Gemini 3.5 Flash Lite

googlegoogle/gemini-3.5-flash-lite

Google's budget Flash-Lite tier in the 3.5 line, released 2026-07-21. Built for high-volume, latency-sensitive classification, extraction, and summarisation at a fraction of Flash pricing.

发布公告 — blog.google ↗Gemini API 模型文档 ↗DeepMind 模型卡（benchmark） ↗

Gemini 3.5 Flash-Lite 是 Google 3.5 系列的低成本档，于 2026 年 7 月 21 日与 Gemini 3.6 Flash 一同发布。Google 的官方一句话定位是「3.5 系列中最快、最具成本效益、面向高吞吐执行的模型」。它保留了与大档同级的 1,048,576 token 输入窗口与 65,536 token 输出上限，并支持可调 thinking 档位，让调用方按请求在延迟与质量之间取舍。

它的价值点在于相对上一代低成本档的能力跃升。对比 Gemini 3.1 Flash-Lite，Google 模型卡显示 SWE-Bench Pro 54.2% vs 38.3%、OSWorld-Verified 74.0% vs 54.3%，而价格为输入 $0.30/1M、输出 $2.50/1M，仅为 Gemini 3.5 Flash 输入价的五分之一。在 TheRouter 上通过 OpenAI 兼容的 chat completions API 提供，按 Google 公布的 Standard 档原价计价。

适合使用

• 以单 token 成本为主导的高吞吐分类、抽取、路由与摘要——$0.30 / $2.50 每 1M 分别是 google/gemini-3.5-flash 的五分之一与三分之一
• 低成本长文档处理——保留完整 1M token 输入窗口，GDM-MRCR v2 在 128K 上 72.2%，明显高于 Gemini 3.1 Flash-Lite 的 60.1%
• 对延迟敏感的交互路径——Google 引用 350 输出 tokens/秒，可调 thinking 档位允许在追求速度时降低推理量
• 更大流水线中的 agentic 子任务——虽属低成本档，仍支持函数调用、结构化输出、代码执行与内置 computer-use 工具

不适合使用

• 追求前沿质量的编程与长程 agent 任务——google/gemini-3.6-flash 大幅领先（Terminal-Bench 2.1 78.0% vs 54.0%）
• 无需 3.5 档质量的极致低价批量任务——google/gemini-2.5-flash-lite 为 $0.10 / $0.40 每 1M，价格约为其三分之一
• 实时双向音频会话——Google 模型页列出本模型不支持 Live API

上下文长度

1.0M

最大输出

66K

输入价格每百万 tokens

$0.324每百万 Tokens

输出价格每百万 tokens

$2.70每百万 Tokens

模态能力

文本图像PDF→文本

能力

视觉理解

价格明细

类型	费率
输入	$0.324 每百万 Tokens
输出	$2.70 每百万 Tokens

支持参数

temperaturemax_tokenstop_ptoolstool_choiceresponse_formatstop

模型规格

发布日期	2026-07-21deepmind.google ↗	已核实
知识截止	2026 年 3 月deepmind.google ↗	已核实
输入 token 上限	1,048,576ai.google.dev ↗	已核实
输出 token 上限	65,536ai.google.dev ↗	已核实
上游原生模态	输入：文本、图像、视频、音频、PDF。输出：仅文本。TheRouter 暴露文本、图像、PDF 输入与文本输出。ai.google.dev ↗	已核实
支持的能力	Thinking（可调档位）、函数调用、结构化输出、代码执行、上下文缓存、Batch API、Google 搜索 grounding、内置 computer-use 工具。ai.google.dev ↗	已核实
上游不支持	Live APIai.google.dev ↗	已核实
厂商标价（Standard 档）	输入 $0.30/1M（音频无溢价），输出 $2.50/1M，缓存输入 $0.03/1M；Google 另收缓存存储 $1.00/1M tokens/小时ai.google.dev ↗	已核实
输出吞吐	350 输出 tokens/秒，Google 引用 Artificial Analysis 数据blog.google ↗	待核实

