Gemini 免費方案 10 月 9 日起限用 Flash-Lite：模型權限與方案變動整理
免費使用 Gemini 的人，很快會遇到一個實際變化：能選的模型變少了。Google 的個人帳戶新規將從 2026 年 10 月 9 日開始影響沒有 AI 訂閱的使用者，免費方案會保留 Flash-Lite。對經常用較強模型整理長檔案或處理複雜問題的人，這比又一個模型發布更直接影響工作。
免費使用 Gemini 的人，很快會遇到一個實際變化：能選的模型變少了。Google 的個人帳戶新規將從 2026 年 10 月 9 日開始影響沒有 AI 訂閱的使用者，免費方案會保留 Flash-Lite。對經常用較強模型整理長檔案或處理複雜問題的人，這比又一個模型發布更直接影響工作。
本文會進一步說明模型選擇變少，並分析實際使用條件與評估方法。
這次調整需要分開看「模型能不能選」與「還剩多少用量」。本文整理權限差異，並說明如何判斷是否需要升級，避免把一次碰到上限誤認成整個產品不能用了。
Gemini 各方案能選哪些模型
依 Google 官方說明，變更生效後，沒有訂閱的個人帳戶可用 Flash-Lite，AI Plus 可用 Flash-Lite 與 Flash，AI Pro、AI Ultra 則可用這三種模型，包括 Pro。Flash-Lite 偏向輕量回應，Pro 是較高能力的模型選項。不同模型仍須配合任務測試，名稱無法代替實際正確率。
AI Plus 使用者的生效時間會透過電子郵件通知。這表示 10 月 9 日是免費使用者開始受到影響的時間，不能把所有帳戶都寫成同一天切換。此次說明針對個人帳戶，公司的 Workspace 帳戶要依自身方案確認。
用量與模型權限是兩件事
Google 同一份說明也介紹按運算量計算的限制，會受提示複雜度、功能與對話長度影響。這種制度下，使用者不能用「今天只問了幾題」判斷消耗，一份長檔案和一句簡短問題可能佔用不同用量。
較高方案提供更高額度，但能選 Pro 不代表可以無限使用 Pro。原有說明中的五小時重新整理與每週上限，也不能誤寫成這次才首次推出。對讀者而言，最有用的紀錄是常見工作能否完成，以及碰到限制後要等多久。
先測常做的工作，再決定付費
如果只是改短文、翻譯幾句話、整理一般清單，先用 Flash-Lite 跑一次原本的工作，觀察是否需要反覆補充。若需求是跨檔案比對、複雜分析或長時間研究，再比較付費方案能提供的模型與額度。
我會把升級標準放在「節省的修改時間」上。假設較高方案每週能少花一小時核對檔案，訂閱就有可衡量的理由。如果日常任務在免費模型上已經做得穩定，單看模型名稱較強，還不足以支援增加支出。
模型選擇變少，先看哪些工作會受到影響
這次調整最值得關注的讀者，是原本沒有訂閱，卻習慣在 Gemini 裡切換模型的人。Google 的公告針對個人帳戶的模型存取權限，不能直接套用到公司採購的工作帳戶、學校提供的服務或開發者使用的介面。帳號看起來都能開啟 Gemini，背後享有的方案可能不同。因此，判斷自己的工作會不會中斷，應從登入的帳號、訂閱名稱與模型選單開始，而不是隻看別人分享的截圖。
Flash-Lite 所代表的是保留下來的模型選擇，使用者仍需要實際確認它是否能完成自己的任務。短文改寫、列出會議提問、整理清楚的商品資訊，與比對多份有矛盾的合約內容，對模型的要求並不相同。同樣是一個「摘要」按鈕，摘要單篇新聞和整理跨月份的工作紀錄，也會因資料長度與推理需求產生不同結果。免費方案調整的影響，要放回工作的難度觀察，不能只用模型名稱較輕量就推論所有用途都失去價值。
對既有使用者而言，最實際的變化可能出現在重做與校對。原本一次完成的整理，如果之後需要拆成幾次提問，再由人把結果接回來，成本就從訂閱費轉成了工作時間。這也說明為什麼這則消息比單純的模型排行榜更有討論價值：許多人已把 AI 放進每天的工作，模型存取調整會改變流程，而不只是改變選單。
模型權限與使用額度，會造成兩種不同的中斷
模型權限回答「這個帳號可以使用哪一種模型」，額度則回答「在一段時間內可以用多少」。有權限的模型，可能因用量到達上限而暫時無法繼續。沒有模型權限的帳號，即使今天完全沒使用，也不會因此自動取得較高階模型。把兩者混在一起，容易買錯方案，也可能誤判為系統出現問題。
Google 在這次說明中，也提到不同方案的模型存取安排，以及既有的計算用量限制。讀者應把方案提供的模型，與使用介面顯示的剩餘用量分開記錄。若看到需要等待的提示，要先查看提示說的是恢復額度，還是要求變更方案。模型名稱、恢復時間與帳號通知，通常比社群上的一句「免費不能用了」更能說明實際狀況。
導入工作流程時，兩種中斷也需要不同的備案。額度不足可以安排稍後處理，或把較簡單的部分交給仍可用的模型。模型權限改變，則要重新驗證產出品質。如果每週固定產出一份客戶報告，團隊應留意報告截止時間附近是否可能碰到用量限制，同時保存原始資料與必要的人工整理步驟。單靠每天早上可以成功登入，無法保證下午的重要任務也能以相同方式完成。
