Can Gemini 3.5 Flash handle million-token contexts?

是的。Gemini 3.5 Flash 支援 100 萬個 token 的上下文視窗，適用於儲存庫規模推理、長篇 PDF 與多文件工作流程。

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

Google 指出，Gemini 3.5 Flash 在包含 Terminal-Bench 2.1 與 MCP Atlas 在內的代理與程式設計基準測試上，表現優於 Gemini 3.1 Pro。

Does the Gemini 3.5 Flash API support multimodal inputs?

是的。Gemini 3.5 Flash 可透過 Gemini API 接受文字、圖片、音訊、影片與 PDF 輸入。

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

此模型支援函式呼叫、程式碼執行、結構化輸出、Google Search grounding、Maps grounding、檔案搜尋與 URL 上下文支援。

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

是的。Google 專為長期任務的代理執行、工具編排與常駐型 AI 助理工作流程，對 Gemini 3.5 Flash 進行了最佳化。

What are the current limitations of Gemini 3.5 Flash?

Gemini 3.5 Flash 目前不支援原生圖片生成、音訊生成或 Live API 對話式串流。

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

當低延遲多模態推理、大型上下文處理，以及與 Google 生態系統整合，比頂級長篇寫作品質更重要時，Gemini 3.5 Flash 是一個很有力的選擇。

What benchmark scores has Gemini 3.5 Flash achieved?

Google 報告的評測結果包括：Terminal-Bench 2.1 為 76.2%、MCP Atlas 為 83.6%、CharXiv Reasoning 為 84.2%。

實惠的 Gemini 3.5 Flash API | text-to-text

Gemini 3.5 Flash 的技術規格

項目	Gemini 3.5 Flash
提供者	Google
模型家族	Gemini 3.5
官方模型 ID	gemini-3.5-flash
輸入類型	Text, image, video, audio, PDF
輸出類型	Text
上下文視窗	1 million tokens
最大輸出 Token	~65K output tokens
主要優勢	Agentic workflows, coding, multimodal reasoning
工具支援	Function calling, code execution, search grounding, structured outputs, URL context, file search
思考支援	Adjustable thinking/reasoning levels
安全框架	Google Frontier Safety Framework

什麼是 Gemini 3.5 Flash？

Google Gemini 3.5 Flash 是 Google 的旗艦級高速多模態推理模型，針對代理式執行、程式設計與長期工作流程進行最佳化。在維持低延遲推理特性的同時，為 Gemini Flash 系列帶來顯著更強的推理與軟體工程能力。

不同於早期主要專注於輕量化推理的 Flash 模型，Gemini 3.5 Flash 面向持久化 AI 代理、多步驟編碼系統與企業自動化管線而設計。Google 將其定位為迄今最強的代理式 Flash 級別模型。

Gemini 3.5 Flash 的主要功能

1M token 長上下文支援：可在單一提示上下文中處理超大型程式碼庫、長篇文件、PDF、逐字稿與多工作階段流程。
強大的代理式執行能力：針對多步驟自動化工作流、工具編排、終端任務與長時執行的 AI 代理進行最佳化。
先進的程式設計效能：在多項程式設計與代理基準（包括 Terminal-Bench 與 MCP Atlas）上優於 Gemini 3.1 Pro。
原生多模態推理：可同時處理文字、圖像、音訊、影片與 PDF，進行統一的推理任務。
生產級工具鏈：支援結構化輸出、函式呼叫、程式碼執行、結合 Google Search 與 Maps 的 grounding，以及檔案搜尋。
可配置的推理/思考模式：開發者可透過思考層級控制在延遲與推理深度間取捨。

Gemini 3.5 Flash 的基準表現

Google 公布的基準結果將 Gemini 3.5 Flash 定位為目前最強的代理式 Flash 級別模型之一：

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

這些分數顯示，相較於較早的 Gemini Flash 變體，在自主執行、多模態推理與軟體工程可靠性方面有大幅提升。

Gemini 3.5 Flash 與其他模型比較

能力	Gemini 3.5 Flash	Gemini 3.1 Pro	Claude Sonnet 4
上下文視窗	1M tokens	Large-context	Large-context
代理式工作流	Excellent	Strong	Strong
程式設計效能	Very strong	Strong	Excellent
推理速度	Optimized Flash latency	Slower	Moderate
多模態輸入	Native multimodal	Native multimodal	Vision + text
工具生態	Extensive Google tooling	Extensive	Strong API tooling

主要差異

相較於 Gemini 3.1 Pro：Gemini 3.5 Flash 在程式設計與自主任務執行上表現更佳，同時維持顯著更快的推理速度。
相較於 Claude Sonnet 4：Claude 在細緻的長篇推理與寫作品質方面通常更強，而 Gemini 3.5 Flash 著重於速度、代理式執行與 Google 生態系整合。
相較於 GPT 系列推理模型：Gemini 3.5 Flash 在多模態代理工作流與大上下文協調方面尤其具競爭力，特別適用於企業自動化用例。

Gemini 3.5 Flash 的已知限制

目前不支援原生的影像或音訊生成輸出。
此模型等級不支援即時對話 API。
社群基準測試顯示，在某些專門評測任務上的表現不一，尤其是高度依賴視覺的利基型工作流程。

如何存取 Gemini 3.5 Flash API

步驟 1：取得 API 存取權

登入 cometAPI。若您尚未成為我們的使用者，請先註冊。登入您的 CometAPI console。取得介面的存取憑證 API key。在個人中心的 API token 處點擊 “Add Token”，取得 token key：sk-xxxxx 並提交。

cometapi-key

步驟 2：向 Gemini 3.5 Flash API 發送請求

選擇 “` gemini-3.5-flash” 端點發送 API 請求，並設定請求本文。請求方法與請求本文可從我們網站的 API 文件取得。我們的網站亦提供 Apifox 測試，方便您使用。將 <YOUR_API_KEY> 替換為您帳戶中的實際 CometAPI key。基底 URL 為 Gemini Generating Content

將您的問題或請求插入 content 欄位—模型將回應該內容。處理 API 回應以取得生成的答案。

步驟 3：處理回應

API 會回傳結構化的候選回應，其中包含生成文字、引用、Safety 中繼資料與可選的工具輸出。

Gemini 3.5 Flash 的定價

探索 Gemini 3.5 Flash 的競爭性定價，專為滿足各種預算和使用需求而設計。我們靈活的方案確保您只需為實際使用量付費，讓您能夠隨著需求增長輕鬆擴展。了解 Gemini 3.5 Flash 如何在保持成本可控的同時提升您的專案效果。

彗星價格 (USD / M Tokens)	官方價格 (USD / M Tokens)	折扣
輸入:$1.2/M 輸出:$7.2/M	輸入:$1.5/M 輸出:$9/M	-20%

Gemini 3.5 Flash 的範例程式碼和 API

存取完整的範例程式碼和 API 資源，以簡化您的 Gemini 3.5 Flash 整合流程。我們詳盡的文件提供逐步指引，協助您在專案中充分發揮 Gemini 3.5 Flash 的潛力。

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"
      }
    }
  }'

Gemini 3.5 Flash的版本

Gemini 3.5 Flash擁有多個快照的原因可能包括：更新後輸出結果存在差異需保留舊版快照以確保一致性、為開發者提供適應與遷移的過渡期，以及不同快照對應全球或區域端點以優化使用者體驗等潛在因素。各版本間的具體差異請參閱官方文件說明。

version
gemini-3.5-flash
gemini-3.5-flash-search

Gemini 3.5 Flash