Gemini 3.5 Flash-Lite هو نموذج Gemini الأكثر كفاءة من حيث التكلفة من Google، وهو مصمم خصيصًا لأحمال العمل ذات الحجم الضخم والحساسة لزمن الاستجابة حيث تهيمن تكلفة كل استدعاء. على الرغم من سعره، فهو متعدد الوسائط بشكل أصلي — حيث يقبل النصوص والصور والفيديو والصوت والملفات مع إخراج نصي — ويحمل نفس نافذة السياق البالغة 1M رمزًا وما يصل إلى 64K رمز إخراج مثل الطبقة الأكبر Flash، مما يبقي المستندات الطويلة والمدخلات متعددة الوسائط في متناول اليد. بسعر يعادل تقريبًا خمس سعر 3.6 Flash، فهو الأداة المناسبة للتصنيف والاستخراج والتوجيه والتلخيص والعوامل الخفيفة وتوليد البيانات الاصطناعية وأي خط أنابيب يُشغَّل ملايين المرات. لا يزال يدعم جهد التفكير القابل للتكوين، واستدعاء الأدوات الأصلي، والمخرجات المنظمة، ويتفوق على وزنه في المعايير القياسية للعوامل والسياقات الطويلة لنموذج خفيف — على سبيل المثال 74.0% في OSWorld-Verified و72.2% في استرجاع 128k multi-needle، متقدمًا بشكل مريح على الإصدار السابق 3.1 Flash-Lite. إنه يتحدث كلاً من تنسيق OpenAI chat-completions وواجهة Gemini الأصلية generateContent API، مما يسمح لك بخلطه مع نماذج أثقل خلف تكامل واحد — توجيه حركة المرور السهلة وعالية الحجم إلى Flash-Lite وتصعيد المهام الصعبة إلى 3.6 Flash أو نموذج Pro.
Google Gemini 3.5 Flash-Lite هو نموذج لغوي متعدد الوسائط طورته Google، ويتم تقديمه عبر واجهة برمجة تطبيقات OrcaRouter المتوافقة مع OpenAI. يقبل النصوص والصور والفيديو والملفات والمدخلات الصوتية، مما…
Gemini 3.5 Flash-Lite قادر على مجموعة واسعة من المهام بفضل دعم الإدخال متعدد الوسائط واستخدام الأدوات. يتعامل مع المهام النصية فقط مثل التلخيص والإجابة على الأسئلة وتوليد الكود. مع الصور، يمكنه وصف المشاهد واستخراج النص من المستندات أو تفسير الرسوم البيانية. تتيح مدخلات الفيديو التعرف على الأنشطة وإنشاء التسميات التوضيحية والاستدلال الزمني. تسهل مدخلات الصوت النسخ والتعرف على اللغة والتحليل القائم على الكلام. يدعم النموذج أيضًا استدعاء الأدوات، كما يتضح من درجة تفكير CharXiv البالغة 76.5 (مع الأدوات). هذا يعني أنه يمكن دمجه في سير العمل الوكيل حيث يستدعي واجهات برمجة تطبيقات خارجية أو قواعد بيانات. ومع ذلك، فهو ليس مصممًا للكتابة الإبداعية أو التفكير المجرد العالي أو المهام التي تتطلب خبرة مجال عميقة. تكمن قوته في السرعة والتكلفة واتساع نطاق دعم الوسائط بدلاً من الأداء الخام.
