können. Für Aufgaben unterhalb dieser Schwierigkeitsstufe gibt es in den veröffentlichten Zahlen keinen Hinweis darauf, dass der Aufpreis gegenüber Flash bessere Ergebnisse bringt.

Weiterführende Artikel

• Gemini 3.6 Flash: Preise, Benchmarks und API-Zugang

• Gemini 3.5 Flash vs. Gemini 3.1 Pro

• Gemini 3.5 Pro: Was wir wissen