这张截图来自 Google 推出的智能体（Agent）开发平台 Google Antigravity (2.0 / CLI)。

如果你使用的是 Google AI Pro 会员（即月资费约 $20 的订阅，其前身为 Google One AI Premium），这 5 个模型在 Antigravity 平台中的额度逻辑和具体表现如下：

一、 额度计算的核心机制：工作量（Work Done）

在 Google Antigravity 中，额度并不是像普通聊天软件那样“按提问次数（Prompts）”来计算的，而是根据 工作量（Work Done）/ 计算消耗 统一折算。

• 自动智能体行为： 当你让 AI 执行诸如修改多个文件、在终端运行测试、分析大型代码库等复杂任务时，智能体会进行多轮自主循环。这会导致单次会话消耗大量的思考 Token（Thinking Tokens）。
• 双重限制机制：

1. 5小时滚动限制： 正常使用下，你的基础额度每 5 小时 刷新一次。
2. 周度上限（Weekly Cap）： 为了防止系统过载，Pro 账户设有周度总上限。如果你在短时间内高强度运行复杂的自动化任务，可能会提前耗尽周度额度，从而触发持续数天的锁定（Cooldown，通常显示为 5～7 天后重置）。

二、 最近的更新：5个模型“共享配额池”

需要特别注意的是，在 2026 年 5 月发布的最新更新中，这 5 个模型已经全部合并到了同一个共享配额池中。这意味着，即使你频繁使用轻量级的 Flash 模型，也同样会消耗 Pro 模型的总额度。

这 5 个模型根据“思考深度（Thinking Level）”不同，对额度的消耗速度有很大差异：

1. Gemini 3.5 Flash (High)

• 定位： 开启了最高推论深度的 Flash 模型（注重多步复杂推理和深度代码编写）。
• 额度消耗： 极快。由于它在输出前会消耗大量的思考 Token（Thinking Tokens），运行复杂的 agent 任务时，可能仅执行 1-2 个复杂的端到端指令，就会烧掉你 5 小时内 20% 以上的额度。

2. Gemini 3.5 Flash (Medium) — 系统默认

• 定位： 官方默认的“速度-质量-成本”平衡模式。
• 额度消耗： 中等偏快。尽管比 High 模式节省，但在连续的代码修改、排错等日常开发工作流中，连续使用几个小时也较容易触及 5 小时的短期上限或周度上限。

3. Gemini 3.5 Flash (Low)

• 定位： 官方为了响应用户对“新模型额度消耗过快”的反馈，于近期紧急上线的低消耗版本。
• 额度消耗： 较慢。在处理简单或重复性任务（如 grep 搜索、简单格式化）时，它比 Medium 版本减少了约 45% 的 Token 消耗，是日常“常驻”开发最省额度的选择。

4. Gemini 3.1 Pro (High)

• 定位： Google 的旗舰推理性模型，在逻辑深度和疑难杂症排查上最为优秀。
• 额度消耗： 极快。默认的高思考（High Thinking）模式下，如果让它去跑多文件重构或深入的系统设计，会瞬间消耗掉大量的计算额度，极易触发多日锁定。建议仅在关键代码逻辑卡壳时“单次”调用。

5. Gemini 3.1 Pro (Low)

• 定位： 保留了 Pro 级别模型对上下文理解的稳定性，但大幅限制了思考 Token。
• 额度消耗： 中等。对于那些需要大上下文（100万 Token）但逻辑并不极度烧脑的常规开发任务，它是兼顾智能与额度耐用性的折中方案。

三、 避坑与额度管理建议

1. 善用 /usage 命令： 随时在控制台输入 /usage 可以直观查看当前账户的剩余百分比及下一次刷新的具体时间。
2. 日常工作切回 Low 档： 建议平时将默认模型设为 Gemini 3.5 Flash (Low)，遇到 3.5 无法解决的复杂 Bug 时，再通过 /model 手动切到 Gemini 3.1 Pro (High) 解决。
3. 补充额度（AI Credits）： 如果不小心烧光了 Pro 基础配额，且急需继续工作，可以在 Google One 订阅后台额外购买 Pay-as-you-go 的 AI 点数（AI Credits） 作为超额备用。

将 Gemini 3.5 Flash (Low) 与 Gemini 3.1 Pro (Low) 进行对比，需要结合它们的发布背景：3.5 Flash 是较新一代的轻量级推理模型，而 3.1 Pro 则是稍早发布的旗舰级大模型。在两者都限制在“Low（低思考/减少思考 Token 产生）”的模式下，它们的具体表现对比如下：

