Kan Gemini 3.5 Flash håndtere kontekster på en million tokens?

Ja. Gemini 3.5 Flash støtter et kontekstvindu på 1 million tokens, noe som gjør den egnet for resonnement i repository-skala, lange PDF-er og multidokument-arbeidsflyter.

Hvilke benchmark-resultater har Gemini 3.5 Flash oppnådd?

Google rapporterer benchmark-resultater, inkludert 76.2% på Terminal-Bench 2.1, 83.6% på MCP Atlas og 84.2% på CharXiv Reasoning.

Hva er de nåværende begrensningene til Gemini 3.5 Flash?

Gemini 3.5 Flash støtter for øyeblikket ikke innebygd bildegenerering, lydgenerering eller samtalestrømming via Live API.

Støtter Gemini 3.5 Flash API multimodale inndata?

Ja. Gemini 3.5 Flash aksepterer tekst, bilder, lyd, video og PDF-inndata via Gemini API.

Hvordan står Gemini 3.5 Flash seg mot Gemini 3.1 Pro for koding?

Google rapporterer at Gemini 3.5 Flash overgår Gemini 3.1 Pro på agent- og koding-benchmarktester, inkludert Terminal-Bench 2.1 og MCP Atlas.

Er Gemini 3.5 Flash egnet for AI-agenter og autonome arbeidsflyter?

Ja. Google har spesifikt optimalisert Gemini 3.5 Flash for langsiktig agentisk utførelse, orkestrering av verktøy og vedvarende arbeidsflyter for AI-assistenter.

Hvilke verktøy og integrasjoner er tilgjengelige i Gemini 3.5 Flash API?

Modellen støtter funksjonskall, kodekjøring, strukturerte utdata, Google Search grounding, Maps grounding, filsøk og støtte for URL-kontekst.

Når bør utviklere velge Gemini 3.5 Flash i stedet for Claude Sonnet 4?

Gemini 3.5 Flash er et sterkt valg når multimodalt resonnement med lav latens, håndtering av store kontekster og integrasjon med Google-økosystemet er viktigere enn førsteklasses kvalitet på lengre tekster.

Google

API i live

gemini-3.5-flash

Gemini 3.5 Flash API

Gemini 3.5 Flash er en høyhastighets KI-modell utviklet for rask respons og effektiv kodegenerering. Den leverer betydelig forbedret genereringshastighet samtidig som den opprettholder sterk resonneringsevne, noe som gjør den egnet for sanntidsapplikasjoner og arbeidsflyter for utviklere.

Startpris

$1.20 / 1 mill. input-tokens

Forbruksbasert fakturering

API-status

I drift

99.6% oppetid / 24t

Responstid

11944 ms

Observert API-responstid

Utgitt

May 20, 2026

Google

Testmiljø

Prøv Gemini 3.5 Flash med en reell forespørsel, se gjennom parameterne og valider resultatet før du integrerer API-et.

Priser

Bruk det raske anslaget ovenfor for én kjøring, og se deretter den fullstendige sammenligningen mellom CometAPI og offisiell pris.

Én forespørsel

$0.0084

Estimert brukskostnad for CometAPI

Ti forespørsler

$0.0840

Estimert brukskostnad for CometAPI

Femten forespørsler

$0.1260

Estimert brukskostnad for CometAPI

⇌

Konvertering av kreditter

1 000 kreditter = $1

Kreditter gjør budsjetter sammenlignbare på tvers av fakturering basert på tokener, forespørsler og kjøretid. USD-beløpet forblir fasiten ved betaling.

✓Gjeldende modell i kreditter

Inndata

1,200

kreditter / 1 mill. tokener

Utdata

7,200

kreditter / 1 mill. tokener

Åpenhet om minstebeløp Denne prototypen forutsetter ikke et skjult minstebeløp per forespørsel. Hvis det gjelder en nedre faktureringsgrense eller et minste påfyllingsbeløp i produksjon, må dette vises før kjøpet og inkluderes i alle kostnadsestimater.

Modell	Comet-pris (USD / mill. tokener)	Offisiell pris (USD / mill. tokener)	Rabatt
gemini-3.5-flash	Inndata: $1.20/mill. Utdata: $7.20/mill.	Inndata: $1.50/mill. Utdata: $9.00/mill.	-20%
gemini-3.5-flash-lite	Inndata: $0.2400/mill. Utdata: $2.02/mill.	Inndata: $0.3000/mill. Utdata: $2.52/mill.	-20%

Modelloversikt

En stabil modellidentitet for søk og evaluering, kombinert med oppdaterte katalogdata som kan endres uten at sidens grunnleggende SEO-struktur må skrives om.

