Gemini 3.5 Flash-Lite는 정식 제공되는 저지연 멀티모달 모델로, Google 문서는 3.5 패밀리에서 가장 빠르고 가장 저렴한 모델이며 서브에이전트 작업이나 문서 파싱처럼 고처리량·저비용 실행에 최적화되었다고 설명합니다.
- 입력
- 텍스트 이미지 동영상 오디오 $0.3/M
- 출력
- 텍스트 $2.5/M
- 오디오 입력
- $0.3/M
- 캐시 읽기
- $0.03/M
- 컨텍스트
- 1M
- GPT-4o 대비
- 약 94% 저렴
- 지식 컷오프
- 2026-03
벤치마크
공급자 공개 자료: Alibaba (Qwen) Anthropic ByteDance Google Moonshot OpenAI Tencent Z.ai
가격 수준 비교
같은 종류의 모델 70개 중 가격 위치
이 막대는 Synthorai에 있는 같은 종류의 모델 가운데 이 모델의 가격이 어디쯤인지 보여 줍니다. 양쪽 끝에는 가장 싼 모델과 가장 비싼 모델의 이름이 있습니다. 기본 요율 기준이며 배치·리전·캐시 쓰기 할인은 가격 페이지에 있습니다.
사양 및 제한
토큰
| 컨텍스트 윈도우(공급자 사양) | 1,048,576 |
|---|---|
| 최대 출력(공급자 사양) | 65,536 |
| 지식 컷오프 | 2026-03 |
프롬프트 캐싱
| 캐싱 방식 | 자동 + 명시적 |
|---|---|
| 최소 접두사 | 4,096 |
사고
| 공급자 파라미터 | thinkingLevel |
|---|---|
| 허용 값 | minimal · low · medium · high |
| 기본값 | minimal 요청에서 지정하지 않을 때 적용 |
| 비활성화 가능 | 미지원 |
| 사고 동작 | 기본값은 가장 저렴한 수준이지만 minimal은 끄기 스위치가 아니라 하한이며, Google은 Flash-Lite가 사고 완전 끄기를 지원하지 않는다고 밝히고 있습니다. |
| 파라미터 | reasoning_effort |
| 값 | minimal · low · medium · high 게이트웨이가 받는 파라미터입니다. 위의 공급자 매핑이 적용됩니다 |
모델
| 모달리티 | 텍스트 + 이미지 + 동영상 + 오디오 → 텍스트 |
|---|
- GA
- 1,048,576 토큰 컨텍스트, 65,536 최대 출력
- 3.5 패밀리에서 가장 빠르고 저렴한 모델로, 고처리량
- 저비용 실행(서브에이전트 작업, 문서 파싱)에 최적화
- 사고와 Computer Use를 포함한 내장 도구 지원. 참고: 이 세대부터 temperature/top_p/top_k는 지원 중단되어 무시됩니다. 지식 컷오프는 DeepMind 모델 카드 기준(API 페이지에서는 해당 항목이 삭제됨) 2026년 3월이며, 카드에는 일부 도메인이 2025년 1월에 머문다는 설명이 덧붙어 있습니다
출처: Google 공식 문서 ↗
프롬프트 하나, 게이트웨이를 거쳐 측정
Gemini 3.5 Flash-Lite 통과 · 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.
출력 81 tok 지연 시간 1.9 s
지시 준수(정확히 세 문장이라 셀 수 있음), 독자에 맞춘 어조(CFO 대상), 아래 토큰 미터에 드러나는 숨은 사고 토큰 과금 차이를 봅니다.
Gemini 3.5 Flash-Lite 통과 · 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`. […]
출력 251 tok 지연 시간 2.6 s
수정이 실제로 맞는지(실행되는지), 설명이 얼마나 압축적인지, 범위가 정해진 작업에서 토큰을 얼마나 효율적으로 쓰는지를 봅니다.
Gemini 3.5 Flash-Lite 통과 · 5/5 fields, guidance null
```json { "company": "Meridian Robotics", "quarter": "September", "revenue_usd_m": 412, "growth_pct": 11, "guidance": null } ```
출력 58 tok 지연 시간 1.0 s
스키마 준수(없는 필드를 지어내지 않는지), 환각을 유도하는 조건에서의 대응(guidance 값을 일부러 주지 않음), 구조화된 출력 경로의 차이를 봅니다.
Gemini 3.5 Flash-Lite 통과 · 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.
출력 130 tok 지연 시간 2.0 s
제약 준수(단어 수 제한, 금지어 목록, 의문문 하나), 문체의 특징, 길이 조절을 봅니다.
