O Gemini 3.5 Flash-Lite é um modelo multimodal de baixa latência em disponibilidade geral que a documentação do Google descreve como o modelo mais rápido e de menor custo da família 3.5, otimizado para execução de alta vazão e baixo custo, como tarefas de subagentes e análise de documentos.
- Entrada
- texto imagem vídeo áudio $0.3/M
- Saída
- texto $2.5/M
- Entrada de áudio
- $0.3/M
- Leitura de cache
- $0.03/M
- Contexto
- 1M
- vs GPT-4o
- ~94% mais barato
- Corte de conhecimento
- 2026-03
Benchmarks
Publicado pelos provedores: Alibaba (Qwen) Anthropic ByteDance Google Moonshot OpenAI Tencent Z.ai
O preço em contexto
Posição do preço entre 70 modelos comparáveis
A barra mostra onde fica o preço deste modelo entre todos os modelos do mesmo tipo na Synthorai. Nas extremidades aparecem o mais barato e o mais caro. São as tarifas base; os descontos de batch, região e escrita de cache estão na página de preços.
Especificações e limites
Tokens
| Janela de contexto (especificação do provedor) | 1.048.576 |
|---|---|
| Saída máxima (especificação do provedor) | 65.536 |
| Corte de conhecimento | 2026-03 |
Cache de prompts
| Modo | automático + explícito |
|---|---|
| Prefixo mín. | 4.096 |
Raciocínio
| Parâmetro do provedor | thinkingLevel |
|---|---|
| Valores aceitos | minimal · low · medium · high |
| Valor padrão | minimal usado quando a requisição não define nada |
| Pode ser desativado | Não |
| Comportamento do raciocínio | Usa por padrão o nível mais barato, mas minimal é um piso e não um interruptor, e o Google afirma que o Flash-Lite não suporta desligar o raciocínio por completo. |
| Parâmetro | reasoning_effort |
| Valores | minimal · low · medium · high parâmetros expostos pelo gateway; vale o mapeamento do provedor indicado acima |
Modelo
| Modalidades | texto + imagem + vídeo + áudio → texto |
|---|
- GA
- contexto de 1.048.576 tokens, saída máxima de 65.536
- o modelo mais rápido e de menor custo da família 3.5, otimizado para execução de alta vazão e baixo custo (tarefas de subagentes, parsing de documentos)
- raciocínio e ferramentas integradas, incluindo Computer Use. Observação: temperature/top_p/top_k estão depreciados e são ignorados a partir desta geração. O corte de conhecimento vem do model card da DeepMind (a página da API removeu essa linha): março de 2026, e o card acrescenta que alguns domínios continuam limitados a janeiro de 2025
conforme documentação oficial da Google ↗
Um prompt, medido pelo gateway
Gemini 3.5 Flash-Lite passou · 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.
saída 81 tok latência 1.9 s
Se a instrução é seguida (exatamente três frases, dá para contar), a adequação ao público (tom para um CFO) e a diferença de cobrança causada pelo raciocínio oculto, que os medidores de tokens abaixo deixam à mostra.
Gemini 3.5 Flash-Lite passou · 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`. […]
saída 251 tok latência 2.6 s
Se a correção está mesmo certa (dá para executar), a densidade da explicação e a eficiência em tokens em uma tarefa bem delimitada.
Gemini 3.5 Flash-Lite passou · 5/5 fields, guidance null
```json { "company": "Meridian Robotics", "quarter": "September", "revenue_usd_m": 412, "growth_pct": 11, "guidance": null } ```
saída 58 tok latência 1.0 s
Aderência ao schema (sem campos inventados), pressão para alucinar (o texto diz explicitamente que o guidance não foi divulgado) e diferenças no caminho de saída estruturada.
Gemini 3.5 Flash-Lite passou · 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.
saída 130 tok latência 2.0 s
Respeito às restrições (limite de palavras, lista de palavras proibidas, uma única pergunta), a marca de estilo de cada modelo e o controle do tamanho.
