Gemini 3.5 Flash-Lite ist ein allgemein verfügbares, latenzarmes multimodales Modell, das Googles Dokumentation als das schnellste und günstigste Modell der 3.5-Familie beschreibt, optimiert für durchsatzstarke, kostengünstige Ausführung wie Subagenten-Aufgaben und Dokumentenparsing.
- Eingabe
- Text Bild Video Audio $0.3/M
- Ausgabe
- Text $2.5/M
- Audio-Eingabe
- $0.3/M
- Cache-Lesen
- $0.03/M
- Kontext
- 1M
- vs. GPT-4o
- ~94% günstiger
- Knowledge-Cutoff
- 2026-03
Benchmarks
Anbieterangaben: Alibaba (Qwen) Anthropic ByteDance Google Moonshot OpenAI Tencent Z.ai
Preis im Vergleich
Der Preis im Feld von 70 vergleichbaren Modellen
Der Balken zeigt, wo der Preis dieses Modells unter allen Modellen derselben Art auf Synthorai liegt. An beiden Enden stehen das günstigste und das teuerste Modell. Angegeben sind Grundpreise; Rabatte für Batch, Region und Cache-Schreibzugriffe stehen auf der Preisseite.
Spezifikationen & Limits
Tokens
| Kontextfenster (laut Anbieter) | 1.048.576 |
|---|---|
| Max. Ausgabe (laut Anbieter) | 65.536 |
| Knowledge-Cutoff | 2026-03 |
Prompt-Caching
| Modus | automatisch + explizit |
|---|---|
| Min. Präfix | 4.096 |
Thinking
| Anbieter-Parameter | thinkingLevel |
|---|---|
| Zulässige Werte | minimal · low · medium · high |
| Standardwert | minimal gilt, wenn die Anfrage nichts angibt |
| Abschaltbar | Nein |
| Thinking-Verhalten | Steht standardmäßig auf der günstigsten Stufe, doch minimal ist eine Untergrenze und kein Ausschalter, und Google gibt an, dass Flash-Lite kein vollständiges Abschalten von Thinking unterstützt. |
| Parameter | reasoning_effort |
| Werte | minimal · low · medium · high Parameter des Gateways; maßgeblich ist das Anbieter-Mapping oben |
Modell
| Modalitäten | Text + Bild + Video + Audio → Text |
|---|
- GA
- 1.048.576 Token Kontext, 65.536 max. Output
- das schnellste und günstigste Modell der 3.5-Familie, optimiert für durchsatzstarke, kostengünstige Ausführung (Subagent-Aufgaben, Dokumenten-Parsing)
- Thinking und eingebaute Tools inkl. Computer Use. Hinweis: temperature/top_p/top_k gelten ab dieser Generation als veraltet und werden ignoriert. Der Knowledge Cutoff stammt aus der DeepMind-Modellkarte (die API-Seite hat die Zeile entfernt): März 2026, wobei die Karte ergänzt, dass einige Domänen weiterhin auf Januar 2025 beschränkt bleiben
Ein Prompt, gemessen über das Gateway
Gemini 3.5 Flash-Lite bestanden · 3 sentences
Enabling reasoning forces the model to generate extensive, hidden "chain-of-thought" tokens before answering, effectively multiplying your input and output volume. Because LLM pricing is strictly usage-based per token, processing these invisible reasoning steps alongside your final answers instantly doubled your API costs. To control this spend, we must either restrict reasoning to complex queries or optimize our prompt architecture to reduce token bloat.
Ausgabe 81 tok Latenz 1.9 s
Befolgen der Anweisung (genau drei Sätze, das lässt sich zählen), Zuschnitt auf die Zielgruppe (Tonfall für einen CFO) und die Abrechnungslücke durch nicht sichtbares Thinking, die die Token-Zähler unten offenlegen.
