Can Gemini 3.5 Flash handle million-token contexts?

Ya. Gemini 3.5 Flash mendukung jendela konteks 1 juta token, sehingga cocok untuk penalaran skala repositori, PDF panjang, dan alur kerja multi-dokumen.

How does Gemini 3.5 Flash compare to Gemini 3.1 Pro for coding?

Google melaporkan bahwa Gemini 3.5 Flash mengungguli Gemini 3.1 Pro pada tolok ukur agentic dan pemrograman termasuk Terminal-Bench 2.1 dan MCP Atlas.

Does the Gemini 3.5 Flash API support multimodal inputs?

Ya. Gemini 3.5 Flash menerima masukan teks, gambar, audio, video, dan PDF melalui Gemini API.

What tools and integrations are available in the Gemini 3.5 Flash API?

Model ini mendukung pemanggilan fungsi, eksekusi kode, output terstruktur, grounding Google Search, grounding Maps, pencarian file, dan dukungan konteks URL.

Is Gemini 3.5 Flash suitable for AI agents and autonomous workflows?

Ya. Google secara khusus mengoptimalkan Gemini 3.5 Flash untuk eksekusi agentic jangka panjang, orkestrasi alat, dan alur kerja asisten AI yang persisten.

What are the current limitations of Gemini 3.5 Flash?

Saat ini Gemini 3.5 Flash tidak mendukung pembuatan gambar secara native, pembuatan audio, atau streaming percakapan Live API.

When should developers choose Gemini 3.5 Flash instead of Claude Sonnet 4?

Gemini 3.5 Flash adalah pilihan yang kuat ketika penalaran multimodal latensi rendah, penanganan konteks besar, dan integrasi ekosistem Google lebih penting daripada kualitas penulisan long-form yang premium.

What benchmark scores has Gemini 3.5 Flash achieved?

Google melaporkan hasil tolok ukur termasuk 76.2% pada Terminal-Bench 2.1, 83.6% pada MCP Atlas, dan 84.2% pada CharXiv Reasoning.

API Gemini 3.5 Flash Terjangkau | text-to-text

Spesifikasi Teknis Gemini 3.5 Flash

Item	Gemini 3.5 Flash
Provider	Google
Model family	Gemini 3.5
Official model ID	gemini-3.5-flash
Input types	Teks, gambar, video, audio, PDF
Output types	Teks
Context window	1 juta token
Max output tokens	~65K token keluaran
Primary strengths	Alur kerja berbasis agen, pengodean, penalaran multimodal
Tool support	Pemanggilan fungsi, eksekusi kode, grounding pencarian, output terstruktur, konteks URL, pencarian file
Thinking support	Tingkat berpikir/penalaran yang dapat disesuaikan
Safety framework	Google Frontier Safety Framework

Apa itu Gemini 3.5 Flash?

Google Gemini 3.5 Flash adalah model penalaran multimodal berkecepatan tinggi andalan Google yang dioptimalkan untuk eksekusi berbasis agen, pengodean, dan alur kerja jangka panjang. Model ini memperluas seri Gemini Flash dengan kemampuan penalaran dan rekayasa perangkat lunak yang jauh lebih kuat sekaligus mempertahankan karakteristik inferensi berlatensi rendah.

Berbeda dengan model Flash sebelumnya yang terutama berfokus pada inferensi ringan, Gemini 3.5 Flash dirancang untuk agen AI persisten, sistem pengodean multi-langkah, dan pipeline otomasi perusahaan. Google memposisikannya sebagai model Flash-tier berbasis agen terkuat mereka hingga saat ini.

Fitur Utama Gemini 3.5 Flash

Dukungan konteks panjang 1M token: Menangani repositori yang sangat besar, dokumentasi panjang, PDF, transkrip, dan alur kerja multi-sesi dalam satu konteks prompt.
Eksekusi berbasis agen yang kuat: Dioptimalkan untuk alur kerja otonom multi-langkah, orkestrasi alat, tugas terminal, dan agen AI yang berjalan lama.
Kinerja pengodean tingkat lanjut: Melampaui Gemini 3.1 Pro pada sejumlah tolok ukur pengodean dan berbasis agen termasuk Terminal-Bench dan MCP Atlas.
Penalaran multimodal bawaan: Menerima teks, gambar, audio, video, dan PDF untuk tugas penalaran terpadu.
Tooling kelas produksi: Mendukung output terstruktur, pemanggilan fungsi, eksekusi kode, grounding dengan Google Search dan Maps, serta pencarian file.
Mode penalaran/berpikir yang dapat dikonfigurasi: Pengembang dapat menyetel latensi versus kedalaman penalaran menggunakan kontrol tingkat pemikiran.