يجب اختيار Gemini 3.5 Flash-Lite عندما تكون التكلفة والإنتاجية هما الشاغلان الرئيسيان، وتتناسب المهمة ضمن نطاق قدراته. فهو يتفوق في خطوط الأنابيب عالية الحجم مثل فهرسة آلاف المستندات، أو تفريغ ساعات من الصوت، أو تشغيل تصنيف فوري على تدفقات الصور. كما أن نافذة السياق الكبيرة (1M رمز) تجعله مثاليًا للمهام التي تتطلب فهمًا شاملًا للمدخلات الطويلة، مثل تحليل القضايا القضائية أو إعادة هيكلة قاعدة الشيفرات. قد تحقق النماذج الأكبر (مثل Gemini 3.5 Pro) دقة أعلى في المعايير المعقدة، لكنها تأتي بتكاليف أعلى لكل رمز وإنتاجية أقل. إذا كان تطبيقك يمكنه تحمل تنازلات طفيفة في الجودة مقابل خفض التكلفة بمقدار 10-100 ضعفًا، فإن هذا النموذج يعد خيارًا قويًا. وعلى العكس، بالنسبة للمهام التي تتطلب دقة واقعية أو توليدًا إبداعيًا أو استدلالًا متطورًا، يُوصى باستخدام نموذج أكبر.
نعم، النموذج يقبل بشكل أصلي مدخلات الفيديو والصوت إلى جانب النص والصور والملفات. يمكن تقديم مدخلات الفيديو كسلسلة من الإطارات أو ملف فيديو؛ يعالج النموذج الإطارات المرئية وأي مسار صوتي مرتبط بها. تعمل مدخلات الصوت مع الصيغ الشائعة مثل WAV أو MP3 أو FLAC. تسمح نافذة السياق الكبيرة بمعالجة التسجيلات الطويلة في طلب واحد – على سبيل المثال، قد يستهلك نسخ صوتي لساعة واحدة بدقة عالية نحو 10,000 رمز. وهذا مفيد لتلخيص الاجتماعات، أو تحليل البودكاست، أو دعم العملاء الصوتي. لاحظ أن النموذج لا يُنتج مخرجات صوتية أو فيديو؛ الردود دائمًا نصية. جودة الفهم متعدد الوسائط تتوافق مع مستوى النموذج flash‑lite: مناسبة للاستخراج والتصنيف، ولكنها قد تفوت التفاصيل الدقيقة مقارنة بالنماذج متعددة الوسائط الأكبر.
يدعم Gemini 3.5 Flash-Lite استدعاء الأدوات، كما يتضح من أدائه المعياري في CharXiv Reasoning مع الأدوات (النتيجة 76.5). وهذا يعني أنه يمكنك تعريف دوال أو واجهات برمجة تطبيقات (APIs) يمكن للنموذج استدعاؤها أثناء توليد الرد. تشمل حالات الاستخدام النموذجية استعلامات قواعد البيانات، وعمليات البحث على الويب، أو العمليات الحسابية. يختار النموذج متى يستدعي أداة بناءً على تعليمات المستخدم والسياق. يمكن أن يؤدي استخدام الأدوات إلى تحسين الدقة الواقعية وتمكين التفكير المعقد متعدد الخطوات. ومع ذلك، نظرًا لأن النموذج هو متغير flash‑lite، فقد تكون موثوقية استدعاء الأدوات أقل من تلك الموجودة في نموذج متخصص أكبر. إذا كان تطبيقك يعتمد بشكل كبير على تنسيق أدوات خالٍ من العيوب، فقد تحتاج إلى إضافة طبقات تحقق أو منطق احتياطي. يمرر OrcaRouter تعريفات الأدوات بنفس تنسيق واجهة برمجة تطبيقات OpenAI، مما يجعل التكامل مباشرًا.
حقق النموذج درجة 76.5 في معيار CharXiv للاستدلال عند تقييمه باستخدام الأدوات. يختبر CharXiv القدرة على إجراء الاستدلال على البيانات البصرية المبنية على الرسوم البيانية، مما يتطلب من النموذج تفسير صورة رسم بياني والإجابة عن أسئلة متعلقة به. تعني حالة "مع الأدوات" أن النموذج يمكنه استدعاء وظائف خارجية (مثل آلة حاسبة) للمساعدة. تشير هذه الدرجة إلى أداء معتدل – فهو قادر على الاستدلال المتعلق بالرسوم البيانية ولكن ليس على مستوى النماذج المتخصصة. لم يتم تقديم أي درجات معايير أخرى لهذا النموذج. للمقارنة، النماذج الأكبر مثل Gemini 3.5 Pro قد تحصل على درجة أعلى في هذه المهمة. القيمة مفيدة كنقطة مرجعية: يمكنك توقع تفسير معقول للرسوم البيانية، ولكن يجب الاختبار بدقة إذا كان تطبيقك يتطلب دقة عالية في مهام الاستدلال البصري.