Gemini 3.5 Flash-Lite bestanden · 8/8 cases
Here is the corrected function: ```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 else: cur = 1 best = max(best, cur) return best ``` ### Explanation The original function suffered from two main counting issues: it initialized `best` and `cur` to `0` instead of `1` (causing a single-element list like `[1]` to return `0` instead of `1`), and it only updated `best` inside the `if` block when a match was found. Because the `max()` update was skipped in the `else` block and after the loop terminated, any run that ended at the final index or occurred as a single isolated element was never captured by `best`. […]
Ausgabe 251 tok Latenz 2.6 s
Ob der Fix wirklich korrekt ist (er lässt sich ausführen), wie dicht die Erklärung ist und wie sparsam das Modell bei einer klar begrenzten Aufgabe mit Tokens umgeht.
Gemini 3.5 Flash-Lite bestanden · 5/5 fields, guidance null
```json { "company": "Meridian Robotics", "quarter": "September", "revenue_usd_m": 412, "growth_pct": 11, "guidance": null } ```
Ausgabe 58 tok Latenz 1.0 s
Schema-Treue (keine erfundenen Felder), Anreiz zum Halluzinieren (der Text nennt ausdrücklich keine guidance) und Unterschiede zwischen den Wegen zur strukturierten Ausgabe.
Gemini 3.5 Flash-Lite bestanden · 115 words, 0 banned, 1 question
Managing multiple LLM providers just got faster and cheaper. Our API gateway now features intelligent prompt caching that spans across OpenAI, Anthropic, and other major AI models. By storing and reusing frequent responses at the edge, this update slashes latency and significantly reduces your overall token costs. You configure the cache rules once, and our routing engine handles the rest behind the scenes. Why pay twice for the exact same answer when your infrastructure can remember it? Developers can deploy this capability instantly with zero code changes to existing applications. Stop wasting valuable compute cycles on duplicate requests today. Upgrade your routing pipeline and experience immediate performance gains across every integrated model you currently use.
Ausgabe 130 tok Latenz 2.0 s
Einhaltung der Vorgaben (Wortbudget, Liste verbotener Wörter, genau eine Frage), stilistische Handschrift und Kontrolle über die Länge.
Gemini 3.5 Flash-Lite in 30 Sekunden nutzen
OpenAI-kompatibel: base_url austauschen, SDK behalten. POST /v1/chat/completions
from openai import OpenAI
client = OpenAI(
base_url="https://synthorai.io/v1",
api_key="sk-syn-...",
)
resp = client.chat.completions.create(
model="gemini-3.5-flash-lite",
messages=[{"role": "user", "content": "Summarize this diff"}],
)
print(resp.choices[0].message.content)import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.chat.completions.create({
model: "gemini-3.5-flash-lite",
messages: [{ role: "user", content: "Summarize this diff" }],
});
console.log(resp.choices[0].message.content);curl https://synthorai.io/v1/chat/completions \
-H "Authorization: Bearer sk-syn-..." \
-H "Content-Type: application/json" \
-d '{
"model": "gemini-3.5-flash-lite",
"messages": [{"role": "user", "content": "Hello"}]
}'package main
import (
"context"
"fmt"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
resp, _ := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
Model: "gemini-3.5-flash-lite",
Messages: []openai.ChatCompletionMessageParamUnion{
openai.UserMessage("Summarize this diff"),
},
})
fmt.Println(resp.Choices[0].Message.Content)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
ChatCompletion resp = client.chat().completions().create(
ChatCompletionCreateParams.builder()
.model("gemini-3.5-flash-lite")
.addUserMessage("Summarize this diff")
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));Über Gemini 3.5 Flash-Lite
- Googles Modellkarte ergänzt Übersetzung und Klassifikation und beschreibt es als das Modell, zu dem man greift, wenn hoher Durchsatz entscheidend ist, einschließlich agentischer Suche.
- Es nimmt Text-, Bild-, Video- und Audioeingaben über ein Kontextfenster von 1M Token mit 65.536 Output-Token entgegen und unterstützt Function Calling, strukturierte Ausgaben, Code-Ausführung, Search- und Maps-Grounding, URL-Kontext, File Search, Context-Caching, die Batch API, Flex- und Priority-Inferenz sowie Computer Use in der Preview.
