Gemini 3.5 Flash-Lite est un modèle multimodal à faible latence en disponibilité générale que la documentation de Google décrit comme le modèle le plus rapide et le moins coûteux de la famille 3.5, optimisé pour une exécution à fort débit et à faible coût, comme les tâches de sous-agents et l'analyse de documents.
- Entrée
- texte image vidéo audio $0.3/M
- Sortie
- texte $2.5/M
- Entrée audio
- $0.3/M
- Lecture de cache
- $0.03/M
- Contexte
- 1M
- vs GPT-4o
- ~94% moins cher
- Coupure des connaissances
- 2026-03
Benchmarks
Chiffres publiés par les fournisseurs : Alibaba (Qwen) Anthropic ByteDance Google Moonshot OpenAI Tencent Z.ai
Le prix en perspective
Position du prix parmi 70 modèles comparables
La barre situe le prix de ce modèle parmi tous les modèles du même type sur Synthorai. Le moins cher et le plus cher sont nommés à chaque extrémité. Ce sont des tarifs de base ; les remises liées au batch, à la région et aux écritures de cache figurent sur la page des tarifs.
Spécifications et limites
Tokens
| Fenêtre de contexte (spécification du fournisseur) | 1 048 576 |
|---|---|
| Sortie max (spéc. fournisseur) | 65 536 |
| Coupure des connaissances | 2026-03 |
Mise en cache
| Mode | automatique + explicite |
|---|---|
| Préfixe min. | 4 096 |
Réflexion
| Paramètre du fournisseur | thinkingLevel |
|---|---|
| Valeurs acceptées | minimal · low · medium · high |
| Valeur par défaut | minimal appliquée si la requête ne précise rien |
| Désactivable | Non |
| Comportement de la réflexion | Réglé par défaut sur le niveau le moins cher, mais minimal est un plancher plutôt qu'un interrupteur, et Google indique que Flash-Lite ne prend pas en charge la désactivation complète de la réflexion. |
| Paramètre | reasoning_effort |
| Valeurs | minimal · low · medium · high paramètres exposés par la passerelle ; la correspondance avec ceux du fournisseur, ci-dessus, s'applique |
Modèle
| Modalités | texte + image + vidéo + audio → texte |
|---|
- GA
- contexte de 1M de tokens, 64K de sortie maximale
- le modèle le plus rapide et le moins cher de la famille 3.5, optimisé pour une exécution à haut débit et à faible coût (tâches de sous-agents, analyse de documents)
- réflexion et outils intégrés, dont Computer Use. À noter: temperature/top_p/top_k sont dépréciés et ignorés à partir de cette génération. La date limite des connaissances provient de la fiche modèle DeepMind (la page API a supprimé la ligne): mars 2026, la fiche ajoutant que certains domaines restent limités à janvier 2025
Un prompt, mesuré via la passerelle
Gemini 3.5 Flash-Lite réussi · 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.
sortie 81 tok latence 1.9 s
Le respect de la consigne (exactement trois phrases, ça se compte), l'adaptation au public visé (le registre d'un directeur financier) et l'écart de facturation dû à la réflexion masquée, que révèlent les compteurs de tokens ci-dessous.
Gemini 3.5 Flash-Lite réussi · 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`. […]
sortie 251 tok latence 2.6 s
La justesse réelle du correctif (il s'exécute), la densité de l'explication et l'économie de tokens sur une tâche bien délimitée.
Gemini 3.5 Flash-Lite réussi · 5/5 fields, guidance null
```json { "company": "Meridian Robotics", "quarter": "September", "revenue_usd_m": 412, "growth_pct": 11, "guidance": null } ```
sortie 58 tok latence 1.0 s
Le respect du schéma (aucun champ inventé), la tentation d'halluciner (le texte indique que la guidance n'est pas communiquée) et les différences entre les mécanismes de sortie structurée.
Gemini 3.5 Flash-Lite réussi · 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.
sortie 130 tok latence 2.0 s
Le respect des contraintes (nombre de mots, liste de mots interdits, une seule question), l'empreinte stylistique et la maîtrise de la longueur.
