Gemini 3 Flash Preview è un modello di pensiero ad alta velocità e alto valore progettato per flussi di lavoro agentici, chat multi-turn e assistenza alla programmazione. Offre un ragionamento quasi a livello Pro e strumenti...
Google Gemini 3 Flash Preview è un modello multimodale sviluppato da Google, ottimizzato per la velocità e l'elaborazione di contesti estesi. Accetta input in formato testo, immagine, file, audio e…
Il modello può elaborare testo e immagini insieme per attività come didascalie, risposta a domande visive ed estrazione di documenti. È in grado di leggere testo da documenti scansionati, interpretare grafici e rispondere a domande sul contenuto. Per input puramente testuali, supporta comprensione linguistica, riassunto, traduzione e generazione di codice. L'ampia finestra di contesto (1.048.576 token) gli consente di gestire conversazioni molto lunghe, interi libri o estese basi di codice. Il suo punteggio MMLU-Pro di 88,2 suggerisce un ragionamento robusto in un'ampia gamma di materie, tra cui scienze, matematica e discipline umanistiche.
L'input audio può essere discorso diretto o audio registrato; il modello può trascrivere, tradurre o analizzare il contenuto. L'input video combina fotogrammi visivi e traccia audio—adatto per riassumere contenuti video, rilevare oggetti o comprendere scene con narrazione parlata. La finestra di contesto significa che video o file audio lunghi possono essere inseriti in un unico turno, purché il conteggio dei token rientri nel limite. L'output è basato su testo; il modello non genera audio o video. L'API di OrcaRouter supporta l'invio di file audio (ad es. MP3, WAV) e file video (ad es. MP4) come parte del contenuto del messaggio.
La variante Flash è ottimizzata per velocità e costo, rendendola ideale per applicazioni in tempo reale: trascrizione in diretta, chatbot interattivi multimodali, riepilogo rapido di documenti e moderazione dei contenuti su vari tipi di media. Eccelle inoltre in scenari che richiedono un ampio contesto, come l'analisi di intere trascrizioni di riunioni o l'elaborazione di lunghi articoli di ricerca con figure incorporate. Casi d'uso che traggono vantaggio sia dalla velocità che dal ragionamento multimodale—come la sottotitolazione video o la revisione di documenti legali—sono particolarmente adatti. Tuttavia, per attività che richiedono un ragionamento più approfondito su una singola modalità (ad esempio, la generazione di codice puro), un modello specializzato potrebbe ottenere risultati migliori.
Gemini 3 Flash Preview ha un prezzo di $0.50/1M per input e $3.00/1M per output, che è basso per un modello multimodale ma non il più basso disponibile. Se il tuo caso d'uso è puramente testuale e richiede una latenza o un costo ancora più bassi, considera modelli di testo dedicati come Gemini 2.0 Flash (se disponibile) o alternative con prezzi simili. D'altra parte, se hai bisogno di un ragionamento superiore su benchmark complessi (es. MATH, GPQA) e hai un budget più ampio, potresti optare per un modello più grande come Gemini 3 Pro o GPT-4o. Per carichi di lavoro multimodali ad alto volume e sensibili alla latenza, questo modello Flash offre un buon equilibrio.
MMLU-Pro è una versione ampliata del benchmark Massive Multitask Language Understanding, che copre 57 materie con domande più impegnative. Un punteggio di 88.2 indica che il modello ha risposto correttamente all'88.2% delle domande, collocandolo tra i modelli con le migliori prestazioni in questa valutazione. Riflette una solida conoscenza e capacità di ragionamento in diversi ambiti, dal diritto alla fisica. Questo punteggio è competitivo rispetto ad altri modelli all'avanguardia, soprattutto considerando che i modelli Flash sono ottimizzati per la velocità piuttosto che per la massima accuratezza. Il punteggio fornito è il dato principale del benchmark per questo modello e va interpretato come un indicatore generale di capacità, non come garanzia per ogni compito specifico.
Sebbene non siano forniti numeri specifici di latenza, i modelli Flash di Google sono progettati per un throughput elevato e una bassa latenza. Il modello è pensato per essere più veloce rispetto a controparti più grandi come Gemini 3 Pro, rendendolo adatto per interazioni in tempo reale. Gli utenti possono aspettarsi tempi per richiesta inferiori rispetto alle varianti non Flash, sebbene la velocità effettiva dipenda da fattori come la lunghezza dell'input, la lunghezza dell'output e l'uso concorrente. OrcaRouter non introduce latenza aggiuntiva oltre all'API del provider. Per ottenere le migliori prestazioni, mantenere i prompt concisi e utilizzare risposte in streaming. Il limite elevato di output (65.536 token) può aumentare il tempo di generazione per risposte più lunghe.
