Google 於 2025 年 12 月 17–18 日宣布推出 Gemini 3 Flash，作為 Gemini 3 家族中低延遲、具成本效益的成員。它在 Flash 級別的體量中帶來 Pro 級推理能力，支援廣泛的多模態輸入（文字、圖片、音訊、影片），引入 thinking_level 與媒體解析度控制，並可透過 Google AI Studio、Gemini API（REST / SDKs）、Vertex AI、Gemini CLI 取得，且已成為 Google 搜尋／Gemini 應用的預設模型。
What is Gemini 3 Flash and why it matters
Gemini 3 Flash 是 Google 3 系列模型的一部分。其設計目標是推進品質、成本與延遲之間的 Pareto 前沿：在大幅提升速度與降低成本的同時，提供與 Gemini 3 Pro 相近的推理能力。這種組合讓它非常適合高頻互動情境（聊天機器人、IDE 助手、即時代理式流程）、對延遲敏感的大規模內容生成，以及需要低負擔多模態推理（圖片 + 文字 + 音訊）的應用。
Key high-level points:
- 它明確針對速度 + 低成本進行最佳化，同時保留強大的推理能力與多模態保真度（比舊的 Gemini 2.5 Pro 快三倍；保留 Gemini 3 的頂級推理能力）。
- 它被定位為代理式循環與開發者迭代工作流程（例如程式碼助理、多輪代理）的「甜蜜點」。
- Flexible： 可以依據問題的複雜度「調整思考時間」——對簡單問題立即作答，對複雜任務則考慮更多步驟。
Technical Performance and Benchmark Results
Gemini 3 Flash 在速度、智慧與成本方面實現三重突破：
1) Agentic loops and multimodal understanding
Gemini 3 Flash 延續了 Gemini 3 家族的架構與訓練改進，展現強大的多模態能力（文字、圖片、影片、音訊輸入）與相較早期 Flash 模型更佳的推理表現。Google 將 Flash 定位為可處理文件分析（OCR + 推理）、影片摘要、圖文問答，以及多模態程式任務。這種多模態能力結合低延遲，是該模型的關鍵技術賣點之一。
Google 發布的內部基準聲稱突顯其強勁的代理式編碼表現（針對代理式編碼流程的 SWE-bench Verified 約 78%），並指出 Flash 在許多任務上接近 Pro 級推理，同時仍足夠快速，適用於代理式循環與近即時工作流程。
| Benchmark | Gemini 3 Flash Score | Comparison Model | Improvement |
|---|---|---|---|
| GPQA Diamond（PhD-level reasoning） | 90.4% | 超越 Gemini 2.5 Pro | 顯著 |
| Humanity’s Last Exam（General knowledge test） | 33.7%（no tools） | 接近 Gemini 3 Pro | 高級推理 |
| MMMU Pro（Multimodal understanding） | 81.2% | 與 Gemini 3 Pro 相當 | — |
| SWE-bench Verified（Coding capability benchmark） | 78% | 高於 Gemini 3 Pro 與 2.5 系列 | 優秀 |
2) Cost and efficiency
Gemini 3 Flash 的研發理念是「Pareto Frontier」，也就是在速度、品質與成本之間找到最佳平衡。Gemini 3 Flash 明確針對價格效能進行最佳化。Google 列示 Flash 的定價相較 Pro 在相當任務上顯著更低，並將其定位為可用更低營運成本處理大量請求。對許多工作負載而言，Flash 變體旨在成為具成本效益的預設選擇——例如，Flash preview 階段的定價大約為每 1M input tokens $0.50、每 1M output tokens $3.00。實務上，這讓高頻任務在 Pro 較高的每 token 費率之下仍具可行性。
Efficiency indicators
- 速度：比 Gemini 2.5 Pro 快 3 倍（基於 Artificial Analysis 測試）。
- Token 效率：平均使用少 30% 的 tokens 完成相同任務。換言之，以相同預算取得更快、更好的結果。
- Gemini 3 Flash 具備「Dynamic Thinking Mode」——可依任務複雜度調整推理深度；需要時「多想一下」，簡單任務則快速回應。
Practical implications： 較低的每 token 或每次呼叫成本意味著在相同預算下可以執行更多查詢、更長的上下文，或更高的取樣率。效率提升也可降低基礎設施複雜度（需要的熱實例更少），並改善回應時間保證。
3) Performance benchmark
Gemini 3 Flash 在多項學術與應用基準上達到「frontier-class」表現，同時在延遲與成本方面優於早期的 Pro 模型。Google 提供了在複雜推理與知識基準（例如 GPQA 變體）上的高分數來展示其能力。
How do I use the Gemini 3 Flash API?