用一份代表性資料，測出免費模型是否夠用
與其一次測試幾十個隨機問題，不如挑一份自己每週真的會處理的資料。以行政人員整理活動報名為例，可以準備一份已去除個人資訊的樣本，裡麪包含重複報名、時間衝突與備註需求，請模型依固定格式列出需要人員處理的事項。測試的重點，是能否找出問題並保留證據，而不是文字看起來是否漂亮。
同一份樣本最好先建立人工確認的答案。模型漏掉一筆衝突，與把正常報名誤判為衝突，造成的後續工作不同。使用者可以記錄必要資訊是否完整、引用是否對得上原始資料、需要修改幾個地方，以及從開始操作到可以交付共花多少時間。這些紀錄能把抽象的「感覺變弱」轉成具體判斷，也能避免因一次精彩回答就忽略持續使用時的問題。
提示文字應保持一致，只在資料和模型選擇上做比較。假如每次換模型也重寫題目，就很難知道改善來自模型還是提示。對長文件，還要分別測試全文處理與拆段處理，觀察拆段後是否失去跨段關係。這是讀者可以自行採用的測試方法，並非 Google 宣稱免費模型一定具有的能力，也不是本文已完成的產品實測。
訂閱是否值得，應把節省的時間算進去
付費決策可以從工作成本推回來，而不必先接受「升級纔算會用 AI」的說法。假設某位工作者每月處理二十份資料，使用可存取的較強模型後，每份平均少花十分鐘校對，合計節省兩百分鐘，也就是約三小時二十分鐘。是否值得訂閱，要看這些時間能否轉成可用產能，以及方案的實際月費。這是一個假設性的計算示例，不能當成每位使用者都會獲得的效益。
時間節省還需要扣除管理成本。如果付費後只是多出一個很少打開的工具，或仍必須從頭重查所有答案，訂閱未必增加價值。相反地，若固定的文件整理工作有明確驗收標準，模型能穩定減少重做，費用就比較容易評估。對不常使用、主要做短文改寫的人，先保留免費方案並測試工作完成率，也可能是合理選擇。
Google 的地區售價、促銷與方案資格應以帳號內顯示為準。這次消息所確認的是模型存取變動，不能順勢推論臺灣訂閱價格，也不能把消費者訂閱當成開發者介面的通用點數。若你的產品是透過程式呼叫模型，應另外查看對應服務的計費與用量規則，避免把網頁版會員權益誤算進產品成本。
工作帳號與私人帳號，需要各自確認
同一位使用者可能同時登入私人 Gmail 與公司帳號，兩邊的權限與資料政策未必相同。私人帳號收到方案通知，並不能證明公司帳號也會在同一天變更。如果工作依賴公司提供的 Gemini，應由管理者確認組織採購與設定。如果實際操作發生在私人帳號，則要依該帳號的通知安排調整。這個區別會直接影響是否需要購買訂閱，以及誰有權決定資料可以放在哪裡。
文件是否適合上傳，也不會因模型升級而自動改變。公司內部資料、學生資訊或客戶個資，應先符合原本的使用規範，再選擇工具。從免費升級付費，只是更動方案權益，不能代替組織對資料處理的判斷。測試時使用去識別化樣本，通常更容易比較品質，也能降低不同帳號來回切換時誤用資料的機會。
交接工作時，最好記下帳號類型、使用日期、模型名稱與輸出格式。這些資訊可以協助同事重現流程，並解釋為什麼某份報告與前一週的結果不同。若公司只保存最後答案，卻沒保留輸入資料與使用條件，方案變動後就難以分辨差異來自資料、提示還是模型。這次調整因此也提醒團隊，AI 工作流程需要基本的可追溯性。
把模型當成可替換環節，工作纔不會被選單綁住
依賴 AI 的流程，應保留原始資料與可由人完成的核心步驟。例如先把會議紀錄整理成日期、決議、負責人與期限，再請模型協助找出缺漏。這種結構化的準備，即使模型權限改變，仍能交由另一個工具或人工處理。若只有一段很長的對話，所有工作背景都散落在聊天紀錄裡，換模型或換帳號時就更容易遺失重要條件。
模型替換也不表示把未驗證的答案直接接到正式流程。對重要任務，應準備一組固定樣本，包含正常、例外與容易出錯的資料，讓任何新模型都先通過相同檢查。這套方法適合處理持續變動的產品方案，也能幫助團隊比較工具，而不必追著每一次新名稱重新建立標準。
在十月九日前後，免費個人使用者最有價值的動作，是盤點哪些工作需要切換模型，再測試保留下來的選擇。短文任務若仍能順利完成，可以繼續使用。重要文件若明顯增加校對或重做，就應評估付費與其他工作安排。這個判斷建立在工作完成品質上，才能讓方案調整變成可管理的變化，而不是一次被動的工具替換。
常見問題
Gemini 免費版會消失嗎？
不會，官方列出的免費個人帳戶仍可使用 Flash-Lite。變動集中在模型權限，不能把它解讀成 Gemini 全面改為付費。
10 月 9 日起 AI Plus 也只能用 Flash-Lite 嗎？
AI Plus 的新權限包含 Flash。其變更生效時間要依官方寄送的個別通知，和免費帳戶的日期分開看。
這次變動該如何看
Gemini 正把模型能力與用量更清楚地分成不同付費層級。先確認自己的帳戶型別，再拿同一份常用工作比較輸出與修改時間，會比盲目追逐最高階模型更容易選對方案。
