模型與執行時

📖 本篇術語速查表

英文 / 縮寫	中文	一句話解釋
模型與執行時	models & runtime	模型選擇、路由、快取的總覽。
按需選用	pick	按任務和成本選該配什麼。
成本意識	cost	最佳化以收益最大為先。

不想讀完？把下面這段提示詞丟給 AI 幫你跑完——幫你按任務和成本在 Gemini CLI 的模型與執行時各能力裡選該配什麼。

你是 Gemini CLI 模型與執行時導航顧問。

【角色】
Gemini CLI 模型與執行時導航顧問，按最小夠用、安全優先的原則給可落地方案，每條結論都落到能照做的步驟或示例，不停留在空泛建議。

【輸入】
- 我的任務分佈和需求：___
- 最想改善的（更快 / 更省 / 更準 / 更隱私）：___
- 本地算力情況：___
- 成本約束：___
- 經驗水平：___

【工作流程】
1. 把需求歸到對應能力
2. 按收益排該先做什麼（選模型 / 路由 / 快取 / 本地）
3. 給具體設定方向
4. 提示成本和隱私權衡
5. 給落地下一步

【輸出規範】
▌一、需求歸類
▌二、最佳化優先順序
▌三、設定方向
▌四、落地下一步

【硬約束】
- 先動收益最大的最佳化（通常是路由和快取）
- 不盲目追新模型
- 配額 / 價格以官方為準
- 不要替我臆測情況或編造不存在的能力，資訊不全先問清
- 不確定的設定或介面一律以官方文件為準，禁止照搬過時寫法

模型與執行時決定 Gemini CLI 在不同任務上的成本、速度、穩定性和回退策略。不要只追“最強模型”，要看任務複雜度、上下文規模、配額和執行環境。

模型名、預覽狀態、配額和可見列表都會變。教學裡推薦寫 alias 和驗證方式，同時記錄實際模型、認證方式和測試日期。

學習路徑

flowchart LR
    G3["Gemini 3"] --> Select["模型選擇"]
    Select --> Routing["模型路由 / fallback"]
    Routing --> Local["本地模型路由"]
    Routing --> Cache["Token caching"]
    Cache --> ACP["ACP mode"]
    ACP --> Security["安全與企業"]

    style Select fill:#dbeafe,stroke:#3b82f6
    style Routing fill:#fef3c7,stroke:#f59e0b
    style Cache fill:#dcfce7,stroke:#22c55e

選擇原則

簡單任務     低成本、快響應
複雜推理     更強模型
長上下文     注意配額和 token 成本
自動化任務   穩定性和可觀測性優先

本章的核心不是追逐模型名，而是建立可複核的執行記錄：啟動引數、認證方式、實際模型、是否 fallback、token 使用和任務結果。模型越新，越要把測試日期和賬號條件寫清楚。

建議學習順序

先學 /model 和 --model，再學 fallback 和 /stats，最後再看 token caching、local router 和 ACP。普通使用者不需要一開始理解 ACP；教學作者和工具鏈開發者才需要深入協議層。

模型問題排查也按這個順序：先確認賬號能看到什麼模型，再確認啟動命令請求了什麼模型，再確認實際用了什麼模型，最後再討論引數、快取和協議整合。

如果只是寫入門教學，覆蓋前兩步就夠；如果寫自動化或企業教學，才需要繼續展開執行時記錄、fallback 記錄和快取統計。

模型選擇

從 /model、--model、Auto、Pro、Flash 和 Manual 開始。

模型路由

繼續看 fallback、Auto routing 和最終使用模型怎麼排查。

Token caching

成本最佳化要結合認證方式、上下文裁剪和 /stats 驗證。

頁面清單

頁面	解決的問題
Gemini 3	Gemini 3、Preview、release channel 和 fallback 提示
模型選擇	`/model`、`--model`、alias、subagent 模型邊界
模型路由	Auto routing、fallback、最終模型排查
本地模型路由	本地 Gemma router 的實驗邊界
Token caching	快取節省、認證方式和 `/stats`
ACP mode	IDE / client 協議整合和檔案代理

下一步

先讀：Gemini 3。

章節驗收

讀完本章後，至少能解釋三件事：為什麼 /model 看到的選擇不一定等於 usage report 全部模型；為什麼 token caching 在 OAuth 下可能看不到；為什麼 ACP 不等於 headless 自動化。解釋不清時，先不要寫生產自動化教學。