Gemini 3.5 Flash Lite
gemini-3.5-flash-liteGemini 3.5 Flash-Lite 面向高频、低延迟的多模态处理，适合文档解析、翻译、分类和信息提取，可阅读文字、图片、音视频与 PDF，并作为工作流中的子任务助手。
- 起始价格
- 输入 / 输出 · 1M
- 上下文
- 1M
- 最大输入窗口
- 最大输出
- 65.5K
- 单次响应最大 token 数
- 模态
- →
- 知识截止
- Mar 2026
- 发布于
- Jul 2026
按供应商定价
比较同一模型在不同供应商的价格与服务表现。
| 供应商 | 折扣 | 输入/M | 输出/M | ||
|---|---|---|---|---|---|
Google AI Studio 谷歌官方接口 | 省50% | $0.15 | $0.6 | ||
Google Vertex 谷歌官方接口 | 省30% | $0.21 | $0.84 | ||
Gemini Cli Gemini cli 号池，适合 vibe coding学习等场景 | 省90% | $0.03 | $0.12 |
左右滑动表格，查看完整价格与性能。
能力 / 支持的模态
厂商与数据隐私
性能
基准测试
标准化评测得分。百分比越高越好，并展示排名百分位。
指标来源：Artificial Analysis 2026-09-30·Gemini 3.5 Flash Lite
当前基准快照不包含此模型。
缺失的模型或测量值不代表零分。
基准图表保留来源中的模型选择和思考设置。缺失的模型或测量值不代表零分，基准成本或速度也不是本站的服务承诺。
关于 Gemini 3.5 Flash Lite
为大量材料完成清楚、重复的处理
Gemini 3.5 Flash-Lite 是强调响应效率和成本控制的多模态模型，适合文档解析、内容分类、翻译和简单信息提取。它能接收文字、图片、音频、视频与 PDF，统一返回文本结果，方便把不同形式的材料送入同一业务流程。
例如处理培训资料时，可以从 PDF 提取课程主题，从录像整理章节摘要，再把多语言内容翻译成统一用语；处理业务文档时，则可以识别材料类型、提取关键字段并标记缺失项。任务数量多时，清楚的规则和稳定的输出结构比宽泛的要求更有帮助。
它也适合在智能体系统中承担范围明确的子任务，例如先筛选相关文档、归纳某一段材料或整理搜索结果，再交给后续任务综合判断。模型支持函数调用、结构化输出、搜索辅助和代码执行等能力，应用可以按需要提供工具，让提取与查询环节衔接起来。
多模态输入并不意味着直接生成对应媒体：它可以理解音视频，再用文字总结或回答问题。涉及小字、模糊录音或复杂页面时，应保留材料位置与无法判断的字段。先用一组实际样例确认分类边界和提取质量，再扩大处理范围，更容易发现规则中的遗漏。
使用场景与提示词
文档入库提示词
“请为每份培训材料生成入库记录。提取标题、主题、适用人群、前置知识和三条内容摘要；PDF 标注页码，视频标注相关片段。原文没有的信息填 null，专业术语沿用附件术语表，最后列出需要人工复查的材料。”
常见问题
- 多种材料能按同一规则处理吗？可以先定义统一字段，再分别要求保留页码、时间位置或原文段落。
- 怎样让翻译用词一致？提供术语表和目标读者，要求专名、缩写与计量单位按约定处理。
- 能输出语音吗？这个模型返回文本；需要语音成品时，可将确认后的文字交给语音合成流程。
接入 API
API 接口文档
调用示例
/v1beta/models/gemini-3.5-flash-lite:generateContent| 参数 | 类型 | 默认值 / 范围 | 说明信息 |
|---|---|---|---|
temperature | number | = 10 ~ 2 | 采样温度；越低越稳定 |
top_p | number | = 10 ~ 1 | 核采样累计概率 |
max_tokens | integer | >= 1 | 响应中最大 token 数 |
frequency_penalty | number | = 0-2 ~ 2 | 惩罚高频 token 的重复出现 |
presence_penalty | number | = 0-2 ~ 2 | 鼓励引入新话题 |
stop | array | — | 最多 4 个停止生成的字符串 |
seed | integer | — | 尽量保证可复现的采样种子 |
n | integer | = 1>= 1 | 生成的候选条数 |
stream | boolean | = false | 通过 SSE 流式返回 token |