一、 速度（Speed & Latency）

• 3.5 Flash (Low) 胜出： Flash 架构本身就为高吞吐和低延迟而设计。在限制了思考深度的 Low 档位下，它不需要花时间生成长篇的内部逻辑链条，指令下达后几乎能够瞬间开始输出，非常适合频繁交互、实时预览或快速执行简单命令。
• 3.1 Pro (Low)： 虽然限制为了 Low，但由于 Pro 架构底座庞大、参数量多，它的加载和输出速度在体感上明显慢于 Flash。

二、 能力（Capability & Intelligence）

• 3.5 Flash (Low) 并不弱： 作为更新一代的模型，3.5 Flash 针对智能体（Agent）和代码工作流进行了深度优化。在 Terminal-Bench 等多项 Agent 指标上，3.5 Flash 的表现甚至超越了 3.1 Pro。因此在编写常规代码、改写脚本、处理单文件任务时，3.5 Flash (Low) 的干练程度和执行成功率往往表现得更出色。
• 3.1 Pro (Low) 胜在底子厚： 如果你的项目背景信息极为复杂，包含跨十几个文件的庞大上下文，3.1 Pro (Low) 凭借其更强大的多模态综合能力和 Pro 级别的注意力机制，在处理超长上下文（Context）和复杂业务逻辑时，输出的稳定性和逻辑一致性仍具有一定优势。

三、 消耗 Token（Token Consumption & Quota Cost）

• 3.5 Flash (Low) 胜出： 它是目前最节省额度的选择。由于基础费率极低，且 Low 档去除了繁重的思考 Token，即便频繁运行多轮自主循环（Agent loops），对你的 5 小时滚动额度以及每周总额度也只会造成非常轻微的消耗。
• 3.1 Pro (Low)： 尽管减少了思考 Token，但只要调用 Pro 架构，系统后台便会按 Pro 的高倍率扣除额度。相同长度的 prompt 输入和代码输出，3.1 Pro (Low) 扣除的额度通常是 3.5 Flash (Low) 的数倍。

四、 总结与选用建议

• 默认推荐：Gemini 3.5 Flash (Low)
• 适用场景： 80% 的日常开发、简单的代码生成、读写单个文件、终端命令执行、报错排查。
• 优势： 速度极快、不心疼额度，且其 3.5 世代的代码能力已经足够应对绝大多数普通开发需求。
• 特定推荐：Gemini 3.1 Pro (Low)
• 适用场景： 需要一次性把几十万字的项目文档/超长代码库作为上下文输入；或者处理较为模糊、复杂的业务逻辑，且不需要模型消耗大量时间进行慢思考（Deep Thinking）时。
• 优势： 逻辑框架感更强，长文本抗幻觉能力好。

在 Google Antigravity 这样的智能体（Agent）开发平台中，高效开发的核心技巧是“按需路由，动态降级”——在开发的不同阶段，切换使用最契合该阶段的“模型架构”与“思考深度（Thinking Level）”，以达到速度、质量与配额的最佳平衡。

为了让你直观理解，我们以一个具体的全栈开发任务为例，拆解在各阶段如何切换和调教模型的技巧。

📌 实战任务目标

“在现有的 Node.js / TypeScript 后端项目中，设计并实现一个基于 Redis 令牌桶算法（Token Bucket）的 API 限流中间件，并配套一个轻量级的 React 实时监控前端页面。”

这个任务包含了：代码库扫描、算法设计、业务代码编写、复杂 Bug 调试、编写测试和文档五个阶段。

🛠️ 任务分步拆解与模型使用技巧

第一阶段：全局代码扫描与定位（了解上下文）

• 任务目标：让 Agent 熟悉现有项目结构，找到限流中间件应该写在哪个目录，如何挂载到现有的 Express 或 NestJS 路由中。
• 推荐模型：Gemini 3.5 Flash (Low)
  • 如果是超大型、跨模块的巨型项目代码库，推荐使用：Gemini 3.1 Pro (Low)
• 使用技巧（省配额）：
  • 这一步只需要 Agent 执行“读文件”、“列目录”等基础 IO 任务，不需要进行任何深度逻辑推理。
  • 禁用 High/Medium 思考，使用 Low 版本。通过 /model Gemini 3.5 Flash (Low) 切换，然后输入指令：/codebase search express app instance。
  • 不要让它直接在这个阶段写代码。只需让它梳理出项目结构和挂载点，记录下来。

