gemini-3.5-flashGemini 3.5 Flash 面向多步骤与智能体协作,适合快速编程迭代、跨素材信息整理和可拆分的长流程工作。
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 | 缓存读取/M | ||
|---|---|---|---|---|---|---|
Google AI Studio 谷歌官方接口 | 省50% | $0.75 | $4.5 | $0.075 | ||
Google Vertex 谷歌官方接口 | 省30% | $1.05 | $6.3 | $0.105 |
左右滑动表格,查看完整价格与性能。
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
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。
Gemini 3.5 Flash 适合智能体协作、多步骤流程和需要持续迭代的编程任务。它可以围绕明确目标读取材料、整理信息、提出行动,再结合实际结果继续修正。对于需要处理大量资料或并行子任务的应用,它也适合承担分工明确的一部分。
模型接受文本、图片、视频、音频与PDF,输出文本。比如制作培训资料时,可以把讲课录音、演示录像和讲义结合起来,整理讲解顺序、关键操作和学员容易遗漏的步骤;处理产品项目时,可以让它对照需求、界面截图和反馈记录,形成可执行的修改清单。
把长流程拆成资料提取、问题判断和成果整理等阶段,每阶段给出清楚输入与返回格式,能更容易追踪工作是否完成。子任务应保留出处和必要上下文,后续汇总才有依据,而不是只收到彼此孤立的结论。
通过应用接入函数调用、代码执行和检索等工具后,模型可以参与开发与资料处理循环。测试失败、检索缺失和材料冲突都应回传,作为下一轮工作的输入。长任务要保存中间成果与未完成事项,短任务则控制在一个可检查目标内,避免为了一个简单修改不断扩展范围。
“根据课程录音、操作录像和讲义,整理一份新员工培训稿。先提取实际演示过的步骤,再标出讲义中未演示的内容。按准备、操作、检查三个阶段组织,每一步说明输入、动作和完成标志。材料有冲突时保留原说法并列出待确认项。”
为每个子任务给出独立目标和一致的返回格式,例如一项提取操作步骤,另一项整理问题与答案;汇总时保留来源信息。
在每阶段结束时对照原目标检查成果,保存已完成步骤与下一步。新要求要明确优先级,避免把背景材料里的每个话题都扩成新任务。
/v1beta/models/gemini-3.5-flash: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。
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。
| 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 |
| 供应商 | RPM | TPM | RPD |
|---|---|---|---|
| default | 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
Gemini 3.5 Flash 面向多步骤与智能体协作,适合快速编程迭代、跨素材信息整理和可拆分的长流程工作。
创建具有 gemini-3.5-flash 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。
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。
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。
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。
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。