Stabil identitet

Hva er Gemini 3.5 Flash?

Den kanoniske modellidentiteten forblir stabil når priser og grenser endres.

Aktuelle modelldata

Gjeldende katalogøyeblikksbilde

Tilgjengelighet

Tilgjengelig

Startpris

$1.20 / 1 mill. input-tokens

Kontekst

Se funksjoner

Katalogdato

May 20, 2026

Playground 2.0 / Beslutningspanel

Bestem først. Integrer med trygghet.

Ett arbeidsområde for å sammenligne modeller, finjustere ledetekster, inspisere ruting, migrere kode og lansere et testet utgangspunkt.

Forankret til Gemini 3.5 Flash

Arbeidsflyter

Sammenlign før du bestemmer deg

Kjør den samme ledeteksten på tvers av ledende modeller, og få en anbefaling underbygget med dokumentasjon.

3 modeller · 1 kjøring

Evalueringsprompt

kodingtemperatur 0.2JSON-utdata

GPT-5

OpenAI

Kvalitet

91/100

Svartid

1.2s

Estimert kostnad

$0.018

Claude Opus 5

Anthropic

KI-valg

Kvalitet

95/100

Svartid

1.8s

Estimert kostnad

$0.024

Gemini 3 Pro

Google

Kvalitet

89/100

Svartid

0.9s

Estimert kostnad

$0.011

Anbefaling: velg Claude Opus 5 for kodegjennomgang med høy risiko; send rutinekontroller til Gemini 3 Pro for å redusere kostnadene med ~54 %.

Oversikt

En praktisk oversikt over Gemini 3.5 Flash, inkludert viktig atferd og hensyn ved integrasjon.

Tekniske spesifikasjoner for Gemini 3.5 Flash

Element	Gemini 3.5 Flash
Leverandør	Google
Modellfamilie	Gemini 3.5
Offisiell modell-ID	gemini-3.5-flash
Inndatatyper	Tekst, bilde, video, lyd, PDF
Utdatatyper	Tekst
Kontekstvindu	1 million tokens
Maks antall utdata-tokens	~65K utdata-tokens
Primære styrker	Agentbaserte arbeidsflyter, koding, multimodal resonnering
Verktøystøtte	Funksjonskall, kodekjøring, søkeforankring, strukturerte utdata, URL-kontekst, filsøk
Støtte for tenkning	Justerbare nivåer for tenkning/resonnering
Sikkerhetsrammeverk	Google Frontier Safety Framework

Hva er Gemini 3.5 Flash?

Google Gemini 3.5 Flash er Googles flaggskip for høyhastighets multimodal resonnering, optimalisert for agentisk utførelse, koding og langvarige arbeidsflyter. Den utvider Gemini Flash-serien med vesentlig sterkere resonnerings- og programvareingeniør-egenskaper samtidig som den opprettholder lav latens i inferens.

I motsetning til tidligere Flash-modeller som primært fokuserte på lettvekts inferens, er Gemini 3.5 Flash designet for persistente KI-agenter, flertrinns kodingssystemer og virksomhetsautomatisering. Google posisjonerer den som sin sterkeste agentbaserte modell i Flash-nivået til dags dato.

Hovedfunksjoner for Gemini 3.5 Flash

1M tokens langkontekststøtte: Håndterer svært store arkiver, omfattende dokumentasjon, PDF-er, transkripsjoner og flersesjons arbeidsflyter i én enkelt promptkontekst.
Sterk agentbasert utførelse: Optimalisert for flertrinns autonome arbeidsflyter, verktøyorkestrering, terminaloppgaver og langvarige KI‑agenter.
Avansert kodeytelse: Overgår Gemini 3.1 Pro på flere kode- og agent-benchmarker, inkludert Terminal-Bench og MCP Atlas.
Innebygd multimodal resonnering: Godtar tekst, bilder, lyd, video og PDF-er for samlet resonnering.
Produksjonsklare verktøy: Støtter strukturerte utdata, funksjonskall, kodekjøring, forankring mot Google Søk og Maps, samt filsøk.
Konfigurerbare resonnerings-/tenkemoduser: Utviklere kan avveie latens mot resonneringsdybde ved hjelp av tenkenivå-kontroller.

Benchmark-ytelse for Gemini 3.5 Flash

Google-rapporterte benchmarkresultater plasserer Gemini 3.5 Flash blant de sterkeste agentiske modellene i Flash-nivået som er tilgjengelige i dag:

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

Disse resultatene indikerer store gevinster i autonom utførelse, multimodal resonnering og pålitelighet i programvareingeniørarbeid sammenlignet med tidligere Gemini Flash-varianter.

