Documentação oficial da Google ↗ Usar em 30 segundos

Gemini 3.5 Flash

Comparar

Lançado em 2026-05-19

chatVisãoCódigoChamada de ferramentasCache de prompts Raciocínio

O Gemini 3.5 Flash é o modelo que o catálogo do Google rotula como o mais inteligente para desempenho de fronteira sustentado em tarefas agênticas e de código, descrevendo-o como inteligência otimizada para tarefas do mundo real a maior velocidade e menor custo e “projetado para a era agêntica”, destacando-se em implantação de subagentes, fluxos de trabalho em múltiplas etapas e tarefas de longo horizonte em escala.

Entrada: texto imagem vídeo áudio $1.5/M
Saída: texto $9/M
Entrada de áudio: $5/M
Leitura de cache: $0.15/M
Contexto: 1M
vs GPT-4o: ~70% mais barato
Corte de conhecimento: 2025-01

Benchmarks

Acima da médiaapenas 3 comparáveis

Gemini 3.5 Flash outros modelos medidos média dos modelos comparados ★ nenhum outro modelo pontuou mais alto

GeneBench Pro

8.14%

GDPval-AA v2 Elo · 642-1861

1348.8

AutomationBench

14.5%

Publicado pelos fornecedores: Anthropic Google Moonshot OpenAI

O preço em contexto

Posição do preço entre 60 modelos comparáveis

Entrada$1.5/M

$0.05 · Qwen3 VL Flash GPT-5.4 Pro · $30

Saída$9/M

$0.275 · DeepSeek V4 Flash GPT-5.4 Pro · $180

Leitura em cache$0.15/M

$0.0028 · DeepSeek V4 Flash GPT-5.4 Pro · $15

A barra mostra onde fica o preço deste modelo entre todos os modelos do mesmo tipo na Synthorai. Em cada extremidade está o mais barato e o mais caro. São tarifas base; os descontos de lote, região e escrita em cache estão na página de preços.

Especificações e limites

Tokens

Janela de contexto (especificação do fornecedor)	1.048.576
Saída máxima (especificação do fornecedor)	65.536
Corte de conhecimento	2025-01

Cache de prompts

Modo	automático + explícito
Prefixo mín.	4.096

Raciocínio

Parâmetro do fornecedor	thinkingLevel
Valores aceites	minimal · low · medium · high
Valor predefinido	medium aplicado quando o pedido nada indica
Pode ser desativado	Não
Comportamento do raciocínio	high é a configuração dinâmica; minimal não garante que o raciocínio esteja desligado, então os tokens de raciocínio são cobrados como tokens de saída em toda requisição e as thought signatures devem ser devolvidas para manter a continuidade entre turnos.
Parâmetro	reasoning_effort
Valores	minimal · low · medium · high a superfície de parâmetros do gateway - aplica-se o mapeamento do fornecedor acima

Modelo

Modalidades	texto + imagem + vídeo + áudio → texto

1.048.576 tokens de entrada / 65.536 de saída
execução de código suportada
computer use em Preview

conforme documentação oficial da Google ↗

Um prompt, medido pelo gateway

Raciocínio para um CFO Corrigir uma função com bug Extrair para um schema Escrever com restrições

PROMPT Explain to a CFO, in exactly three sentences, why our LLM bill doubled after we enabled reasoning. VERIFICAR exatamente 3 frases

Gemini 3.5 Flash passou · 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.

saída 1152 tok (+1065 pensamento) latência 7.7 s

Cumprimento da instrução (exatamente três frases - contáveis), ajuste ao público (registro de CFO), e a lacuna de cobrança do pensamento oculto que os medidores de tokens abaixo expõem.

PROMPT This function is supposed to return the longest run of consecutive equal items, but callers report it is off by one on single-element inputs and misses runs that end at the last index. Fix it and explain the bug in one paragraph. VERIFICAR a correção passa nos testes

Gemini 3.5 Flash passou · 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`. […]

saída 2386 tok (+2110 pensamento) latência 12.7 s

Se a correção é de fato certa (executável), a densidade da explicação, e a eficiência em tokens numa tarefa delimitada.