Which access method should I use?
- Recommended (simple + robust)： 採用 Comet 展示的 SDK 整合樣式——只需將現有的 GenAI SDK 指向 Comet 的 base URL 並提供你的 Comet API key。這可避免自行重現請求／串流解析。
- Alternate (raw/log HTTP / curl / custom stacks)： 可直接 POST 至 CometAPI 端點（Comet 接受 OpenAI 風格或供應商特定格式）。使用
Authorization: Bearer <sk-...>（Comet 範例使用 Bearer 標頭），並在 body 中指定模型字串gemini-3-flash。請在 Comet 的 API 文件中確認欲使用模型的確切路徑與查詢參數。
Quick summary — what you’ll do
- 在 CometAPI 註冊並建立 API token。
- 選擇存取方式（建議：如下所示的 SDK wrapper 模式；備選：raw HTTP/cURL）。
- 透過 CometAPI 的 base URL 呼叫
gemini-3-flash模型（Comet 會將你的請求轉送至 Google 的 Gemini 後端）。 - 按模型需求處理串流／函式呼叫／多模態輸入（詳情如下）。
以下是一個簡潔範例（基於 CometAPI 的範例樣式）說明如何透過 CometAPI 呼叫 gemini-3-flash；將 <YOUR_COMETAPI_KEY> 替換為你的實際金鑰。以下模型 ID 與端點與 CometAPI 文件相符。
from google import genaiimport os# Get your CometAPI key from https://api.cometapi.com/console/token, and paste it hereCOMETAPI_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-flash", contents="Explain how AI works in a few words",)print(response.text)
Key request parameters to consider
thinking_level—— 控制內部推理深度：MINIMAL、LOW、MEDIUM、HIGH。當不需要深層多步推理時，使用MINIMAL以獲得最低延遲與成本。media_resolution—— 用於視覺／影片輸入：low、medium、high、ultra_high。較低解析度可降低 token 等值與延遲。streamGenerateContentvsgenerateContent—— 需要逐步收到部分回覆時，使用串流以提升感知延遲體驗。- Function calling / JSON Mode —— 當需要可機器解析的輸出時，使用結構化回應。
Sending multimodal inputs (practical pointers)
- Images/PDFs： 大型媒體建議使用 Cloud Storage URI（gs://）；小型圖片多數 API 接受 base64。注意模態 token 計價——PDF 可能依端點計入圖片／文件配額。
- Video/audio： 短片可傳遞 URI；長媒體請使用批次處理流程或分段串流。請查閱 API 文件中的最大輸入大小與編碼限制。
- Function calling / tools： 使用結構化函式結構以取得 JSON 輸出並啟用安全的工具調用。Gemini 3 Flash 支援串流式函式呼叫以改善使用體驗。
Where can I access Gemini 3 Flash?