Gemini 3.5 Flash vs. andre modeller

Egenskap	Gemini 3.5 Flash	Gemini 3.1 Pro	Claude Sonnet 4
Kontekstvindu	1M tokens	Stor kontekst	Stor kontekst
Agentbaserte arbeidsflyter	Utmerket	Sterk	Sterk
Kodeytelse	Svært sterk	Sterk	Utmerket
Inferenshastighet	Optimalisert Flash-latens	Tregere	Moderat
Multimodale inndata	Innebygd multimodal	Innebygd multimodal	Visjon + tekst
Verktøyøkosystem	Omfattende Google-verktøy	Omfattende	Sterke API-verktøy

Viktige forskjeller

vs Gemini 3.1 Pro: Gemini 3.5 Flash leverer bedre koding og autonom oppgaveutførelse samtidig som den opprettholder betydelig raskere inferens.
vs Claude Sonnet 4: Claude er ofte sterkere i nyansert langformresonnering og skrivekvalitet, mens Gemini 3.5 Flash vektlegger hastighet, agentutførelse og integrasjon i Google-økosystemet.
vs GPT-seriens resonneringsmodeller: Gemini 3.5 Flash er særlig konkurransedyktig i multimodale agentarbeidsflyter og orkestrering av store kontekster, spesielt for virksomhetsautomatisering.

Kjente begrensninger for Gemini 3.5 Flash

Støtter for øyeblikket ikke innebygd bilde- eller lydgenerering i utdata.
Live samtale-API-er støttes ikke på dette modellnivået.
Fellesskapsbenchmarker viser blandet ytelse på enkelte spesialiserte evalueringer, spesielt nisje-arbeidsflyter som er svært visuelle.

Slik får du tilgang til Gemini 3.5 Flash API

Trinn 1: Få API-tilgang

Logg inn på CometAPI. Hvis du ikke er bruker hos oss ennå, registrer deg først. Logg inn på din CometAPI console. Hent API-nøkkelen for tilgang til grensesnittet. Klikk “Add Token” ved API-tokenet i personssenteret, få token-nøkkelen: sk-xxxxx og send inn.

cometapi-key

Trinn 2: Send forespørsler til Gemini 3.5 Flash API

Velg “` gemini-3.5-flash” endepunktet for å sende API-forespørselen og sett forespørselens body. Forespørselsmetoden og body hentes fra API-dokumentasjonen på nettstedet vårt. Nettstedet vårt tilbyr også Apifox-test for din bekvemmelighet. Bytt ut <YOUR_API_KEY> med din faktiske CometAPI-nøkkel fra kontoen din. base url er Gemini Generating Content

Sett inn spørsmålet eller forespørselen din i content-feltet—dette er hva modellen vil svare på. Behandle API-responsen for å hente generert svar.

Trinn 3: Behandle svar

API-et returnerer strukturerte kandidatsvar, inkludert generert tekst, henvisninger, sikkerhetsmetadata og valgfrie verktøyutdata.

FAQ

Beslutningssenter for modeller

Kjenn kostnaden. Velg riktig arbeidsmengde.

Modeller de fem faktureringsdimensjonene, test en realistisk arbeidsmengde og avgjør hvor Opus er verdt pristillegget før du lanserer.

20 % under offisiell pris$1.20 mot $1.50 / 1 mill. inndatatokener

Kostnadslaboratorium

Beregn prisen på en reell agentkjøring

Spill av reelle arbeidsbelastninger på nytt i stedet for å sammenligne tokenpriser isolert. Last inn en forhåndsinnstilling, og juster deretter alle faktureringsdimensjoner.

Nye inndatatokener

tokener

Tokener lest fra hurtigbuffer

tokener

Utdatatokener

tokener

Nettsøkkall

kall

$1.20

/ 1 mill. token

Inndata

Nye instruksjoner, filer og samtalekontekst som sendes i hver runde.

Reduser den hentede konteksten før den når modellen.

$0.1200

/ 1 mill. token

Lesing fra hurtigbuffer

Tidligere hurtigbufrede ledeteksttoken som gjenbrukes i senere forespørsler.

Hold systemledetekster og repositoriekart identiske på byte-nivå.

$7.20

/ 1 mill. token

Utdata

Resonnering, kode og tekst generert av modellen.

Bruk eksplisitte fullføringskriterier og grenser for utdata.