تم توفير درجة CharXiv للاستدلال (مع الأدوات) فقط: 76.5. لا تتوفر أي بيانات معايير إضافية - مثل MMLU، أو HumanEval، أو درجات استرجاع السياق الطويل - لـ Gemini 3.5 Flash‑Lite في المعلومات المقدمة. هذا يعني أن تعميم أدائها على المهام الأخرى يتطلب اختبارًا تجريبيًا على بياناتك الخاصة. نظرًا لطبيعة النموذج الخفيف السريع، من المتوقع أن يكون أداؤه أقل من النماذج كاملة الحجم في معظم المعايير الموحدة. ومع ذلك، فإن كفاءته وتكلفته المنخفضة غالبًا ما تفوق هذه العيوب في بيئات الإنتاج. إذا كنت بحاجة إلى أداء مثبت على معيار محدد (مثل توليد الكود أو الفهم متعدد اللغات)، فعليك إجراء تقييمك الخاص. لا يستضيف OrcaRouter نتائج معايير منفصلة؛ الأرقام المذكورة هنا تأتي مباشرة من المزود.
تفاصيل زمن الوصول غير محددة في البيانات المقدمة. كقاعدة عامة، تم تصميم نماذج فلاش لايت (flash‑lite) لتكون ذات زمن وصول منخفض مقارنة بنماذجها الأكبر حجمًا، لكن وقت الاستجابة الفعلي يعتمد على العديد من العوامل: طول الإدخال، طول الإخراج، حمل الطلبات المتزامنة، والأجهزة الأساسية. مع نافذة سياقية بحجم 1M، يمكن أن تؤدي معالجة المطالبات الطويلة جدًا إلى زيادة كبيرة في زمن الوصول بسبب التدرج التربيعي للانتباه. بالنسبة للإدخالات القصيرة (مثل بضع مئات من الرموز)، يمكنك توقع استجابات أقل من ثانية. بالنسبة للإدخالات القريبة من حد الرموز 1M، يمكن أن يصل زمن الوصول إلى عشرات الثواني. لا تضمن OrcaRouter اتفاقيات مستوى خدمة محددة لزمن الوصول لهذا النموذج. إذا كان زمن الوصول المنخفض أمرًا بالغ الأهمية، ففكر في استخدام سياق أصغر (مثلًا عبر الاقتطاع) أو نقطة نهاية مخصصة. يمكنك مراقبة أوقات الاستجابة من خلال لوحة تحكم OrcaRouter.
نموذج Gemini 3.5 Flash-Lite غير مصمم لتحقيق دقة متطورة. نقاط قوته تكمن في السرعة، التكلفة المنخفضة، والسياق الكبير. تشمل القيود أداءً أقل في معايير التفكير المعقد، وضعف الاستدعاء الواقعي مقارنة بالنماذج الأكبر، وميلًا إلى "الهلوسة" عند المدخلات الغامضة. قد يواجه النموذج صعوبة في المهام التي تتطلب خبرة مجال عميقة (مثل التفكير القانوني، التشخيص الطبي) أو الأعمال الإبداعية الدقيقة. قدرته على استخدام الأدوات، رغم كونها وظيفية، قد لا تكون موثوقة بقدر نموذج وكيل متخصص. بالإضافة إلى ذلك، نظرًا لتوفير نتيجة معيارية واحدة فقط (CharXiv Reasoning 76.5 مع الأدوات)، لا يمكنك افتراض أداء جيد في مجالات أخرى دون اختبار. للتطبيقات الحرجة، قم دائمًا بقياس الأداء على بياناتك الخاصة وفكر في استخدام نموذج احتياطي أكثر قدرة عند انخفاض الثقة.