Use o Gemini 3.5 Flash-Lite em 30 segundos
Compatível com OpenAI: troque a base_url, mantenha seu 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(""));Sobre o Gemini 3.5 Flash-Lite
- O card do Google acrescenta tradução e classificação a essa lista e o enquadra como o modelo a escolher quando a alta vazão é crítica, incluindo busca agêntica.
- Ele aceita entrada de texto, imagem, vídeo e áudio em uma janela de contexto de 1M tokens com 65.536 tokens de saída, e suporta function calling, saídas estruturadas, execução de código, grounding por busca e Maps, contexto de URL, busca em arquivos, cache de contexto, a Batch API, inferência Flex e Priority, e uso de computador em preview.
- O raciocínio usa thinking_level com minimal, low, medium e high, assumindo minimal por padrão, o padrão mais barato da linha Gemini 3, embora minimal seja um piso e não um interruptor de desligar, então cada chamada carrega tokens de raciocínio cobrados à tarifa de saída.
- O corte de conhecimento é março de 2026, com o Google observando que alguns domínios permanecem limitados a janeiro de 2025.
- A página do modelo também sinaliza uma mudança de API: temperature, top_p e top_k estão obsoletos e atualmente ignorados, e o Google diz que gerações futuras os rejeitarão com um HTTP 400, recomendando instruções de sistema explícitas em seu lugar.
- A Synthorai o serve pelo seu endpoint de chat compatível com OpenAI.
Perguntas frequentes
A API do Gemini 3.5 Flash-Lite é gratuita para testar?
Sim. Contas novas recebem 10 chamadas de teste e até $1 em créditos gratuitos, sem precisar de cartão. A $0.3/M de tokens de entrada, só esse crédito já cobre cerca de 416 requisições de ~8K tokens ao Gemini 3.5 Flash-Lite.
Em que o Gemini 3.5 Flash-Lite é melhor?
O mais rápido e barato da família 3.5; criado para subagentes de alta vazão e parsing; contexto de 1M, raciocínio e ferramentas integradas. Veja na seção Sobre o quadro completo, tirado das notas de lançamento do próprio provedor.
Quanto custa o Gemini 3.5 Flash-Lite?
Na Synthorai, o Gemini 3.5 Flash-Lite custa $0.3 por milhão de tokens de entrada e $2.5 por milhão de tokens de saída. É o preço de tabela do provedor, sem markup da plataforma. Tokens de entrada em cache são cobrados a $0.03/M.
Qual é a janela de contexto do Gemini 3.5 Flash-Lite?
O Gemini 3.5 Flash-Lite tem uma janela de contexto de 1M tokens na Synthorai. Uma única resposta pode ter até 65,536 tokens.
O Gemini 3.5 Flash-Lite suporta cache de prompts?
Sim: o cache automático vem ativado por padrão, com um modo explícito para economia garantida. Tokens de entrada em cache são cobrados a $0.03/M, contra $0.3/M sem cache; os prompts precisam de um prefixo estável de 4,096 tokens para entrar em cache. Guia de cache de prompts →
Como obtenho acesso ao Gemini 3.5 Flash-Lite?
Aponte o SDK da OpenAI que você já usa para base_url="https://synthorai.io/v1", defina model="gemini-3.5-flash-lite" e pronto. Uma única chave de API cobre todos os modelos do gateway.
Qual é o corte de conhecimento do Gemini 3.5 Flash-Lite?
O corte de conhecimento do Gemini 3.5 Flash-Lite é 2026-03, segundo a documentação oficial do provedor (verificado em 2026-07-22).
Modelos relacionados
Comparar
Cada valor desta página foi transcrito da documentação do provedor, com link acima, e traz a data em que foi verificado. Os preços são comparados em todo o catálogo; já as especificações que cada provedor define de um jeito aparecem com a diferença indicada, em vez de irem para um gráfico. Nada aqui foi medido por nós, e nada recebe nota.