$8.00

/ 1 000 kall

Nettsøk

Verktøykall som henter oppdatert informasjon fra nettet.

Søk én gang, og gjenbruk deretter verifiserte resultater gjennom hele kjøringen.

Der Opus forsvarer pristillegget

Passer best

Utvikling på repositorienivå

Bruk Opus når oppgaven omfatter arkitektur, flere filer og tvetydige avveininger i implementeringen.

Passer best

Langvarige agenter

Et godt valg når en agent må bevare intensjonen gjennom mange verktøykall og gjenopprettingstrinn.

Verdt pristillegget

Gjennomgang med høy verdi

Reserver den for sikkerhets-, migrerings- og produksjonsgjennomganger der et oversett problem koster mer enn tokenene.

Bruk en lettere modell

Rutinearbeid med stort volum

Klassifisering, uttrekking og enkel chat gir vanligvis bedre enhetsøkonomi med Sonnet eller Haiku.

Veiledning for ledetekstbufring

Stabiliser prefikset

Hold retningslinjer, verktøyskjemaer og repositoriekart uendret.

Skriv én gang

Plasser hurtigbufferens skillepunkt etter den gjenbrukbare konteksten.

Les gjentatte ganger

Legg bare til den oppgavespesifikke endringen i senere runder.

Gjeldende scenario

240K hurtigbufrede token

gjenbrukt til 10 % av prisen på nye inndata

unngått kostnad

$0.2592

Migrer uten å skrive om

Behold foretrukket SDK, og endre basis-URL-en, nøkkelen og modell-ID-en.

messages.ts

import Anthropic from '@anthropic-ai/sdk';

const client = new Anthropic({
  apiKey: process.env.COMETAPI_KEY,
  baseURL: 'https://api.cometapi.com',
});

const message = await client.messages.create({
  model: 'gemini-3.5-flash',
  max_tokens: 4096,
  messages: [{ role: 'user', content: 'Review this change.' }],
});

API

Kopier et fungerende endepunkt og kodeeksempel, og åpne den fullstendige API-referansen når du trenger alle parameterne.

Ett API, produksjonsklar modelltilgang

Autentiser én gang, kall modellens endepunkt, og behold samme faktureringen og overvåkningsflyt på tvers av leverandører.

POST/v1beta/models/{model}:generateContentPOST/v1/chat/completions

Eksempelkode og API for Gemini 3.5 Flash

Få tilgang til omfattende eksempelkode og API-ressurser for Gemini 3.5 Flash for å effektivisere integreringsprosessen din. Vår detaljerte dokumentasjon gir trinn-for-trinn-veiledning som hjelper deg med å utnytte det fulle potensialet til Gemini 3.5 Flash i prosjektene dine.

POST

/v1beta/models/{model}:generateContent

POST

/v1/chat/completions

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"
      }
    }
  }'

cURL Code Example

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"
      }
    }
  }'

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();

Funksjoner

Se gjennom de viktigste modellopplysningene før du velger arkitektur eller anslår produksjonsbelastning.

Støttede funksjoner

Funksjoner returnert av det eksisterende modell-API-et.

text-to-text

pdf-to-text

image-to-text

speech-to-text

video-to-text

Inndata og utdata

Inndata

text

Utdata

text

Produksjonsprofil

Leverandør: Google
Kontekst: Avhenger av modellen
Kommersiell bruk: Støttet

Bruksområder

Bruk Gemini 3.5 Flash til produksjonsarbeidsflyter som passer text-funksjonene, og sammenlign deretter alternativer før en langsiktig integrasjon.

Produksjonschat og agentarbeidsflyter

Koding, analyse og strukturert generering

Automatisering i stor skala via ett API

Andre modeller

Sammenlign andre modeller tilgjengelig via CometAPI basert på kvalitet, ventetid, funksjoner og pris.

Åpne modellsammenligning →

CometAPI

AUTO

CometAPI Auto API is an intelligent model routing feature that allows developers to access the appropriate AI model without specifying a specific model ID for each request.

Se modell

Anthropic

Claude Fable 5.2

Claude Fable 5.2 er Anthropics avanserte KI-modell for komplekst, åpent definert teknisk arbeid som krever vedvarende resonnering, planlegging og utførelse på tvers av flere trinn.

Se modell

Google

Gemini 4 Carbon

Gemini 4 Carbon er Googles resonneringsmodell for kompleks programvareutvikling, vitenskapelig resonnering og vedvarende agentarbeidsflyter. Den er tilgjengelig på CometAPI gjennom det native Gemini API-et og det OpenAI-kompatible Chat API-et.

