Gemini 3.5 Flash-Lite es un modelo multimodal de baja latencia en disponibilidad general que la documentación de Google describe como el modelo más rápido y de menor coste de la familia 3.5, optimizado para una ejecución de alto rendimiento y bajo coste, como las tareas de subagentes y el análisis de documentos.
- Entrada
- texto imagen vídeo audio $0.3/M
- Salida
- texto $2.5/M
- Entrada de audio
- $0.3/M
- Lectura de caché
- $0.03/M
- Contexto
- 1M
- vs GPT-4o
- ~94% más barato
- Corte de conocimiento
- 2026-03
Benchmarks
Publicado por los proveedores: Alibaba (Qwen) Anthropic ByteDance Google Moonshot OpenAI Tencent Z.ai
El precio en contexto
Posición del precio entre 65 modelos comparables
La barra muestra dónde queda el precio de este modelo entre todos los modelos del mismo tipo en Synthorai. En cada extremo se nombra el más barato y el más caro. Son tarifas base; los descuentos por lote, región y escritura en caché están en la página de precios.
Especificaciones y límites
Tokens
| Ventana de contexto (especificación del proveedor) | 1.048.576 |
|---|---|
| Salida máxima (especificación del proveedor) | 65.536 |
| Corte de conocimiento | 2026-03 |
Caché de prompts
| Modo | automático + explícito |
|---|---|
| Prefijo mín. | 4096 |
Razonamiento
| Parámetro del proveedor | thinkingLevel |
|---|---|
| Valores admitidos | minimal · low · medium · high |
| Valor por defecto | minimal se aplica si la solicitud no indica nada |
| Se puede desactivar | No |
| Comportamiento del razonamiento | Usa por defecto el nivel más barato, pero minimal es un mínimo y no un interruptor de apagado, y Google afirma que Flash-Lite no admite desactivar el pensamiento por completo. |
| Parámetro | reasoning_effort |
| Valores | minimal · low · medium · high la superficie de parámetros del gateway - aplica el mapeo del proveedor de arriba |
Modelo
| Modalidades | texto + imagen + vídeo + audio → texto |
|---|
- GA
- contexto de 1M tokens, salida máxima de 64K
- el modelo más rápido y económico de la familia 3.5, optimizado para ejecución de alto rendimiento y bajo coste (tareas de subagentes, análisis de documentos)
- pensamiento y herramientas integradas, incl. Computer Use. Nota: temperature/top_p/top_k quedan obsoletos y se ignoran a partir de esta generación. El corte de conocimiento procede de la tarjeta de modelo de DeepMind (la página de la API eliminó la fila): marzo de 2026, y la tarjeta añade que algunos dominios siguen limitados a enero de 2025
Un prompt, medido a través del gateway
Gemini 3.5 Flash-Lite superado · 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.
salida 81 tok latencia 1.9 s
Seguimiento de la instrucción (exactamente tres frases - contables), adaptación a la audiencia (registro de CFO), y la brecha de facturación por pensamiento oculto que los medidores de tokens de abajo dejan ver.
Gemini 3.5 Flash-Lite superado · 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`. […]
salida 251 tok latencia 2.6 s
Si el arreglo es realmente correcto (ejecutable), la densidad de la explicación, y la eficiencia en tokens sobre una tarea acotada.
Gemini 3.5 Flash-Lite superado · 5/5 fields, guidance null
```json { "company": "Meridian Robotics", "quarter": "September", "revenue_usd_m": 412, "growth_pct": 11, "guidance": null } ```
salida 58 tok latencia 1.0 s
Obediencia al esquema (sin campos inventados), presión de alucinación (guidance se retiene explícitamente), y diferencias en la ruta de salida estructurada.
Gemini 3.5 Flash-Lite superado · 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.
salida 130 tok latencia 2.0 s
Obediencia a las restricciones (presupuesto de palabras, lista de palabras prohibidas, la única pregunta), huella de estilo, y control de la longitud.