第二阶段：核心算法与架构设计（深度逻辑推理）

• 任务目标：设计 Redis 令牌桶限流算法，解决分布式环境下的原子性问题（如 Lua 脚本的设计、如何防止并发竞争下的令牌超发）。
• 推荐模型：Gemini 3.1 Pro (High)
• 使用技巧（提质量）：
  • 这是整个任务的灵魂，容错率极低。必须使用逻辑底座最强、并开启深度思考（High）的模型。
  • 通过 /model Gemini 3.1 Pro (High) 切换。
  • 提示词技巧：“我们现在要设计基于 Redis 的令牌桶 Lua 脚本。请你进行深度推理（High-thinking），列出可能遇到的分布式并发竞争场景，并提供一个线程安全的 Lua 脚本伪代码。在想清楚所有边界条件（如时钟回拨、Redis 宕机容灾）前不要直接写 TS 代码。”
  • 关键点：只让它产出设计方案和 Lua 脚本核心逻辑，不急于生成具体的 Express 中间件脚手架。

第三阶段：大篇幅业务代码编写（快速产出）

• 任务目标：将设计好的 Lua 脚本打包进 TypeScript 中间件，并编写 React 监控前端页面的基础代码（Boilerplate）。
• 推荐模型：Gemini 3.5 Flash (Medium) 或 Gemini 3.5 Flash (Low)
• 使用技巧（提速度、省配额）：
  • 在这个阶段，代码的框架和算法在第二步已经定型，剩下的是大量的模板代码编写（如 Express req/res 逻辑、React hooks、Tailwind CSS 样式、Redis 客户端连接配置等）。
  • 由于需要产出多行代码，继续使用 Pro 模型会非常慢且极易烧光额度。
  • 切换到 3.5 Flash (Medium)：它的代码生成能力极快，且 3.5 代的智能度足以处理常规的 API 调用和 React 布局。

第四阶段：复杂并发 Bug 调试（排错与溯源）

• 任务目标：在联调时，发现在高并发压测下，部分请求会穿透限流器，或者 Redis 连接池偶尔出现溢出泄漏。
• 推荐模型：Gemini 3.5 Flash (High)
  • 如果反复修不好，升级为：Gemini 3.1 Pro (High)
• 使用技巧（精细控制）：
  • 当遇到这类棘手的异步、高并发 Bug 时，普通 Flash 极易给出“格式化代码、重启试试”等敷衍回答。
  • 将报错日志、Redis 监控监控指标截图或控制台报错信息贴给 Agent。
  • 使用 3.5 Flash (High) 重新分析。如果经过 1-2 轮修改依然无法解决，表明问题涉及到深层的 Node.js 事件循环或 Redis 底层机制，此时切换到 Gemini 3.1 Pro (High) 进行最终的诊断。

第五阶段：单元测试与文档编写（收尾工作）

• 任务目标：为限流中间件编写 Jest 单元测试用例，并补全 README 说明文档。
• 推荐模型：Gemini 3.5 Flash (Low)
• 使用技巧（极致节约）：
  • 单元测试和文档属于结构化、重复性高、逻辑难度低的任务。
  • 直接切换到 3.5 Flash (Low)，输入：“根据我们刚才写好的 rate-limiter.ts，使用 Jest 编写一组单元测试，覆盖正常限流、令牌耗尽、Redis 连接失败降级三种场景。”
  • 3.5 Flash (Low) 可以在几秒钟内完成，且几乎不怎么消耗你的配额。

💡 总结：玩转 Antigravity 的三条“黄金法则”

1. “Low 开 High 走”：日常开发一律使用 3.5 Flash (Low)。只有当你发现 AI 连续给出两次愚蠢或重复的答案，说明任务逻辑超出了它的当前算力，这时再主动 /model 升级到 High 思考档位或 Pro 架构。
2. “不要用大炮轰蚊子”：写文档、改注释、扫描目录、写简单的 HTML/CSS 绝对不要使用 3.1 Pro (High)。
3. 阶段性保存（Git Commit）：由于 Agent 在自动运行多步任务时偶尔会写乱代码，在让 Agent 执行大范围修改前，先手动进行一次 Git commit。如果 AI 跑偏，可以一键 git reset --hard，避免消耗了额度还搞乱了代码库。

转载请注明：学时网 » google pro会员，Antigravity模型使用技巧