基准成绩

Benchmark	Score	Source
SWE-Bench Pro Gemini 3.1 Flash-Lite 38.3%；GPT-5.4 mini 54.4%；Claude Haiku 4.5 39.5%	54.2%%	deepmind.google ↗
Terminal-Bench 2.1 Gemini 3.1 Flash-Lite 31.0%；GPT-5.4 mini 59.2%；Claude Haiku 4.5 44.2%	54.0%%	deepmind.google ↗
MLE-Bench Gemini 3.1 Flash-Lite 22.0%	39.2%%	deepmind.google ↗
OSWorld-Verified Gemini 3.1 Flash-Lite 54.3%；GPT-5.4 mini 72.1%；Claude Haiku 4.5 50.7%	74.0%%	deepmind.google ↗
CharXiv (no tools) Gemini 3.1 Flash-Lite 73.2%；GPT-5.4 mini 80.3%；Claude Haiku 4.5 61.7%	74.5%%	deepmind.google ↗
GDM-MRCR v2 (128k) Gemini 3.1 Flash-Lite 60.1%；GPT-5.4 mini 42.7%；Claude Haiku 4.5 35.3%	72.2%%	deepmind.google ↗
GDM-MRCR v2 (1M pointwise) Gemini 3.1 Flash-Lite 12.3%	21.3%%	deepmind.google ↗
GDPval-AA v2 Gemini 3.1 Flash-Lite 642；GPT-5.4 mini 1171；Claude Haiku 4.5 907	1140Elo	deepmind.google ↗

API 使用示例

所有新集成都应使用下方示例中的全球端点 api.therouter.ai；旧中国加速端点已下线。

cURL

curl https://api.therouter.ai/v1/chat/completions   -H "Content-Type: application/json"   -H "Authorization: Bearer $THE_ROUTER_API_KEY"   -d '{
    "model": "google/gemini-3.5-flash-lite",
    "messages": [
      {"role": "user", "content": "Summarize the key points from this input."}
    ]
  }'

API 使用指南

完整 API 参考 →

Chat 调用

标准 OpenAI 兼容 chat completion。支持可调档位的 thinking，thinking token 计入输出计费。

cURL

curl https://api.therouter.ai/v1/chat/completions \
  -H "Authorization: Bearer $THEROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"google/gemini-3.5-flash-lite","messages":[{"role":"user","content":"Classify this ticket: billing or technical?"}]}'

google 其他模型

google/gemini-3.6-flash google/gemini-3.5-flash google/gemini-3.1-flash-lite google/gemini-2.5-flash-lite

动态与变更

2026-07-21

Gemini 3.5 Flash-Lite 作为新的低成本档发布

与 Gemini 3.6 Flash 同日发布，Flash-Lite 接替 Gemini 3.1 Flash-Lite 的低成本档位，能力大幅跃升——Google 模型卡显示 SWE-Bench Pro 高出 16 个百分点、Terminal-Bench 2.1 高出 23 个百分点——价格为 $0.30 / $2.50 每 1M tokens，并称输出速度 350 tokens/秒。

TheRouter 编辑重写blog.google ↗

常见问题

什么时候该用 Flash-Lite 而不是 Gemini 3.6 Flash？

当吞吐与延迟比最后几分质量更重要时。Flash-Lite 输入价为五分之一、输出价为三分之一，但 Google 自己的 benchmark 显示 3.6 Flash 在 Terminal-Bench 2.1 上高 24 个百分点、在 GDM-MRCR v2 128K 上高约 20 个百分点。分类、抽取、路由适合；长程 agent 任务不适合。

deepmind.google ↗

它真的有完整的 1M token 上下文窗口吗？

是的——Google 模型文档列出输入上限 1,048,576 tokens，与 Gemini 3.6 Flash 相同。但极长上下文下的质量更低：Google 报告 GDM-MRCR v2 在 1M 上为 21.3%，而 Gemini 3.6 Flash 为 54.0%，所以应把完整窗口视为可用容量而非可靠召回。