- Thinking nutzt thinking_level mit minimal, low, medium und high, standardmäßig minimal, dem günstigsten Standard der Gemini-3-Reihe, wobei minimal eine Untergrenze und kein Ausschalter ist, sodass jeder Aufruf Thinking-Token trägt, die zum Output-Tarif abgerechnet werden.
- Der Knowledge Cutoff liegt im März 2026, wobei Google anmerkt, dass manche Domänen weiterhin auf Januar 2025 begrenzt sind.
- Die Modellseite weist außerdem auf eine API-Änderung hin: temperature, top_p und top_k sind veraltet und werden derzeit ignoriert, und Google kündigt an, dass künftige Generationen sie mit HTTP 400 ablehnen werden, und empfiehlt stattdessen ausdrückliche Systemanweisungen.
- Synthorai stellt es über seinen OpenAI-kompatiblen Chat-Endpoint bereit.
FAQ
Lässt sich die Gemini 3.5 Flash-Lite API kostenlos testen?
Ja. Neue Konten erhalten 10 Testaufrufe und bis zu $1 Gratisguthaben, ohne Kreditkarte. Bei $0.3/M für Eingabe-Tokens reicht allein dieses Guthaben für rund 416 Anfragen an Gemini 3.5 Flash-Lite mit je ~8K Tokens.
Worin ist Gemini 3.5 Flash-Lite am besten?
Schnellstes, günstigstes Modell der 3.5-Familie; für Hochdurchsatz-Subagenten und Parsing; 1 Mio. Kontext, Thinking und integrierte Tools. Mehr dazu im Über-Abschnitt, der auf den offiziellen Release Notes des Anbieters beruht.
Was kostet Gemini 3.5 Flash-Lite?
Gemini 3.5 Flash-Lite kostet auf Synthorai $0.3 pro Million Eingabe-Tokens und $2.5 pro Million Ausgabe-Tokens. Das ist der Listenpreis des Anbieters, ohne Plattformaufschlag. Gecachte Eingabe-Tokens werden mit $0.03/M abgerechnet.
Wie groß ist das Kontextfenster von Gemini 3.5 Flash-Lite?
Gemini 3.5 Flash-Lite hat auf Synthorai ein Kontextfenster von 1M Tokens. Eine einzelne Antwort kann bis zu 65,536 Tokens lang sein.
Unterstützt Gemini 3.5 Flash-Lite Prompt-Caching?
Ja, automatisches Caching ist standardmäßig aktiv, dazu ein expliziter Modus für garantierte Einsparungen. Gecachte Eingabe-Tokens werden mit $0.03/M statt $0.3/M (ungecacht) abgerechnet; Prompts brauchen ein stabiles Präfix von 4,096 Tokens, um gecacht zu werden. Leitfaden zum Prompt-Caching →
Wie erhalte ich Zugang zu Gemini 3.5 Flash-Lite?
Setzen Sie in Ihrem vorhandenen OpenAI SDK base_url="https://synthorai.io/v1" und model="gemini-3.5-flash-lite", mehr ist nicht nötig. Ein API-Schlüssel gilt für alle Modelle im Gateway.
Wo liegt der Knowledge-Cutoff von Gemini 3.5 Flash-Lite?
Der Knowledge-Cutoff von Gemini 3.5 Flash-Lite liegt bei 2026-03, laut offizieller Dokumentation des Anbieters (Stand: 2026-07-22).
Verwandte Modelle
Vergleichen
Jeder Wert auf dieser Seite stammt aus der oben verlinkten Dokumentation des Anbieters und trägt das Datum, an dem wir ihn geprüft haben. Preise vergleichen wir über den gesamten Katalog. Spezifikationen, die Anbieter unterschiedlich definieren, zeigen wir mit einem Hinweis auf den Unterschied und nicht als Diagramm. Wir messen hier nichts selbst und vergeben keine Bewertungen.