Se modell

Hunyuan

Hy 4

Tencent Hy4 er en stor språkmodell av neste generasjon, utviklet av Tencents Hunyuan-team, utformet for komplekst resonnement, agent-baserte arbeidsflyter, programvareutvikling og produktivitetsoppgaver i den virkelige verden.

Se modell

OpenAI

GPT-6 Luna

GPT-6 Luna (gpt-6-luna) er OpenAIs effektive GPT-6-modell for fokuserte arbeidslaster med høyt volum. OpenAI plasserer Luna under GPT-6 Sol i GPT-6-familien og vektlegger effektivitet, repeterbarhet og kostnadssensitiv produksjonsbruk.

Se modell

DeepSeek

DeepSeek V4.1 Flash

Den 17. oktober 2026 lanserte selskapet **DeepSeek-V4.1-Flash-1017**, en målrettet oppdatering av V4.1-Flash-modellen (opprinnelig lansert 10. september 2026). Markedsført som å gi betydelige forbedringer i resonnering, koding, agentfunksjonalitet og visuell forståelse—samtidig som den reduserer tiden for oppgaveutførelse og lengden på utdata—posisjoneres denne checkpointen som DeepSeeks kraftigste effektive modell til dags dato for reelle agent- og kodearbeidslaster.

Se modell

Oppetid

Se gjennom live heartbeat-data, endepunkttilgjengelighet og observerte responstider før du går i produksjon.

Oppetid

Forespørselssuccessrate over de siste 30 dagene, som gjenspeiler påliteligheten til hver modellleverandør. CometAPI overvåker alle tilkoblede leverandører i sanntid, 24/7.

RespondLIVE

11944msAvg. Response

UptimeLIVE

99.6%Avg. Uptime

Versjoner

Se gjennom tilgjengelige modellidentifikatorer før du fastsetter en produksjonsintegrasjon.

gemini-3.5-flash

gemini-3.5-flash-lite

Oppdateringer

Følg med på vesentlige endringer i tilgjengelighet, priser og funksjoner for Gemini 3.5 Flash uten å miste den stabile modellsiden.

Modellens endringslogg

Én side som blir bedre over tid.

Versjonsnotater, prisendringer, oppdateringer av ytelsesmålinger og migreringsveiledning samles her, mens den kanoniske URL-en forblir uendret.

May 20, 2026

API-tilgjengelighet bekreftet

Gemini 3.5 Flash er tilgjengelig gjennom CometAPI-modellkatalogen og API-dokumentasjonen.

Gjeldende

Aktuelle data

Priser og begrensninger synkronisert fra katalogen

Pris, kontekst, tilgjengelighet og begrensninger behandles som dynamiske egenskaper i stedet for å være innebygd i sidetittelen eller modellidentiteten.

Feb 5, 2026

Permanent modellentitet opprettet

Leverandøren og modell-sluggen utgjør en varig kanonisk URL; fremtidig innhold og dataoppdateringer forblir på denne siden.

Fortsett å utforske

Sammenlign modeller og fortsett research

Google

API i live

gemini-3.5-flash

Gemini 3.5 Flash API

Startpris

$1.20 / 1 mill. input-tokens

Forbruksbasert fakturering

API-status

I drift

99.6% oppetid / 24t

Responstid

11944 ms

Observert API-responstid

Utgitt

May 20, 2026

Google

Testmiljø

Prøv Gemini 3.5 Flash med en reell forespørsel, se gjennom parameterne og valider resultatet før du integrerer API-et.

Priser

Bruk det raske anslaget ovenfor for én kjøring, og se deretter den fullstendige sammenligningen mellom CometAPI og offisiell pris.

Én forespørsel

$0.0084

Estimert brukskostnad for CometAPI

Ti forespørsler

$0.0840

Estimert brukskostnad for CometAPI

Femten forespørsler

$0.1260

Estimert brukskostnad for CometAPI

⇌

Konvertering av kreditter

1 000 kreditter = $1

Kreditter gjør budsjetter sammenlignbare på tvers av fakturering basert på tokener, forespørsler og kjøretid. USD-beløpet forblir fasiten ved betaling.