response_format | object | — | 强制输出 JSON 对象或符合 Schema 的结果 |
tools | array | — | 模型可调用的工具 / 函数声明 |
tool_choice | string | autononerequired | 工具选择策略或具体工具名 |
logprobs | boolean | = false | 返回每个 token 的对数概率 |
top_logprobs | integer | 0 ~ 20 | 每个 token 返回的 top 概率数量 |
logit_bias | object | — | 按 token 的 logit 偏置映射 |
user | string | — | 用于风险审计的终端用户标识 |
替换 <YOUR_API_KEY> 替换为 API 密钥页面中的密钥。
身份验证
所有请求必须携带 Authorization: Bearer <TOKEN> 请求头。Anthropic 格式的端点也接受 x-api-key 请求头。
在「API 密钥」页面生成 API 密钥，可以按模型、分组、IP、速率等维度精细化授权。
支持的参数
| 参数 | 类型 | 默认值 / 范围 | 说明信息 |
|---|---|---|---|
temperature | number | = 10 ~ 2 | 采样温度；越低越稳定 |
top_p | number | = 10 ~ 1 | 核采样累计概率 |
max_tokens | integer | >= 1 | 响应中最大 token 数 |
frequency_penalty | number | = 0-2 ~ 2 | 惩罚高频 token 的重复出现 |
presence_penalty | number | = 0-2 ~ 2 | 鼓励引入新话题 |
stop | array | — | 最多 4 个停止生成的字符串 |
seed | integer | — | 尽量保证可复现的采样种子 |
n | integer | = 1>= 1 | 生成的候选条数 |
stream | boolean | = false | 通过 SSE 流式返回 token |
response_format | object | — | 强制输出 JSON 对象或符合 Schema 的结果 |
tools | array | — | 模型可调用的工具 / 函数声明 |
tool_choice | string | autononerequired | 工具选择策略或具体工具名 |
logprobs | boolean | = false | 返回每个 token 的对数概率 |
top_logprobs | integer | 0 ~ 20 | 每个 token 返回的 top 概率数量 |
logit_bias | object | — | 按 token 的 logit 偏置映射 |
user | string | — | 用于风险审计的终端用户标识 |
速率限制
| 供应商 | RPM | TPM | RPD |
|---|---|---|---|
| Gemini Cli | 无限制 | 无限制 | 无限制 |
| Google AI Studio | 无限制 | 无限制 | 无限制 |
| Google Vertex | 无限制 | 无限制 | 无限制 |
无限制
关于 gemini-3.5-flash-lite 的常见问题
gemini-3.5-flash-lite 是什么？
Gemini 3.5 Flash-Lite 面向高频、低延迟的多模态处理，适合文档解析、翻译、分类和信息提取，可阅读文字、图片、音视频与 PDF，并作为工作流中的子任务助手。
如何调用 gemini-3.5-flash-lite？
创建具有 gemini-3.5-flash-lite 访问权限的 API 密钥，然后使用 API 接入模块中的准确模型 ID 和受支持的接口。请求字段取决于所选接口。
gemini-3.5-flash-lite 如何计费？
费用取决于所选供应商分组和模型计费单位。注册前即可在本页查看当前输入、输出、单次请求或媒体价格。
gemini-3.5-flash-lite 的上下文窗口有多大？
模型目录配置的上下文窗口为 1048576 tokens。具体请求限制请查看所选接口。
gemini-3.5-flash-lite 的最大输出是多少？
模型目录配置的最大输出为 65536 tokens。请求设置可能指定更低的上限。
如何评估 gemini-3.5-flash-lite 是否适合我的项目？
请先参考本页的使用场景与提示词指南，再使用项目中的代表性输入评估模型。