30초 만에 Gemini 3.5 Flash-Lite 사용하기
OpenAI 호환입니다. base_url만 바꾸고 SDK는 그대로 쓰세요. 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(""));Gemini 3.5 Flash-Lite 소개
- Google 카드는 번역과 분류를 그 목록에 더하고, 에이전틱 검색을 포함해 높은 처리량이 결정적일 때 손이 가는 모델로 규정합니다.
- 텍스트·이미지·영상·오디오 입력을 1M 토큰 컨텍스트 윈도우와 65,536 출력 토큰으로 받고, 함수 호출, 구조화 출력, 코드 실행, 검색·지도 그라운딩, URL 컨텍스트, 파일 검색, 컨텍스트 캐싱, Batch API, Flex 및 Priority 추론, 그리고 프리뷰 단계의 컴퓨터 사용을 지원합니다.
- 사고는 minimal, low, medium, high의 thinking_level을 쓰고 기본값은 Gemini 3 라인에서 가장 저렴한 minimal이지만, minimal은 끄기 스위치가 아니라 하한이므로 모든 호출이 출력 요율로 과금되는 사고 토큰을 안고 갑니다.
- 지식 컷오프는 2026년 3월이며, Google은 일부 도메인은 2025년 1월에 머물러 있다고 덧붙입니다.
- 모델 페이지는 API 변경도 알립니다. temperature, top_p, top_k는 지원 중단되어 현재 무시되며, Google은 이후 세대에서는 이들을 HTTP 400으로 거부할 것이라고 밝히면서 그 대신 명시적인 시스템 지시를 권합니다.
- Synthorai는 OpenAI 호환 챗 엔드포인트로 이 모델을 서빙합니다.
자주 묻는 질문
Gemini 3.5 Flash-Lite API는 무료로 사용해 볼 수 있나요?
네. 신규 계정에는 체험 호출 10회와 최대 $1의 무료 크레딧을 드리며, 카드 등록은 필요 없습니다. 입력 100만 토큰당 $0.3 기준으로 계산하면, 이 크레딧만으로 Gemini 3.5 Flash-Lite에 약 8K 토큰짜리 요청을 416회쯤 보낼 수 있습니다.
Gemini 3.5 Flash-Lite는 어떤 작업에 가장 강한가요?
3.5 제품군에서 가장 빠르고 저렴, 고처리량 서브에이전트와 파싱에 적합, 1M 컨텍스트, 사고와 내장 도구. 자세한 내용은 공급자의 공식 릴리스 노트를 바탕으로 정리한 소개 섹션에서 확인하세요.
Gemini 3.5 Flash-Lite 가격은 얼마인가요?
Synthorai에서 Gemini 3.5 Flash-Lite 가격은 입력 100만 토큰당 $0.3, 출력 100만 토큰당 $2.5입니다. 공급자 정가 그대로이며 플랫폼 마진은 없습니다. 캐시된 입력 토큰은 100만 토큰당 $0.03입니다.
Gemini 3.5 Flash-Lite의 컨텍스트 길이는 얼마인가요?
Gemini 3.5 Flash-Lite의 컨텍스트 윈도우는 1M 토큰입니다. 한 번의 응답으로 최대 65,536 토큰까지 출력할 수 있습니다.
Gemini 3.5 Flash-Lite는 프롬프트 캐싱을 지원하나요?
네, 자동 캐싱이 기본으로 켜져 있고, 절감을 확실히 보장받고 싶다면 명시적 모드를 쓸 수 있습니다. 캐시된 입력 토큰은 100만 토큰당 $0.03입니다(캐시되지 않으면 $0.3). 캐시되려면 프롬프트에 4,096토큰 이상의 변하지 않는 접두사가 있어야 합니다. 프롬프트 캐싱 가이드 →
Gemini 3.5 Flash-Lite는 어떻게 이용하나요?
쓰던 OpenAI SDK에서 base_url="https://synthorai.io/v1", model="gemini-3.5-flash-lite"만 지정하면 됩니다. API 키 하나로 게이트웨이의 모든 모델을 쓸 수 있습니다.
Gemini 3.5 Flash-Lite의 지식 컷오프는 언제인가요?
공급자 공식 문서에 따르면 Gemini 3.5 Flash-Lite의 지식 컷오프는 2026-03입니다(2026-07-22 기준).
관련 모델
비교
이 페이지의 모든 값은 공급자 공식 문서(위 링크)에서 그대로 옮겨 적었으며, 확인한 날짜를 함께 표기합니다. 가격은 카탈로그 전체와 비교해 보여 주지만, 공급자마다 정의가 다른 사양 값은 차이만 밝히고 차트로 비교하지 않습니다. 저희가 직접 측정한 수치는 없고, 점수도 매기지 않습니다.