✓Gjeldende modell i kreditter

Inndata

1,200

kreditter / 1 mill. tokener

Utdata

7,200

kreditter / 1 mill. tokener

Modell	Comet-pris (USD / mill. tokener)	Offisiell pris (USD / mill. tokener)	Rabatt
gemini-3.5-flash	Inndata: $1.20/mill. Utdata: $7.20/mill.	Inndata: $1.50/mill. Utdata: $9.00/mill.	-20%
gemini-3.5-flash-lite	Inndata: $0.2400/mill. Utdata: $2.02/mill.	Inndata: $0.3000/mill. Utdata: $2.52/mill.	-20%

Modelloversikt

En stabil modellidentitet for søk og evaluering, kombinert med oppdaterte katalogdata som kan endres uten at sidens grunnleggende SEO-struktur må skrives om.

Stabil identitet

Hva er Gemini 3.5 Flash?

Den kanoniske modellidentiteten forblir stabil når priser og grenser endres.

Aktuelle modelldata

Gjeldende katalogøyeblikksbilde

Tilgjengelighet

Tilgjengelig

Startpris

$1.20 / 1 mill. input-tokens

Kontekst

Se funksjoner

Katalogdato

May 20, 2026

Playground 2.0 / Beslutningspanel

Bestem først. Integrer med trygghet.

Ett arbeidsområde for å sammenligne modeller, finjustere ledetekster, inspisere ruting, migrere kode og lansere et testet utgangspunkt.

Forankret til Gemini 3.5 Flash

Arbeidsflyter

Sammenlign før du bestemmer deg

Kjør den samme ledeteksten på tvers av ledende modeller, og få en anbefaling underbygget med dokumentasjon.

3 modeller · 1 kjøring

Evalueringsprompt

kodingtemperatur 0.2JSON-utdata

GPT-5

OpenAI

Kvalitet

91/100

Svartid

1.2s

Estimert kostnad

$0.018

Claude Opus 5

Anthropic

KI-valg

Kvalitet

95/100

Svartid

1.8s

Estimert kostnad

$0.024

Gemini 3 Pro

Google

Kvalitet

89/100

Svartid

0.9s

Estimert kostnad

$0.011

Anbefaling: velg Claude Opus 5 for kodegjennomgang med høy risiko; send rutinekontroller til Gemini 3 Pro for å redusere kostnadene med ~54 %.

Oversikt

En praktisk oversikt over Gemini 3.5 Flash, inkludert viktig atferd og hensyn ved integrasjon.

Tekniske spesifikasjoner for Gemini 3.5 Flash

Element	Gemini 3.5 Flash
Leverandør	Google
Modellfamilie	Gemini 3.5
Offisiell modell-ID	gemini-3.5-flash
Inndatatyper	Tekst, bilde, video, lyd, PDF
Utdatatyper	Tekst
Kontekstvindu	1 million tokens
Maks antall utdata-tokens	~65K utdata-tokens
Primære styrker	Agentbaserte arbeidsflyter, koding, multimodal resonnering
Verktøystøtte	Funksjonskall, kodekjøring, søkeforankring, strukturerte utdata, URL-kontekst, filsøk
Støtte for tenkning	Justerbare nivåer for tenkning/resonnering
Sikkerhetsrammeverk	Google Frontier Safety Framework

Hva er Gemini 3.5 Flash?

Hovedfunksjoner for Gemini 3.5 Flash

1M tokens langkontekststøtte: Håndterer svært store arkiver, omfattende dokumentasjon, PDF-er, transkripsjoner og flersesjons arbeidsflyter i én enkelt promptkontekst.
Sterk agentbasert utførelse: Optimalisert for flertrinns autonome arbeidsflyter, verktøyorkestrering, terminaloppgaver og langvarige KI‑agenter.
Avansert kodeytelse: Overgår Gemini 3.1 Pro på flere kode- og agent-benchmarker, inkludert Terminal-Bench og MCP Atlas.
Innebygd multimodal resonnering: Godtar tekst, bilder, lyd, video og PDF-er for samlet resonnering.
Produksjonsklare verktøy: Støtter strukturerte utdata, funksjonskall, kodekjøring, forankring mot Google Søk og Maps, samt filsøk.
Konfigurerbare resonnerings-/tenkemoduser: Utviklere kan avveie latens mot resonneringsdybde ved hjelp av tenkenivå-kontroller.

Benchmark-ytelse for Gemini 3.5 Flash

Google-rapporterte benchmarkresultater plasserer Gemini 3.5 Flash blant de sterkeste agentiske modellene i Flash-nivået som er tilgjengelige i dag:

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

Disse resultatene indikerer store gevinster i autonom utførelse, multimodal resonnering og pålitelighet i programvareingeniørarbeid sammenlignet med tidligere Gemini Flash-varianter.