Use Gemini 3.5 Flash-Lite en 30 segundos
Compatible con OpenAI: cambie el base_url y conserve su SDK. 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(""));Acerca de Gemini 3.5 Flash-Lite
- La tarjeta de Google añade la traducción y la clasificación a esa lista y lo presenta como el modelo al que recurrir cuando el alto rendimiento es crítico, incluida la búsqueda agéntica.
- Toma entrada de texto, imagen, vídeo y audio a lo largo de una ventana de contexto de 1M tokens con 65.536 tokens de salida, y admite llamada a funciones, salidas estructuradas, ejecución de código, grounding de búsqueda y de Maps, contexto de URL, búsqueda de archivos, caché de contexto, la Batch API, la inferencia Flex y Priority y el uso del ordenador en vista previa.
- El pensamiento usa thinking_level con minimal, low, medium y high, con minimal por defecto, el valor por defecto más barato de la línea Gemini 3, aunque minimal es un mínimo y no un interruptor de apagado, así que cada llamada arrastra tokens de pensamiento facturados a la tarifa de salida.
- La fecha de corte de conocimiento es marzo de 2026, y Google señala que algunos dominios siguen limitados a enero de 2025.
- La página del modelo indica además un cambio de API: temperature, top_p y top_k quedan obsoletos y actualmente se ignoran, y Google dice que las generaciones futuras los rechazarán con un HTTP 400, recomendando instrucciones de sistema explícitas en su lugar.
- Synthorai lo sirve a través de su endpoint de chat compatible con OpenAI.
Preguntas frecuentes
¿Se puede probar gratis la API de Gemini 3.5 Flash-Lite?
Sí: las cuentas nuevas reciben 10 llamadas de prueba y hasta $1 de crédito gratuito, sin tarjeta. A $0.3/M por tokens de entrada, solo ese crédito cubre aproximadamente 416 solicitudes de ~8K tokens contra Gemini 3.5 Flash-Lite.
¿En qué destaca Gemini 3.5 Flash-Lite?
El más rápido y económico de la familia 3.5; para subagentes y análisis de alto rendimiento; contexto 1 M, razonamiento y herramientas integradas. Consulte la sección Acerca de para el panorama completo según las notas de lanzamiento del propio proveedor.
¿Cuánto cuesta Gemini 3.5 Flash-Lite?
Gemini 3.5 Flash-Lite cuesta $0.3 por millón de tokens de entrada y $2.5 por millón de tokens de salida en Synthorai: el precio de lista del proveedor, sin margen de plataforma. Los tokens de entrada en caché se facturan a $0.03/M.
¿Gemini 3.5 Flash-Lite admite caché de prompts?
Sí: el caché automático viene activado por defecto, con un modo explícito para ahorros garantizados. Los tokens de entrada en caché se facturan a $0.03/M frente a $0.3/M sin caché; los prompts necesitan un prefijo estable de 4,096 tokens para entrar en caché. Guía de caché de prompts →
¿Cómo obtengo acceso a Gemini 3.5 Flash-Lite?
Apunte su SDK de OpenAI existente a base_url="https://synthorai.io/v1", configure model="gemini-3.5-flash-lite" y listo. Una sola clave API cubre todos los modelos del gateway.
¿Cuál es la fecha de corte de conocimiento de Gemini 3.5 Flash-Lite?
La fecha de corte de conocimiento de Gemini 3.5 Flash-Lite es 2026-03, según la documentación oficial del proveedor (a fecha de 2026-07-22).
Modelos relacionados
Comparar
Cada valor de esta página está transcrito de la documentación del proveedor, enlazada arriba, y lleva la fecha en que se comprobó. Los precios se comparan en todo el catálogo; los valores de especificación que los proveedores definen de forma distinta se muestran indicando la diferencia en lugar de representarse en un gráfico. Nada aquí lo medimos nosotros, y nada se puntúa.