Il punteggio MMLU-Pro (88,2) suggerisce una forte capacità di ragionamento e conoscenza generale. La capacità del modello di gestire un contesto di 1 milione di token e molteplici modalità di input (testo, immagine, file, audio, video) gli conferisce un vantaggio nelle attività multimodali rispetto ai modelli che supportano solo testo. I modelli Flash eccellono tradizionalmente in velocità ed efficienza dei costi. L'elevato limite di token in output (65.536) consente la generazione di riassunti estesi o analisi approfondite. Questi punti di forza lo rendono un'opzione versatile per applicazioni che necessitano di elaborare rapidamente tipi di dati vari, su larga scala.
In quanto anteprima Flash, potrebbe non eguagliare la precisione di modelli più grandi e non Flash su benchmark specializzati (ad es., competizioni di programmazione, ragionamento matematico multi-step). Il modello non genera immagini o audio, ma solo output testuali. Il suo stato di anteprima implica che potrebbe avere disponibilità intermittente o copertura parziale delle funzionalità. Inoltre, anche se la finestra di contesto è grande, input molto lunghi verranno troncati se superano 1,048,576 token. Il punteggio MMLU-Pro è un singolo dato; le prestazioni reali possono variare. Per attività che richiedono precisione assoluta in domini di nicchia, si raccomanda la validazione.
Il prezzo è di $0,50 per milione di token in input e $3,00 per milione di token in output. Queste tariffe sono fornite da Google e vengono fatturate secondo la tariffa del provider: OrcaRouter non applica alcun ricarico. I token in input includono tutto il testo e i token visivi/audio codificati da file, immagini e video. I token in output sono solo il testo generato dal modello. Non ci sono costi aggiuntivi per l'accesso all'API tramite OrcaRouter oltre ai costi per token. Questa trasparenza nei prezzi ti permette di stimare facilmente i costi: ad esempio, un input di 1.000 token e un output di 500 token costerebbero circa $0,0005 + $0,0015 = $0,002.
A $0,50/1M input e $3,00/1M output, Gemini 3 Flash Preview ha un prezzo competitivo per un modello multimodale con una finestra di contesto di 1M. Modelli più grandi come Gemini 3 Pro o GPT-4o costano tipicamente di più per token, specialmente per l'output. Modelli più piccoli solo testo potrebbero essere più economici (ad esempio, Gemini 2.0 Flash a $0,10/$0,40 per 1M token, se applicabile). Per carichi di lavoro multimodali, questo modello offre un compromesso economico vantaggioso. Il margine zero di OrcaRouter garantisce che tu paghi esattamente la tariffa di Google. Se il tuo utilizzo è elevato, anche una piccola differenza per token può essere significativa, quindi confronta con il profilo di token del tuo compito specifico.
I fatti di pricing forniti non includono sconti per cache o fasce di volume. Google potrebbe offrire tariffe ridotte per token memorizzati nella cache in alcuni modelli, ma ciò non è confermato per Gemini 3 Flash Preview. Il pricing di OrcaRouter riflette il costo lordo per token senza alcun ricarico, quindi non stai pagando un extra per il gateway. Per implementazioni su larga scala, contatta direttamente Google per eventuali accordi aziendali. Controlla sempre gli ultimi prezzi sulla pagina di pricing di OrcaRouter o nel tuo pannello di controllo, poiché le tariffe sono soggette a modifiche da parte del provider. Attualmente, le tariffe dichiarate per milione di token sono quelle applicate.
Utilizzi l'API compatibile con OpenAI di OrcaRouter all'URL di base https://api.orcarouter.ai/v1. L'ID del modello è "google/gemini-3-flash-preview". L'autenticazione è gestita tramite una chiave API di OrcaRouter. Ad esempio, con curl puoi inviare una richiesta POST a /v1/chat/completions. Il formato della richiesta segue la struttura Chat Completions di OpenAI. Devi includere il parametro model impostato sull'ID esatto del modello. OrcaRouter gestisce il routing verso l'endpoint di Google. Assicurati che la tua chiave API abbia i permessi appropriati. Lo streaming è supportato impostando stream: true nel corpo della richiesta.
Puoi utilizzare i parametri standard delle OpenAI Chat Completions: model, messages (con role: system, user, assistant), temperature, top_p, max_tokens (limitato a 65.536), sequenze di stop, frequency_penalty, presence_penalty, logit_bias e stream. Per messaggi multimodali, includi dati codificati in base64 o ID file nell'array content. Il modello rileva automaticamente la modalità di input. Nota che potrebbero non essere supportate tutte le funzionalità di OpenAI (come il function calling)—controlla la documentazione di OrcaRouter. La finestra di contesto di 1.048.576 token viene applicata al conteggio totale dei token dei messaggi. Se superata, i messaggi più vecchi vengono troncati.