Gemini 3.5 Flash vs. andre modeller

Egenskap	Gemini 3.5 Flash	Gemini 3.1 Pro	Claude Sonnet 4
Kontekstvindu	1M tokens	Stor kontekst	Stor kontekst
Agentbaserte arbeidsflyter	Utmerket	Sterk	Sterk
Kodeytelse	Svært sterk	Sterk	Utmerket
Inferenshastighet	Optimalisert Flash-latens	Tregere	Moderat
Multimodale inndata	Innebygd multimodal	Innebygd multimodal	Visjon + tekst
Verktøyøkosystem	Omfattende Google-verktøy	Omfattende	Sterke API-verktøy

Viktige forskjeller

vs Gemini 3.1 Pro: Gemini 3.5 Flash leverer bedre koding og autonom oppgaveutførelse samtidig som den opprettholder betydelig raskere inferens.
vs Claude Sonnet 4: Claude er ofte sterkere i nyansert langformresonnering og skrivekvalitet, mens Gemini 3.5 Flash vektlegger hastighet, agentutførelse og integrasjon i Google-økosystemet.
vs GPT-seriens resonneringsmodeller: Gemini 3.5 Flash er særlig konkurransedyktig i multimodale agentarbeidsflyter og orkestrering av store kontekster, spesielt for virksomhetsautomatisering.

Kjente begrensninger for Gemini 3.5 Flash

Støtter for øyeblikket ikke innebygd bilde- eller lydgenerering i utdata.
Live samtale-API-er støttes ikke på dette modellnivået.
Fellesskapsbenchmarker viser blandet ytelse på enkelte spesialiserte evalueringer, spesielt nisje-arbeidsflyter som er svært visuelle.

Slik får du tilgang til Gemini 3.5 Flash API

Trinn 1: Få API-tilgang

cometapi-key

Trinn 2: Send forespørsler til Gemini 3.5 Flash API

Sett inn spørsmålet eller forespørselen din i content-feltet—dette er hva modellen vil svare på. Behandle API-responsen for å hente generert svar.

Trinn 3: Behandle svar

API-et returnerer strukturerte kandidatsvar, inkludert generert tekst, henvisninger, sikkerhetsmetadata og valgfrie verktøyutdata.

FAQ

Beslutningssenter for modeller

Kjenn kostnaden. Velg riktig arbeidsmengde.

Modeller de fem faktureringsdimensjonene, test en realistisk arbeidsmengde og avgjør hvor Opus er verdt pristillegget før du lanserer.

20 % under offisiell pris$1.20 mot $1.50 / 1 mill. inndatatokener

Kostnadslaboratorium

Beregn prisen på en reell agentkjøring

Spill av reelle arbeidsbelastninger på nytt i stedet for å sammenligne tokenpriser isolert. Last inn en forhåndsinnstilling, og juster deretter alle faktureringsdimensjoner.

Nye inndatatokener

tokener

Tokener lest fra hurtigbuffer

tokener

Utdatatokener

tokener

Nettsøkkall

kall

$1.20

/ 1 mill. token

Inndata

Nye instruksjoner, filer og samtalekontekst som sendes i hver runde.

Reduser den hentede konteksten før den når modellen.

$0.1200

/ 1 mill. token

Lesing fra hurtigbuffer

Tidligere hurtigbufrede ledeteksttoken som gjenbrukes i senere forespørsler.

Hold systemledetekster og repositoriekart identiske på byte-nivå.

$7.20

/ 1 mill. token

Utdata

Resonnering, kode og tekst generert av modellen.

Bruk eksplisitte fullføringskriterier og grenser for utdata.

$8.00

/ 1 000 kall

Nettsøk

Verktøykall som henter oppdatert informasjon fra nettet.

Søk én gang, og gjenbruk deretter verifiserte resultater gjennom hele kjøringen.

Der Opus forsvarer pristillegget

Passer best

Utvikling på repositorienivå

Bruk Opus når oppgaven omfatter arkitektur, flere filer og tvetydige avveininger i implementeringen.

Passer best

Langvarige agenter

Et godt valg når en agent må bevare intensjonen gjennom mange verktøykall og gjenopprettingstrinn.

Verdt pristillegget

Gjennomgang med høy verdi

Reserver den for sikkerhets-, migrerings- og produksjonsgjennomganger der et oversett problem koster mer enn tokenene.

Bruk en lettere modell

Rutinearbeid med stort volum

Klassifisering, uttrekking og enkel chat gir vanligvis bedre enhetsøkonomi med Sonnet eller Haiku.

Veiledning for ledetekstbufring

Stabiliser prefikset

Hold retningslinjer, verktøyskjemaer og repositoriekart uendret.