Performa Benchmark Gemini 3.5 Flash

Hasil benchmark yang dilaporkan Google menempatkan Gemini 3.5 Flash di antara model Flash-tier berbasis agen terkuat yang tersedia saat ini:

Benchmark	Gemini 3.5 Flash
Terminal-Bench 2.1	76.2%
GDPval-AA	1656 Elo
MCP Atlas	83.6%
CharXiv Reasoning	84.2%

Skor ini menunjukkan peningkatan besar dalam eksekusi otonom, penalaran multimodal, dan keandalan rekayasa perangkat lunak dibandingkan varian Gemini Flash sebelumnya.

Gemini 3.5 Flash vs Model Lain

Capability	Gemini 3.5 Flash	Gemini 3.1 Pro	Claude Sonnet 4
Context window	1M tokens	Konteks besar	Konteks besar
Agentic workflows	Sangat baik	Kuat	Kuat
Coding performance	Sangat kuat	Kuat	Sangat baik
Inference speed	Latensi Flash yang dioptimalkan	Lebih lambat	Sedang
Multimodal inputs	Multimodal bawaan	Multimodal bawaan	Visi + teks
Tool ecosystem	Tooling Google yang luas	Luas	Tooling API yang kuat

Perbedaan Utama

vs Gemini 3.1 Pro: Gemini 3.5 Flash menghadirkan pengodean dan eksekusi tugas otonom yang lebih baik sambil mempertahankan inferensi yang jauh lebih cepat.
vs Claude Sonnet 4: Claude sering tetap lebih unggul dalam penalaran nuansa jangka panjang dan kualitas penulisan, sementara Gemini 3.5 Flash menekankan kecepatan, eksekusi agen, dan integrasi ekosistem Google.
vs model penalaran GPT-series: Gemini 3.5 Flash sangat kompetitif dalam alur kerja agen multimodal dan orkestrasi konteks besar, terutama untuk kasus penggunaan otomasi perusahaan.

Keterbatasan yang Diketahui Gemini 3.5 Flash

Saat ini belum mendukung keluaran generatif gambar atau audio secara native.
API percakapan langsung belum didukung pada tier model ini.
Benchmark komunitas menunjukkan performa yang beragam pada beberapa tugas evaluasi khusus, terutama alur kerja ceruk yang sangat bergantung pada visi.

Cara Mengakses API Gemini 3.5 Flash

Langkah 1: Dapatkan Akses API

Masuk ke cometAPI. Jika Anda belum menjadi pengguna kami, silakan daftar terlebih dahulu. Masuk ke konsol CometAPI. Dapatkan kredensial akses berupa kunci API untuk antarmuka. Klik “Add Token” pada token API di pusat pribadi, dapatkan kunci token: sk-xxxxx lalu kirim.

cometapi-key

Langkah 2: Kirim Permintaan ke API Gemini 3.5 Flash

Pilih endpoint “` gemini-3.5-flash” untuk mengirim permintaan API dan atur badan permintaan. Metode permintaan dan badan permintaan diperoleh dari dokumen API di situs web kami. Situs kami juga menyediakan pengujian Apifox untuk kemudahan Anda. Ganti <YOUR_API_KEY> dengan kunci CometAPI aktual dari akun Anda. URL dasar adalah Pembuatan Konten Gemini

Masukkan pertanyaan atau permintaan Anda ke bidang content—itulah yang akan ditanggapi oleh model. Proses respons API untuk mendapatkan jawaban yang dihasilkan.

Langkah 3: Proses Respons

API mengembalikan kandidat respons terstruktur yang mencakup teks yang dihasilkan, sitasi, metadata keselamatan, dan output alat opsional.