Se stai già utilizzando l'API Vertex AI o Gemini di Google, la migrazione richiede modifiche minime. Modifica l'URL di base della tua API a https://api.orcarouter.ai/v1, punta all'ID modello "google/gemini-3-flash-preview" e sostituisci la tua autenticazione Google con una chiave API OrcaRouter. Il formato dei messaggi è simile: OrcaRouter traduce tra i formati OpenAI e Google. Per contenuti multimodali, assicurati di seguire le linee guida per gli allegati di OrcaRouter (ad es., dati codificati in base64 con i tipi MIME appropriati). Esegui test con un piccolo numero di richieste per verificare la parità. OrcaRouter fornisce documentazione di supporto e codice di esempio per vari linguaggi.
La struttura della risposta corrisponde al formato Chat Completion di OpenAI: un oggetto con choices, usage e id. Ogni choice include un oggetto message con role e content. L'utilizzo dei token viene segnalato come prompt_tokens e completion_tokens. Il campo finish_reason indica il motivo per cui la generazione si è fermata (stop, length). Le risposte in streaming emettono oggetti delta. Se utilizzi un SDK di OpenAI, ti basta cambiare la chiave API e l'URL di base. L'endpoint di OrcaRouter si comporta come un'API OpenAI, semplificando l'integrazione. Eventuali peculiarità specifiche del modello di Google (ad esempio, i filtri di sicurezza) vengono preservate; verifica la risposta per possibili messaggi di rifiuto.
Gemini 3 Flash Preview è la prossima generazione del modello Flash di Google, con una finestra di contesto più ampia (1.048.576 rispetto ai precedenti 32K–1M a seconda della versione) e un supporto multimodale migliorato, incluso il video. Il punteggio MMLU-Pro di 88,2 per 3 Flash Preview indica un ragionamento migliore rispetto ai punteggi riportati per 2 Flash (non forniti, ma generalmente inferiori). I prezzi per 2 Flash sono inferiori per token, rendendolo più economico per attività semplici. Gemini 3 Flash Preview è più veloce e più capace per il ragionamento multimodale complesso, ma 2 Flash resta un'alternativa conveniente per attività solo testuali o con immagini semplici.
GPT-4o di OpenAI supporta anche input multimodali (testo, immagine, audio) e ha una finestra di contesto di 128K token, significativamente più piccola di quella di Gemini 3 Flash Preview, che ha 1 milione di token. I prezzi di GPT-4o variano, ma sono generalmente più alti per token (ad esempio, $2.50/1M input, $10/1M output). Il costo inferiore e il contesto più ampio di Gemini 3 Flash Preview lo rendono più adatto per attività multimodali di lunga durata o ad alto volume. Tuttavia, GPT-4o potrebbe avere punti di forza diversi nella scrittura creativa o nella generazione di codice, e i suoi benchmark (ad esempio, MMLU) sono comparabili. La scelta dipende dalle esigenze di dimensione del contesto e dalle preferenze di integrazione.
Nella gamma di Google, Gemini 3 Pro è un modello più grande e costoso, progettato per la massima accuratezza (punteggi MMLU-Pro più alti). Flash è la variante ottimizzata per costi e velocità. Gemini 2 Flash è più vecchio ed economico, ma con un contesto più piccolo e possibilmente punteggi benchmark inferiori. Gemini 3 Flash Preview offre una via di mezzo: capacità di ragionamento quasi da Pro (88,2 MMLU-Pro) a una frazione del costo. Per gli utenti che necessitano del contesto più ampio e della migliore velocità, 3 Flash Preview è l'ideale. Per ragionamenti premium su input più piccoli, 3 Pro potrebbe essere migliore. Per compiti semplici, 2 Flash o altri modelli leggeri possono essere sufficienti.
Compatibile con OpenAI: mantieni il tuo SDK
https://api.orcarouter.ai/v1https://api.orcarouter.aiimport os
from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key=os.environ["ORCAROUTER_API_KEY"],
)
response = client.chat.completions.create(
model="google/gemini-3-flash-preview",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)include_reasoningmax_tokensreasoningresponse_formatseedstopstructured_outputstemperaturetool_choicetoolstop_p| Input / 1M token | $0.500 |
| Output / 1M token | $3.00 |
| Lettura cache / 1M | $0.050 |
| Valuta | USD |
Stima basata sul prezzo di listino
Solo una stima — il numero effettivo di token dipende dal tokenizzatore del provider.
Di cosa parlano gli sviluppatori questa settimana
GET /api/public/models/google/gemini-3-flash-previewApri @misc{orcarouter_gemini_3_flash_preview,
title = {Gemini 3 Flash Preview API},
author = {Google},
year = {2025},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/google/gemini-3-flash-preview}
}Google. (2025). Gemini 3 Flash Preview API. OrcaRouter. https://www.orcarouter.ai/models/google/gemini-3-flash-preview