التسعير هو 0.30 دولار لكل مليون رمز إدخال و2.50 دولار لكل مليون رمز إخراج. هذه الأسعار هي أسعار المزوّد التي تُحتسب بدون أي هامش ربح من OrcaRouter. تشمل رموز الإدخال جميع الرموز في الاستفسار (النصوص، رموز الصور، إطارات الفيديو، عينات الصوت، محتويات الملفات) بغض النظر عن الوسيط. أما رموز الإخراج فهي رموز النص المُولَّد. بالنسبة لاستعلام نموذجي طويل السياق يستهلك 100,000 رمز إدخال و1,000 رمز إخراج، ستكون التكلفة تقريبًا (0.30 دولار * 0.1) + (2.50 دولار * 0.001) = 0.030 دولار + 0.0025 دولار = 0.0325 دولار لكل طلب. على نطاق واسع، يمكن لهذا النموذج معالجة ملايين الاستعلامات بتكلفة بضع مئات من الدولارات. قارن هذا بالنماذج الأكبر التي غالبًا ما تكلف 10-50 ضعفًا لكل رمز. إن انخفاض تسعير الإخراج مفيد بشكل خاص للتطبيقات التي تُولّد ردودًا طويلة (مثل ملخصات المستندات الكاملة).
المعلومات المقدمة لا تحدد أي آلية للتخزين المؤقت أو تسعير مخفض للرموز المخزنة مؤقتًا. لذلك، يجب أن تفترض أن كل رمز يُرسل إلى النموذج يُحتسب بسعر الإدخال القياسي البالغ $0.30 لكل مليون رمز، بغض النظر عن التكرار. بعض المزودين يقدمون تخزينًا مؤقتًا تلقائيًا للمطالبات حيث تُحتسب البادئات المتكررة بسعر أقل (على سبيل المثال، خصم 50%). بالنسبة لهذا النموذج، لم يُعلن عن أي خصم تخزين مؤقت من هذا القبيل. إذا كنت تعيد إرسال نفس السياق بشكل متكرر (مثل مطالبة نظام كبيرة)، فقد ترغب في التحقق مما إذا كان OrcaRouter أو Google يطبقان تخزينًا مؤقتًا شفافًا. في غياب المعلومات الصريحة، من الأكثر أمانًا تخصيص ميزانية للتكلفة الكاملة لكل رمز لجميع المدخلات. يمكن أن يؤدي تحسين المحتوى بتقليص المحتوى المعاد استخدامه إلى تقليل فاتورتك الفعلية.
لا توجد أي زيادة تعني أن OrcaRouter يفرض بالضبط سعر المزود دون إضافة أي هامش إضافي. بالنسبة إلى Gemini 3.5 Flash-Lite، سعر الإدخال هو 0.30 دولار لكل مليون رمز وسعر الإخراج هو 2.50 دولار لكل مليون رمز – وهذا هو ما تفرضه Google، وتقوم OrcaRouter بتمريره دون زيادة. أنت لا تدفع أي رسوم إضافية على المنصة لكل رمز. وهذا يعد أمرًا غير معتاد بين بوابات API، التي تضيف عادةً 10-20% أو أكثر. غياب الزيادة يجعل هذا النموذج أكثر فعالية من حيث التكلفة عند الوصول إليه عبر OrcaRouter. أنت لا تزال تدفع مقابل النطاق الترددي والبنية التحتية لـ API، ولكن هذه التكاليف مضمنة في سعر المزود؛ لا تقوم OrcaRouter بتفصيلها بشكل منفصل. نموذج التسعير هذا شفاف: التكلفة المعروضة في لوحة الاستخدام الخاصة بك هي التكلفة النهائية.