Harga untuk Gemini 3.5 Flash

Jelajahi harga kompetitif untuk Gemini 3.5 Flash, dirancang untuk berbagai anggaran dan kebutuhan penggunaan. Paket fleksibel kami memastikan Anda hanya membayar untuk apa yang Anda gunakan, memudahkan untuk meningkatkan skala seiring berkembangnya kebutuhan Anda. Temukan bagaimana Gemini 3.5 Flash dapat meningkatkan proyek Anda sambil menjaga biaya tetap terkendali.

Harga Comet (USD / M Tokens)	Harga Resmi (USD / M Tokens)	Diskon
Masukan:$1.2/M Keluaran:$7.2/M	Masukan:$1.5/M Keluaran:$9/M	-20%

Kode contoh dan API untuk Gemini 3.5 Flash

Akses kode sampel komprehensif dan sumber daya API untuk Gemini 3.5 Flash guna mempermudah proses integrasi Anda. Dokumentasi terperinci kami menyediakan panduan langkah demi langkah, membantu Anda memanfaatkan potensi penuh Gemini 3.5 Flash dalam proyek Anda.

Python
JavaScript
Curl

from google import genai
from google.genai import types
import os

# Get your CometAPI key from https://www.cometapi.com/console/token, and paste it here
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"
BASE_URL = "https://api.cometapi.com"

client = genai.Client(
    http_options={"api_version": "v1beta", "base_url": BASE_URL},
    api_key=COMETAPI_KEY,
)

response = client.models.generate_content(
    model="gemini-3.5-flash",
    contents="Explain how parallel agentic execution works in three sentences.",
    config=types.GenerateContentConfig(
        thinking_config=types.ThinkingConfig(thinking_level="minimal"),
    ),
)

print(response.text)

Python Code Example

from google import genai
from google.genai import types
import os

# Get your CometAPI key from https://www.cometapi.com/console/token, and paste it here
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"
BASE_URL = "https://api.cometapi.com"

client = genai.Client(
    http_options={"api_version": "v1beta", "base_url": BASE_URL},
    api_key=COMETAPI_KEY,
)

response = client.models.generate_content(
    model="gemini-3.5-flash",
    contents="Explain how parallel agentic execution works in three sentences.",
    config=types.GenerateContentConfig(
        thinking_config=types.ThinkingConfig(thinking_level="minimal"),
    ),
)

print(response.text)

JavaScript Code Example

// Get your CometAPI key from https://www.cometapi.com/console/token, and paste it here
const api_key = process.env.COMETAPI_KEY;
const base_url = "https://api.cometapi.com/v1beta";
const model = "gemini-3.5-flash";
const operator = "generateContent";

async function main() {
  const response = await fetch(`${base_url}/models/${model}:${operator}`, {
    method: "POST",
    headers: {
      "Content-Type": "application/json",
      Authorization: api_key,
    },
    body: JSON.stringify({
      contents: [
        {
          parts: [
            {
              text: "Explain how parallel agentic execution works in three sentences.",
            },
          ],
        },
      ],
      generationConfig: {
        thinkingConfig: {
          thinkingLevel: "MINIMAL",
        },
      },
    }),
  });

  const data = await response.json();
  console.log(data.candidates[0].content.parts[0].text);
}

await main();

Curl Code Example

#!/bin/bash

curl "https://api.cometapi.com/v1beta/models/gemini-3.5-flash:generateContent" \
  -H "Authorization: $COMETAPI_KEY" \
  -H 'Content-Type: application/json' \
  -X POST \
  -d '{
    "contents": [
      {
        "parts": [
          {
            "text": "Explain how parallel agentic execution works in three sentences."
          }
        ]
      }
    ],
    "generationConfig": {
      "thinkingConfig": {
        "thinkingLevel": "MINIMAL"
      }
    }
  }'

Versi Gemini 3.5 Flash

Alasan Gemini 3.5 Flash memiliki beberapa _snapshot_ mungkin mencakup faktor-faktor potensial seperti variasi keluaran setelah pembaruan yang memerlukan _snapshot_ lama untuk konsistensi, memberikan masa transisi bagi pengembang untuk beradaptasi dan bermigrasi, serta _snapshot_ berbeda yang sesuai dengan _endpoint_ global atau regional untuk mengoptimalkan pengalaman pengguna. Untuk perbedaan detail antar versi, silakan merujuk ke dokumentasi resmi.

version
gemini-3.5-flash

Gemini 3.5 Flash