Utilisez Gemini 3.5 Flash-Lite en 30 secondes
Compatible OpenAI : changez la base_url, gardez votre 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(""));À propos de Gemini 3.5 Flash-Lite
- La fiche de Google ajoute la traduction et la classification à cette liste et le présente comme le modèle vers lequel se tourner quand un débit élevé est critique, y compris pour la recherche agentique.
- Il accepte du texte, des images, de la vidéo et de l'audio en entrée dans une fenêtre de contexte de 1M de tokens avec 65 536 tokens de sortie, et prend en charge l'appel de fonctions, les sorties structurées, l'exécution de code, l'ancrage Search et Maps, le contexte d'URL, la recherche de fichiers, la mise en cache du contexte, la Batch API, l'inférence Flex et Priority ainsi que l'usage de l'ordinateur en préversion.
- La réflexion utilise thinking_level avec minimal, low, medium et high, avec minimal par défaut, la valeur par défaut la moins coûteuse de la lignée Gemini 3, même si minimal est un plancher et non un interrupteur : chaque appel porte donc des tokens de réflexion facturés au tarif de sortie.
- La date limite des connaissances est mars 2026, Google notant que certains domaines restent limités à janvier 2025.
- La page modèle signale aussi un changement d'API : temperature, top_p et top_k sont dépréciés et actuellement ignorés, et Google indique que les générations futures les rejetteront avec une erreur HTTP 400, en recommandant des instructions système explicites à leur place.
- Synthorai le sert via son endpoint de chat compatible OpenAI.
FAQ
Peut-on essayer l'API Gemini 3.5 Flash-Lite gratuitement ?
Oui : les nouveaux comptes reçoivent 10 appels d'essai et jusqu'à $1 de crédit gratuit, sans carte bancaire. À $0.3/M de tokens en entrée, ce crédit couvre à lui seul environ 416 requêtes de ~8K tokens sur Gemini 3.5 Flash-Lite.
Quels sont les points forts de Gemini 3.5 Flash-Lite ?
Le plus rapide et le moins cher de la famille 3.5 ; conçu pour les sous-agents et l'analyse à haut débit ; contexte de 1M, réflexion et outils intégrés. La section À propos en donne un aperçu complet, tiré des notes de version du fournisseur.
Combien coûte Gemini 3.5 Flash-Lite ?
Sur Synthorai, Gemini 3.5 Flash-Lite coûte $0.3 par million de tokens en entrée et $2.5 par million de tokens en sortie, soit le tarif public du fournisseur, sans majoration de plateforme. Les tokens d'entrée en cache sont facturés $0.03/M.
Quelle est la fenêtre de contexte de Gemini 3.5 Flash-Lite ?
Gemini 3.5 Flash-Lite dispose d'une fenêtre de contexte de 1M tokens sur Synthorai. Une réponse peut compter jusqu'à 65,536 tokens.
Gemini 3.5 Flash-Lite prend-il en charge la mise en cache des prompts ?
Oui : la mise en cache automatique est activée par défaut, avec un mode explicite pour des économies garanties. Les tokens d'entrée en cache sont facturés $0.03/M contre $0.3/M hors cache ; les prompts doivent avoir un préfixe stable de 4,096 tokens pour être mis en cache. Guide de mise en cache des prompts →
Comment obtenir l'accès à Gemini 3.5 Flash-Lite ?
Dans votre SDK OpenAI actuel, indiquez base_url="https://synthorai.io/v1" et model="gemini-3.5-flash-lite", et c'est tout. Une seule clé API donne accès à tous les modèles de la passerelle.
Quelle est la date de coupure des connaissances de Gemini 3.5 Flash-Lite ?
Date de coupure des connaissances de Gemini 3.5 Flash-Lite : 2026-03, selon la documentation officielle du fournisseur (au 2026-07-22).
Modèles associés
Comparer
Chaque valeur de cette page est reprise de la documentation du fournisseur (lien ci-dessus) et porte la date de sa vérification. Les prix sont comparés à l'échelle du catalogue. Quand les fournisseurs ne définissent pas une spécification de la même façon, la différence est signalée et la valeur n'est pas mise en graphique. Nous ne mesurons rien ici et nous n'attribuons aucune note.