يمكنك استخدامها عبر واجهة برمجة التطبيقات المتوافقة مع OpenAI من OrcaRouter على عنوان URL الأساسي https://api.orcarouter.ai/v1. اضبط معامل النموذج على "google/gemini-3.5-flash-lite". تعمل كل من استكمالات الدردشة (POST /v1/chat/completions) والتضمينات (إذا كانت مدعومة). للإدخالات متعددة الوسائط، تقوم ببناء الرسائل باستخدام مصفوفة أدوار وكائنات محتوى قد تتضمن حقول نص أو image_url أو file_url. مثال لطلب cURL: curl -X POST https://api.orcarouter.ai/v1/chat/completions \ -H "Authorization: Bearer YOUR_API_KEY" \ -H "Content-Type: application/json" \ -d '{"model":"google/gemini-3.5-flash-lite","messages":[{"role":"user","content":[{"type":"text","text":"Describe this image"},{"type":"image_url","image_url":{"url":"https://example.com/photo.jpg"}}]}]}' يجب عليك استخدام مفتاح API من OrcaRouter، وليس مفتاح Google API.
يدعم النموذج المعايير القياسية المتوافقة مع OpenAI: model، messages، max_tokens (حتى حد 65,536 للنموذج)، temperature، top_p، stop، frequency_penalty، presence_penalty، وtools (لاستدعاء الدوال). قد لا تكون المعايير الخاصة بـ Google (مثل safety_settings) متاحة بشكل مباشر؛ إذا كنت بحاجة إليها، راجع توثيق OrcaRouter للبدائل. سيحترم النموذج حد max_tokens. بالنسبة للإدخال متعدد الوسائط، يدعم حقل type في content: text، image_url، video_url (إذا كان OrcaRouter يعرضه)، audio_url، وfile_url. يمكن لنوع الملف قبول PDFs، CSVs، إلخ. لاحظ أن ملفات الوسائط الكبيرة قد تحتاج إلى ترميز مسبق كـ data URIs أو استضافتها بشكل عام. قد يتطلب OrcaRouter أيضًا أن يكون الملف أقل من حجم معين. استشر دائمًا أحدث وثائق API للحصول على الدعم الدقيق للمعايير.
للهجرة من مزود API آخر (مثل Google AI Studio، Vertex AI، أو بوابات أخرى) إلى OrcaRouter، استبدل عنوان URL الأساسي بـ https://api.orcarouter.ai/v1 واضبط معرف النموذج على "google/gemini-3.5-flash-lite". إذا كان الكود الحالي لديك يستخدم عميل OpenAI Python، قم بتمرير base_url و api_key. مثال: from openai import OpenAI client = OpenAI(base_url="https://api.orcarouter.ai/v1", api_key="YOUR_ORCAROUTER_API_KEY") response = client.chat.completions.create(model="google/gemini-3.5-flash-lite", messages=[...]) قد تحتاج إلى تعديل تنسيق الرسائل متعددة الوسائط إذا كان مزودك السابق يستخدم مخططًا مختلفًا (مثل Anthropic). يتوقع OrcaRouter تنسيق OpenAI. يمكن لمصفوفات محتوى المستخدم أن تحتوي على أجزاء متعددة. تعريفات الأدوات أيضًا بنمط OpenAI. لا توجد رسوم إضافية للهجرة؛ تدفع فقط لكل رمز كما هو موضح.
لا توجد بيانات مقارنة مباشرة مقدمة، ولكن يمكننا التفكير نوعيًا. من المحتمل أن يكون Gemini 2.0 Flash (إذا كان موجودًا) نموذج فلاش من جيل سابق. Gemini 3.5 Flash‑Lite هو إصدار جديد وخفيف مع نافذة سياق أكبر (1M مقابل 128K على الأرجح) وتسعير أقل. تكلفة الرمز المميز لـ Gemini 3.5 Flash‑Lite هي $0.30/$2.50 لكل مليون رمز، وهو منخفض جدًا. نماذج الفلاش القديمة قد تكون لها تكاليف أعلى لكل رمز ونوافذ سياق أقصر. ومع ذلك، قد يكون لدى Gemini 2.0 Flash دقة خام أفضل إذا كان نموذج فلاش كامل وليس إصدارًا خفيفًا. إذا كانت مهمتك تتطلب أعلى جودة ويمكنك تحمل تكلفة أعلى، فقد يكون نموذج الفلاش الكامل الأقدم أفضل. إذا كنت تحتاج إلى سياق كبير وتكلفة منخفضة، فإن 3.5 Flash‑Lite هو الخيار المنطقي.
