Google Gemini 3.5 Flash — Google 最強的 Flash 層級模型，在智慧表現上僅次於 3.1-pro-preview（AA Intel 55.3 對比 57.2），並具備 Flash 延遲水準。100 萬 Token 上下文視窗 (1,048,576)，最大輸出 64K (65,536)。完整的多模態輸入：文字、圖像、音訊、視訊及檔案；僅輸出文字。AA Coding 45，GPQA Diamond 92.2%，IFBench 76.3%（頂級指令遵循），Long-Context Recall 69.3%，SciCode 53.1%，τ²-Bench 95.3%（代理工具使用），HLE 41%。支援推理（include_reasoning / reasoning）、結構化輸出、工具呼叫、response_format、seed、stop 與標準抽樣控制。端點：chat_completions、gemini_generate。最佳適用場景：大量代理循環、長文件分析，以及 Pro 層級延遲或成本過高的多模態萃取。
Gemini 3.5 Flash 是由 Google 開發的大型語言模型，針對速度與效率進行了微調。它屬於 Gemini 系列，設計用於處理多模態輸入——文字、圖片、影片、檔案和音訊——同時提供快速回應。該模型支援 1,048,576 個 tokens 的上下文視窗，使其能夠處理非常長的序列，例如整本書籍、長達一小時的影片或大型程式碼儲存庫。其最大輸出長度為 65,536 個…
Gemini 3.5 Flash 擅長處理需要速度與效率，同時不犧牲太多品質的任務。它在文字摘要、長篇文件問答、以及需要低回應時間的對話代理方面表現特別出色。其多模態能力使其能夠生成圖像描述、從影片畫面中提取文字，或處理音訊錄音。龐大的上下文視窗讓它在分析整個程式碼庫、審閱冗長的法律文件，或維持連貫的多輪對話等任務上非常有效。從事成本敏感型應用的開發人員將受惠於其具競爭力的定價。然而，對於需要深度邏輯推理、創意生成，或是在複雜基準測試中追求高準確度的任務，高階模型可能更為合適。
如果你的使用場景涉及非常簡單的任務，例如單次分類、關鍵詞提取或預定義回覆，可以考慮使用較小、較便宜的模型——例如 Gemini Nano 或蒸餾變體。這些模型的 token 成本通常低得多，能夠處理簡單的模式，無需 Gemini 3.5 Flash 的完整上下文窗口。此外，如果你需要極低的延遲且願意犧牲部分準確性，較小的模型可能更合適。相反，如果你的工作負載涉及複雜推理、多模態整合或非常長的上下文，投資 Gemini 3.5 Flash 則可透過減少手動分塊和提高輸出品質獲得回報。OrcaRouter 提供多種模型，幫助你比較成本與效能。
是的，Gemini 3.5 Flash 支援透過 OrcaRouter 的 API 進行串流（streaming），讓 token 能夠在產生時即時送出，而無須等待完整回應。這對於即時應用程式（如即時聊天、語音助手或互動式編碼工具）至關重要。該模型的設計以低延遲為優先，因此首個 token 的產出時間通常很短。您可以在 API 呼叫中將 'stream' 參數設為 true 來啟用串流。回應將遵循標準的 OpenAI 串流格式，以一系列區塊（chunks）的形式返回。這使得 Gemini 3.5 Flash 適合用於使用者重視感知速度的前端體驗。但請注意，串流可能會因額外開銷而略微增加 token 成本。
擁有1,048,576個token的上下文視窗，Gemini 3.5 Flash可以處理非常長的輸入。為了充分利用這一點，請將提示詞結構化，將相關上下文放在開頭和結尾，因為模型會關注所有token（儘管可能存在位置偏見）。對於多模態輸入，請注意圖像和影片會根據其大小和解析度消耗成比例的token。使用 'max_tokens' 參數來控制輸出長度。如果您的任務涉及多個文件，可以考慮邏輯性地串聯它們。對於對話，請保持滑動視窗或截斷較舊的訊息以保持限制範圍內。OrcaRouter 的 API 不會自動截斷輸入；請確保您的總提示 token 保持在上下文視窗內，以避免錯誤。
Gemini 3.5 Flash 專為在自然語言與多模態基準測試中提供優異效能而設計。雖然此模型版本的具體分數在給定資料中並未提供，但 Gemini Flash 系列通常在 MMLU（大規模多任務語言理解）、HellaSwag（常識推理）以及 VQA、TextVQA 等多模態基準測試中表現出色。該模型在需要短語境和快速推論的場景中尤為強大。其訓練重點在於事實準確性與指令遵循。使用者通常反映其在摘要、翻譯和程式碼生成方面品質優異。然而，由於基準測試不斷演進，建議開發者使用自己的資料集測試模型，以評估其在真實世界中的表現。