Skriv én gang

Plasser hurtigbufferens skillepunkt etter den gjenbrukbare konteksten.

Les gjentatte ganger

Legg bare til den oppgavespesifikke endringen i senere runder.

Gjeldende scenario

240K hurtigbufrede token

gjenbrukt til 10 % av prisen på nye inndata

unngått kostnad

$0.2592

Migrer uten å skrive om

Behold foretrukket SDK, og endre basis-URL-en, nøkkelen og modell-ID-en.

messages.ts

import Anthropic from '@anthropic-ai/sdk';

const client = new Anthropic({
  apiKey: process.env.COMETAPI_KEY,
  baseURL: 'https://api.cometapi.com',
});

const message = await client.messages.create({
  model: 'gemini-3.5-flash',
  max_tokens: 4096,
  messages: [{ role: 'user', content: 'Review this change.' }],
});

API

Kopier et fungerende endepunkt og kodeeksempel, og åpne den fullstendige API-referansen når du trenger alle parameterne.

Ett API, produksjonsklar modelltilgang

Autentiser én gang, kall modellens endepunkt, og behold samme faktureringen og overvåkningsflyt på tvers av leverandører.

POST/v1beta/models/{model}:generateContentPOST/v1/chat/completions

Eksempelkode og API for Gemini 3.5 Flash

POST

/v1beta/models/{model}:generateContent

POST

/v1/chat/completions

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"
      }
    }
  }'

cURL Code Example

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"
      }
    }
  }'

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();

Funksjoner

Se gjennom de viktigste modellopplysningene før du velger arkitektur eller anslår produksjonsbelastning.

Støttede funksjoner

Funksjoner returnert av det eksisterende modell-API-et.

text-to-text

pdf-to-text

image-to-text

speech-to-text

video-to-text

Inndata og utdata

Inndata

text

Utdata

text

Produksjonsprofil

Leverandør: Google
Kontekst: Avhenger av modellen
Kommersiell bruk: Støttet

Bruksområder

Bruk Gemini 3.5 Flash til produksjonsarbeidsflyter som passer text-funksjonene, og sammenlign deretter alternativer før en langsiktig integrasjon.

Produksjonschat og agentarbeidsflyter

Koding, analyse og strukturert generering

Automatisering i stor skala via ett API

Andre modeller

Sammenlign andre modeller tilgjengelig via CometAPI basert på kvalitet, ventetid, funksjoner og pris.

Åpne modellsammenligning →

CometAPI

AUTO

CometAPI Auto API is an intelligent model routing feature that allows developers to access the appropriate AI model without specifying a specific model ID for each request.

Se modell

Anthropic

Claude Fable 5.2

Claude Fable 5.2 er Anthropics avanserte KI-modell for komplekst, åpent definert teknisk arbeid som krever vedvarende resonnering, planlegging og utførelse på tvers av flere trinn.

Oppetid

Se gjennom live heartbeat-data, endepunkttilgjengelighet og observerte responstider før du går i produksjon.

Oppetid

Forespørselssuccessrate over de siste 30 dagene, som gjenspeiler påliteligheten til hver modellleverandør. CometAPI overvåker alle tilkoblede leverandører i sanntid, 24/7.

RespondLIVE

11944msAvg. Response

UptimeLIVE

99.6%Avg. Uptime

Versjoner

Se gjennom tilgjengelige modellidentifikatorer før du fastsetter en produksjonsintegrasjon.

gemini-3.5-flash

gemini-3.5-flash-lite

Oppdateringer

Følg med på vesentlige endringer i tilgjengelighet, priser og funksjoner for Gemini 3.5 Flash uten å miste den stabile modellsiden.

Modellens endringslogg

Én side som blir bedre over tid.

Versjonsnotater, prisendringer, oppdateringer av ytelsesmålinger og migreringsveiledning samles her, mens den kanoniske URL-en forblir uendret.

May 20, 2026

API-tilgjengelighet bekreftet

Gemini 3.5 Flash er tilgjengelig gjennom CometAPI-modellkatalogen og API-dokumentasjonen.

Gjeldende

Aktuelle data

Priser og begrensninger synkronisert fra katalogen

Pris, kontekst, tilgjengelighet og begrensninger behandles som dynamiske egenskaper i stedet for å være innebygd i sidetittelen eller modellidentiteten.

Feb 5, 2026

Permanent modellentitet opprettet

Leverandøren og modell-sluggen utgjør en varig kanonisk URL; fremtidig innhold og dataoppdateringer forblir på denne siden.

Fortsett å utforske