Gemini 3.5 Flash est le modèle que le catalogue de Google désigne comme son plus intelligent pour une performance de niveau frontière soutenue sur les tâches agentiques et de codage, le décrivant comme une intelligence optimisée pour les tâches du monde réel, à plus grande vitesse et moindre coût, et « conçue pour l'ère agentique », excellant dans le déploiement de sous-agents, les workflows multi-étapes et les tâches à long horizon à grande échelle.
- Entrée
- texte image vidéo audio $1.5/M
- Sortie
- texte $9/M
- Entrée audio
- $5/M
- Lecture de cache
- $0.15/M
- Contexte
- 1M
- vs GPT-4o
- ~70% moins cher
- Coupure des connaissances
- 2025-01
Benchmarks
Chiffres publiés par les fournisseurs : Anthropic Google Moonshot OpenAI
Le prix en contexte
Position du prix parmi 60 modèles comparables
La barre montre où se 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 lot, région et écriture en 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 | 2025-01 |
Mise en cache
| Mode | automatique + explicite |
|---|---|
| Préfixe min. | 4 096 |
Raisonnement
| Paramètre du fournisseur | thinkingLevel |
|---|---|
| Valeurs acceptées | minimal · low · medium · high |
| Valeur par défaut | medium appliquée si la requête ne précise rien |
| Désactivable | Non |
| Comportement du raisonnement | high est le réglage dynamique ; minimal ne garantit pas que la réflexion est désactivée, donc les tokens de réflexion sont facturés comme des tokens de sortie à chaque requête et les signatures de pensée doivent être renvoyées pour assurer la continuité entre les tours. |
| Paramètre | reasoning_effort |
| Valeurs | minimal · low · medium · high la surface de paramètres de la passerelle - le mappage fournisseur ci-dessus s'applique |
Modèle
| Modalités | texte + image + vidéo + audio → texte |
|---|
- Entrée de 1 048 576 tokens / 65 536 en sortie
- exécution de code prise en charge
- utilisation d'ordinateur en préversion
Un prompt, mesuré via la passerelle
Gemini 3.5 Flash réussi · 3 sentences
Reasoning models do not just generate a final answer; they perform a silent, multi-step "thinking" process beforehand to ensure higher accuracy. We are billed for every single one of these invisible reasoning steps (called "thinking tokens"), which drastically increases the computational volume per query. Consequently, while our user activity remained flat, our unit costs doubled because the AI is now doing significantly more backend processing to deliver these higher-quality results.
sortie 1152 tok (+1065 réflexion) latence 7.7 s
Suivi de l'instruction (exactement trois phrases - comptables), adaptation à l'audience (registre CFO), et l'écart de facturation lié à la réflexion cachée que les compteurs de tokens ci-dessous révèlent.
Gemini 3.5 Flash réussi · 8/8 cases
Here is the corrected version of the 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 of the Bug The original code initialized `best` and `cur` to `0` instead of `1` (the minimum run length for any non-empty list), which caused it to count the number of adjacent duplicate *transitions* rather than the actual number of *elements* in a run. This resulted in an off-by-one error for all runs and caused single-element lists to incorrectly return `0`. […]
sortie 2386 tok (+2110 réflexion) latence 12.7 s
Si le correctif est réellement juste (exécutable), la densité de l'explication, et l'efficacité en tokens sur une tâche bornée.
Gemini 3.5 Flash réussi · 5/5 fields, guidance "withheld pending the Q4 close"
```json { "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": null, "guidance": "withheld pending the Q4 close" } ```
sortie 1950 tok (+1885 réflexion) latence 12.7 s
Respect du schéma (aucun champ inventé), pression d'hallucination (guidance est explicitement retenue), et différences de chemin pour la sortie structurée.
Gemini 3.5 Flash manqué · 50 words, 0 banned, 0 questions
thought 51: OpenAI, 52: Anthropic, 53: and 54: Cohere. 55: When 56: a 57: client 58: submits 59: a 60: matching 61: request, 62: the 63: gateway 64: retrieves 65: the 66: cached 67: result 68: instantly, 69: slashing 70: latency 71: and 72: reducing 73: your 74: monthly 75: […]
sortie 4092 tok (+3933 réflexion) latence 19.1 s
Respect des contraintes (budget de mots, liste de mots interdits, l'unique question), empreinte stylistique, et contrôle de la longueur.
Utilisez Gemini 3.5 Flash 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",
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",
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",
"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",
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")
.addUserMessage("Summarize this diff")
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));À propos de Gemini 3.5 Flash
- La fiche modèle de Google désigne les workflows agentiques, les tâches de codage et les processus d'entreprise s'étalant sur plusieurs semaines comme ses usages prévus.
- Il accepte du texte, des images, de la vidéo, de l'audio et des PDF en entrée dans une fenêtre de contexte de 1 048 576 tokens avec 65 536 tokens de sortie, et renvoie du texte.
- 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 et l'usage de l'ordinateur en préversion sont pris en charge ; la génération d'images, la génération audio et la Live API ne le sont pas.
- La réflexion se règle avec thinking_level, qui accepte minimal, low, medium et high et vaut medium par défaut, une valeur par défaut délibérément moins coûteuse que le high des modèles Gemini 3 en préversion, même si minimal reste un plancher et non un interrupteur et facture toujours des tokens de raisonnement.
- Les signatures de pensée s'appliquent ici comme dans le reste de la génération.
- Il est en disponibilité générale depuis mai 2026, et gemini-3-flash-preview est son alias de préversion ; Google place désormais 3.6 Flash au-dessus de lui sur l'efficacité en tokens.
- Synthorai en fournit l'accès via son endpoint de chat compatible OpenAI.
FAQ
Peut-on essayer l'API Gemini 3.5 Flash gratuitement ?
Oui : les nouveaux comptes reçoivent 10 appels d'essai et jusqu'à $1 de crédit gratuit, sans carte bancaire. À $1.5/M de tokens en entrée, ce crédit couvre à lui seul environ 83 requêtes de ~8K tokens sur Gemini 3.5 Flash.
Quels sont les points forts de Gemini 3.5 Flash ?
Performances frontière soutenues sur les tâches agentiques ; efficace pour les boucles de codage agentique rapides ; utilisation d'ordinateur en preview et ancrage. Voir la section À propos pour le tableau complet, tiré des notes de version officielles du fournisseur.
Combien coûte Gemini 3.5 Flash ?
Sur Synthorai, Gemini 3.5 Flash coûte $1.5 par million de tokens en entrée et $9 par million de tokens en sortie, soit le prix catalogue du fournisseur, sans majoration de plateforme. Les tokens d'entrée en cache sont facturés $0.15/M.
Gemini 3.5 Flash 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 $0.15/M contre $1.5/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 ?
Pointez votre SDK OpenAI existant vers base_url="https://synthorai.io/v1", définissez model="gemini-3.5-flash", et c'est tout. Une seule clé API couvre tous les modèles de la passerelle.
Quelle est la date de coupure des connaissances de Gemini 3.5 Flash ?
La date de coupure des connaissances de Gemini 3.5 Flash est 2025-01, selon la documentation officielle du fournisseur (au 2026-07-09).
Modèles associés
Comparer
Chaque valeur de cette page est transcrite de la documentation du fournisseur, liée ci-dessus, et porte la date de sa vérification. Les prix sont comparés à l'échelle du catalogue ; les valeurs de spécification que les fournisseurs définissent différemment sont présentées avec la différence indiquée plutôt que mises en graphique. Rien ici n'est mesuré par nous, et rien n'est noté.