GPT-4o mini من OpenAI هو نموذج مشابه منخفض التكلفة ومتعدد الوسائط. يحتوي على نافذة سياقية بحجم 128K رمزًا (أصغر بكثير من 1M) ويبلغ سعره 0.15 دولار لكل مليون رمز إدخال و0.60 دولار لكل مليون رمز إخراج (اعتبارًا من أوائل 2025؛ قد تكون الأسعار قد تغيرت). يوفر Gemini 3.5 Flash-Lite نافذة سياقية أكبر بـ 8x بسعر إدخال مضاعف (2x) وسعر إخراج رباعي (4x). لذا فإن Gemini أغلى لكل رمز ولكنه يوفر سعة سياقية أكبر بكثير. بالنسبة للمهام التي تتطلب السياق الكامل بحجم 1M (مثل معالجة كتب كاملة)، فإن Gemini Flash-Lite أكثر فعالية من حيث التكلفة من محاولة تقسيم الإدخال عبر استدعاءات متعددة لـ GPT-4o mini. إذا كان السياق قصيرًا، فإن GPT-4o mini أرخص وقد يكون أداؤه أفضل في المعايير. لا يمكن مقارنة نتائج المعايير بشكل مباشر بدون بيانات.
لا يتم تقديم مقارنات معيارية. نموذج Llama 3.2 90B (بافتراض وجود هذا النموذج) هو نموذج كبير مفتوح الأوزان مع نافذة سياق أصغر (عادةً 128 ألف رمز) وتكلفة أعلى لكل رمز عند تشغيله عبر واجهة برمجة التطبيقات. نموذج Gemini 3.5 Flash‑Lite هو نموذج مملوك له نافذة سياق أكبر بكثير وتسعير منخفض جدًا – وهو أحد أرخص النماذج متعددة الوسائط من حيث التكلفة لكل رمز. قد يحقق Llama 3.2 90B دقة أعلى في العديد من معايير البرمجة اللغوية العصبية نظرًا لحجمه، لكنه ليس متعدد الوسائط وله حد سياق أكثر صرامة. إذا كانت مهمتك تعتمد على النص فقط وتحتاج إلى أعلى دقة، فقد يكون Llama 90B (إذا كان متاحًا عبر OrcaRouter) أفضل. بالنسبة لسيناريوهات الوسائط المتعددة أو السياق الطويل أو الإنتاجية العالية، يتمتع Gemini Flash‑Lite بمزايا واضحة. يعتمد الاختيار على المتطلبات المحددة لتطبيقك.
متوافق مع OpenAI — أبقِ على SDK الحالي
https://api.orcarouter.ai/v1https://api.orcarouter.aifrom openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="google/gemini-3.5-flash-lite",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)include_reasoningmax_tokensreasoningreasoning_effortresponse_formatseedstopstructured_outputstemperaturetool_choicetoolstop_p| الإدخال / 1M توكن | $0.300 |
| الإخراج / 1M توكن | $2.50 |
| قراءة الذاكرة المؤقتة / 1M | $0.030 |
| العملة | USD |
تقدير بناءً على السعر المُعلن
تقدير فقط — يعتمد العدد الفعلي للرموز على مُجزّئ الرموز الخاص بالمزوّد.
GET /api/public/models/google/gemini-3.5-flash-liteفتح @misc{orcarouter_gemini_3_5_flash_lite,
title = {Gemini 3.5 Flash-Lite API},
author = {Google},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/google/gemini-3.5-flash-lite}
}Google. (2026). Gemini 3.5 Flash-Lite API. OrcaRouter. https://www.orcarouter.ai/models/google/gemini-3.5-flash-lite