儘管具有優勢，Gemini 3.5 Flash 仍存在限制。在複雜數學、邏輯謎題或細膩的創意寫作方面，它可能無法達到 Gemini 3.5 Pro 或 GPT-4 等更大模型的頂級推理能力。其速度最佳化有時會導致深度上的取捨。該模型偶爾會產生聽起來合理但實際上不正確的答案（幻覺），特別是在罕見或非常專業的主題上。對於多模態輸入，在低解析度或嚴重遮擋的圖像上，其表現可能不如專用的視覺模型。此外，處理非常長的上下文（接近 token 限制）時，準確度可能會下降，因為模型可能會遺漏中間的細節。OrcaRouter 建議驗證關鍵輸出，特別是在高風險領域。
Gemini 3.5 Flash 針對低延遲進行了最佳化，這意味著回應時間通常比更大、效能更高的模型更快。在典型條件下，針對簡短提示的首次令牌時間以數百毫秒計，而吞吐量（每秒令牌數）與其他Flash類模型相比極具競爭力。然而，實際延遲取決於輸入長度、輸出長度以及並發請求的數量。OrcaRouter 的基礎設施有助於減少變異性。對於對延遲極為敏感的應用（例如語音互動），可以調整溫度和串流設定，以在速度與品質之間取得平衡。此模型並未提供官方基準延遲數據，但定性比較顯示，它是透過 OrcaRouter 可用的較快選擇之一。
Gemini 3.5 Flash 在程式碼生成、除錯和解釋任務中表現出強勁的成果。它支援多種程式語言，能夠生成函式、類別或完整的腳本。其大型輸出限制（65,536 個 token）使其能夠一次性生成長段的程式碼或文件。對於結構化資料（JSON、XML、YAML），該模型在指示下能夠可靠地格式化輸出。然而，對於非常精確的語法正確性或複雜的演算法設計，測試至關重要。該模型偶爾會產生可編譯但含有邏輯錯誤的程式碼。它並未專門針對純程式碼任務進行微調，因此對於專業的程式碼標竿任務，專用程式碼模型（如 CodeGemma）可能表現更佳。
OrcaRouter 以供應商費率計費 Gemini 3.5 Flash，不加收任何加成。具體而言，輸入 Token 每 100 萬個需 1.50 美元，輸出 Token 每 100 萬個需 9.00 美元。無其他平台費用、API 呼叫費用或每月最低消費。您只需為實際使用的 Token 付費。輸入 Token 包含提示中的所有 Token（文字、圖像 Token 等），輸出 Token 則計算生成的回應。計費按每次請求計算，並在計費週期內彙總。OrcaRouter 透過其儀表板提供透明的用量追蹤。此定價使 Gemini 3.5 Flash 成為高流量、長語境多模態工作負載中更經濟實惠的選項之一。
輸出令牌價格（每1M $9.00）是輸入令牌價格（每1M $1.50）的六倍。這意味著生成極長回應的應用程式成本會快速上升，而主要傳遞長提示詞（例如文件分析）的請求則較為便宜。為了優化成本，請盡可能使用較短的輸出，或針對重複查詢實作回應快取。OrcaRouter 目前未提供快取折扣定價（根據現有事實），因此每次 API 呼叫均按全額費率計費。若您的使用情境涉及大量帶有長上下文的短提示詞，輸入成本可能成為主導。對於產生長輸出的聊天應用程式，請專注於透過 max_tokens 控制生成長度。
根據提供的資訊，OrcaRouter 以供應商費率收取 Gemini 3.5 Flash 的費用，無任何加價，但未提及任何具體的快取或用量折扣方案。這表示每個 token 都按標準費率計費，無論是否重複或頻繁使用。沒有提示快取折扣或預先計算結果的快取來降低成本。不過，OrcaRouter 的定價透明且可預測：你只需為消耗的 token 付費。對於可能期望從 Google AI Studio 或 Vertex AI 等供應商獲得快取的使用者，請注意 OrcaRouter 的服務是直接轉嫁成本，沒有額外費用。這種簡潔性有助於預算規劃。
Gemini 3.5 Flash 被定位為一款高成本效益的選項，相較於較大型模型如 Gemini 3.5 Pro 或 GPT-4 Turbo（後者通常具有較高的每 token 費率）。舉例來說，Gemini 3.5 Pro 可能收費 $3.50/1M 輸入 與 $10.50/1M 輸出（此為假設，非實際數據）。相較之下，Flash 變體的每 token 成本更低，使其適合高流量生產情境。在 flash 級別模型中，定價具有競爭力，但確切比較取決於模型在您特定任務上的表現。OrcaRouter 提供一個模型目錄，您可在其中並列查看價格。請務必在 OrcaRouter 平台上確認最新定價，因為費率可能隨時變動。
要呼叫 Gemini 3.5 Flash，請使用 OpenAI 相容的 API 端點：https://api.orcarouter.ai/v1/chat/completions。將模型參數設定為 "google/gemini-3.5-flash"。驗證需要來自 OrcaRouter 的 API 金鑰，並在 Authorization 標頭中傳遞為 "Bearer YOUR_API_KEY"。您可以使用 OpenAI Python SDK、Node.js 函式庫或原始 HTTP 請求。使用 Python 的範例：openai.base_url = "https://api.orcarouter.ai/v1/"; openai.api_key = "your-key"; openai.ChatCompletion.create(model="google/gemini-3.5-flash", messages=[{"role":"user","content":"Hello"}])。串流功能以標準方式運作。所有其他參數，如 temperature、top_p、presence_penalty 和 stop 序列，均受支援。