PROMPT Extract a JSON object with fields {company, quarter, revenue_usd_m, growth_pct, guidance} from this text. Use null for anything not stated; add no other fields. VERIFICAR JSON válido, esquema exato

Gemini 3.5 Flash passou · 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" } ```

saída 1950 tok (+1885 pensamento) latência 12.7 s

Obediência ao esquema (sem campos inventados), pressão de alucinação (guidance é explicitamente retida), e diferenças no caminho de saída estruturada.

PROMPT Write a 120-word product announcement for an API gateway feature that caches prompts across providers. Forbidden words: "seamless", "unlock", "game-changer", "revolutionize", "empower". Exactly one sentence must be a question. VERIFICAR 120 palavras, 0 palavras proibidas

Gemini 3.5 Flash falhou · 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: […]

saída 4092 tok (+3933 pensamento) latência 19.1 s

Obediência às restrições (orçamento de palavras, lista de palavras proibidas, a única pergunta), impressão digital de estilo, e controle de comprimento.

Use o Gemini 3.5 Flash 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",
    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(""));

Sobre o Gemini 3.5 Flash

O model card do Google nomeia fluxos de trabalho agênticos, tarefas de código e processos empresariais de várias semanas como seus usos pretendidos.
Ele aceita entrada de texto, imagem, vídeo, áudio e PDF em uma janela de contexto de 1.048.576 tokens com 65.536 tokens de saída, retornando texto.
Function calling, saídas estruturadas, execução de código, grounding por busca e Maps, contexto de URL, busca em arquivos, cache de contexto, a Batch API e uso de computador em preview são suportados; geração de imagens, geração de áudio e a Live API não são.
O raciocínio é definido com thinking_level, que aceita minimal, low, medium e high e assume medium por padrão, um padrão deliberadamente mais barato que o high usado pelos modelos preview do Gemini 3, embora minimal seja um piso e não um interruptor de desligar e ainda cobre tokens de raciocínio.
As thought signatures se aplicam aqui como no resto da geração.
Ele está em disponibilidade geral desde maio de 2026, e o gemini-3-flash-preview é seu alias de preview; o Google agora posiciona o 3.6 Flash acima dele em eficiência de tokens.
A Synthorai fornece acesso pelo seu endpoint de chat compatível com OpenAI.

Perguntas frequentes

A API do Gemini 3.5 Flash é gratuita para testar?

Sim. Contas novas recebem 10 chamadas de teste e até $1 em créditos gratuitos, sem precisar de cartão. A $1.5/M de tokens de entrada, só esse crédito já cobre cerca de 83 requisições de ~8K tokens ao Gemini 3.5 Flash.

Em que o Gemini 3.5 Flash é melhor?

Desempenho de fronteira sustentado em tarefas agênticas; eficaz para loops rápidos de código agêntico; suporte a preview de uso de computador e grounding. Veja a seção Sobre para o quadro completo, extraído das notas de lançamento do próprio fornecedor.

Quanto custa o Gemini 3.5 Flash?

Na Synthorai, o Gemini 3.5 Flash custa $1.5 por milhão de tokens de entrada e $9 por milhão de tokens de saída. É o preço de tabela do provedor, sem margem da plataforma. Tokens de entrada em cache são cobrados a $0.15/M.

O Gemini 3.5 Flash 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 $0.15/M, contra $1.5/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?

Aponte seu SDK da OpenAI existente para base_url="https://synthorai.io/v1", defina model="gemini-3.5-flash" e pronto. Uma única chave de API cobre todos os modelos do gateway.

Qual é o corte de conhecimento do Gemini 3.5 Flash?

O corte de conhecimento do Gemini 3.5 Flash é 2025-01, segundo a documentação oficial do fornecedor (verificado em 2026-07-09).

Modelos relacionados

chirp-2 $0.016/min chirp-3 $0.016/min veo-2.0-generate-001 $0.5/s Qwen3 VL Flash $0.05/M in Dola Seed 2.0 Mini $0.1/M in Qwen3.5 Flash $0.1/M in

Comparar

vs Gemini 3.7 Flash Comparar com qualquer modelo →

Cada valor desta página é transcrito da documentação do fornecedor, ligada acima, e traz a data em que foi verificado. Os preços são comparados em todo o catálogo; os valores de especificação que os fornecedores definem de forma diferente são apresentados com a diferença indicada em vez de representados num gráfico. Nada aqui é medido por nós, e nada é pontuado.

Obtenha sua chave API Compare seu custo →