Gemini 3 Flash 可在 Google 的消費者與開發者平臺上取得：
- Google Search 與 Gemini 應用 —— Flash 已作為搜尋中 AI 模式的預設模型，並整合至 Gemini 應用體驗中供終端使用者使用。
- Google AI Studio —— 開發者立即可用的實驗場所，亦可產生測試用 API 金鑰。
- Gemini API（Generative Language / AI Developer API） —— 以
gemini-3-flash-preview提供（文件／發佈說明中使用的模型 ID），並可透過標準的 generateContent／streamGenerateContent 端點存取。 - Vertex AI（Google Cloud） —— 透過 Vertex AI 的生成式模型 API 進行生產級存取，提供適合企業工作負載的定價與配額。
- Gemini CLI —— 用於終端機式開發與腳本工作流程。
Third-party gateway CometAPI
CometAPI 已將 gemini-3-flash 納入其型錄，並在該模型頁面說明如何透過 CometAPI 的統一端點呼叫。其提供的模型 API 價格為官方價格的 20%。
What are best practices when using Gemini 3 Flash?
1) Choose thinking_level per task and tune
- 對於簡單問答與高頻互動任務，設定
MINIMAL／LOW。 - 對需要更深層思維鏈或多步規劃的任務，選擇性使用
MEDIUM／HIGH。 - 當你變更
thinking_level時，請基準測試成本與品質。Google 文件提醒thinking_level會改變內部思考軌跡與延遲。
2) Use media_resolution to control vision compute
如果傳入圖片或影片，為該任務選擇能接受的最低 media_resolution；例如，縮圖與批次抽取用 low，視覺設計評析用 high。此舉可降低影像的 token 等值並降低延遲。
3) Prefer structured outputs for automation
當你的應用需要機器可解析的輸出（例如實體抽取、工具調用），請使用 JSON Mode／函式呼叫。這將大幅簡化下游處理。盡可能強制執行嚴格的 JSON Schema，並在客戶端進行驗證。
4) Make liberal use of streaming for long responses
對長回應使用 streamGenerateContent 可降低感知延遲，並允許 UI 漸進式渲染。對長時間的多模態任務，串流部分輸出讓使用者即時看到進度。
5) Control costs with caching and context management
- 對重複引用使用上下文快取（不同模型的定價與 token 規則可能不同）。
- 避免在非必要時傳送過長上下文——偏好簡潔提示，並對大型知識庫使用檢索與落地（grounding）。
Typical usage scenarios for Gemini 3 Flash
High-volume conversational agents
Flash 天然適合需要低延遲、低成本推理的聊天機器人與客服助手。結合串流支援與高 tokens/sec，Flash 可降低使用者等待時間並降低營運成本。
sopmodal assistants and document pipelines
由於 Flash 能良好處理圖片、PDF 與短影片，常見應用包括發票抽取、手冊的多模態問答、帶圖片的客服，以及將 PDF 納入知識庫。
Real-time video analytics and moderation
據報在發佈前測試中具備高輸出速度（≈218 t/s），可在合適架構下實現近即時的短影片分析與摘要、亮點偵測，以及即時內容審核流程。
Agentic developer tooling and coding assistance
SWE-bench 成績與回報的編碼表現使 Flash 成為快速程式助理、CLI 幫手與其他優先考量低延遲的開發者工作流程的理想選擇。
Conclusion — should you adopt Gemini 3 Flash now?
Gemini 3 Flash 是一項策略性產品，專為需要在不承擔高階 Pro 模型延遲與成本的情況下，仍擁有強大推理與多模態智慧的團隊而設計。該模型尤其適合代理式編碼助理、互動式多模態代理、文件處理流水線，以及任何以低延遲與大規模為主要考量的系統。早期基準（包括 Google 與獨立分析）顯示 Flash 在品質上具競爭力，同時提供可觀的吞吐與成本優勢。
要開始，請在 Gemini 3 Flash 的 Playground 中探索其能力，並查閱 API guide 以獲得詳細指引。在存取之前，請確保你已登入 CometAPI 並取得 API key。CometAPI 提供遠低於官方的價格，協助你快速整合。
Ready to Go?→ Free trial of Gemini 3 Flash !