OrcaRouter 的 Gemini 3.5 Flash API 支援標準的聊天完成參數：model（必要）、messages（角色/內容物件的陣列）、temperature（0–2，預設 1）、top_p（0–1，預設 1）、max_tokens（最多 65536）、stop（字串或字串陣列）、presence_penalty 和 frequency_penalty（0–2）、logit_bias（token ID 到偏差的映射）以及 stream（布林值）。對於多模態輸入，訊息內容可以是部分組成的陣列（文字、image_url 等），遵循 OpenAI 的視覺格式。音訊和視訊輸入可能需要特定的編碼（例如 base64）。沒有上下文窗口大小的參數——模型會自動使用最多 1,048,576 個 token。如果您的提示超過限制，API 會回傳錯誤。
是的，迁移很直接，因為 OrcaRouter 實作了一個兼容 OpenAI 的 API，能抽象化底層供應商。如果你原本使用 Google 的 Generative AI SDK 或 Vertex AI，你需要將客戶端程式碼改為使用 OpenAI 端點。具體來說，將基礎 URL 改為 https://api.orcarouter.ai/v1 並切換到 OpenAI SDK。模型識別碼從 "gemini-3.5-flash" 改為 "google/gemini-3.5-flash"。認證方式從 Google OAuth 改為簡單的 OrcaRouter API 金鑰。回應格式類似，但你可能需要調整多模態輸入的結構（例如，使用 OpenAI 視覺格式）。OrcaRouter 的文件提供了遷移指南。
常見錯誤包括：因無效參數（如超過 max_tokens、不支援的模態）導致的 HTTP 400、API 金鑰錯誤的 HTTP 401、模型 ID 錯誤的 HTTP 404，以及速率限制的 HTTP 429。API 會回傳包含詳細資訊的 JSON 錯誤訊息。針對 Token 限制錯誤，請縮短輸入長度或使用截斷功能。若遭遇速率限制，請實作指數退避。OrcaRouter 可能設有每用戶速率限制，請查看儀表板了解具體細節。串流錯誤可能表現為格式異常的區塊，請妥善處理重新連線。由於此 API 與 OpenAI 相容，現有的 OpenAI 錯誤處理程式碼通常可直接適用，但仍需全面測試。
Gemini 3.5 Flash 專為追求速度與成本效益而設計，而 Gemini 3.5 Pro 則鎖定更高的推理準確度與基準測試表現。Pro 通常價格較高（此處未具體說明），且可能不支援相同的 100 萬 Token 上下文長度（通常為 12.8 萬或 20 萬）。Flash 更適合即時應用、高吞吐量及預算有限的專案。然而，在複雜數學、科學及邏輯推理任務上，Pro 表現優於 Flash。針對多模態任務，Flash 能處理圖片與影片，但產生的描述細節可能不如 Pro。若您的應用要求最高輸出品質，且能承受較高延遲與成本，請選擇 Pro；否則，Flash 是強而有力的預設選項。
兩者都是高效、快速的模型，但 Gemini 3.5 Flash 提供了顯著更大的上下文窗口（1M 對比常見的 128K）。這使得它更適合需要一次處理極長文件或大量圖像的任務。在基準測試上，兩者競爭力相當，但具體分數取決於數據集。GPT-4o Mini 由於訓練分布，可能在多語言任務上表現略優，而 Gemini 3.5 Flash 則可能在多模態整合上表現出色。價格方面：Gemini 3.5 Flash 為每 1M tokens $1.50/$9.00；GPT-4o Mini 通常為每 1M tokens $0.15/$0.60（事實中未給出，但廣為人知）。因此 GPT-4o Mini 更便宜，但 Gemini 3.5 Flash 提供 8 倍更長的上下文。選擇取決於上下文需求與成本預算。
Claude 3 Haiku 也是 Anthropic 推出的快速且具成本效益的模型，上下文視窗為 200K tokens（比 Gemini 3.5 Flash 小）。兩者都支援多模態輸入，但 Haiku 主要以文字和圖片為主。Gemini 3.5 Flash 的定價較高（Haiku 約為每 1M tokens $0.25/$1.25，業界普遍知曉）。然而，較長的上下文視窗以及對音訊/影片的支援，使 Gemini 3.5 Flash 在特定使用場景中具備優勢。推理任務的表現相當，但 Gemini 3.5 Flash 在長上下文中的指令遵循能力可能更佳。如果上下文長度至關重要，則 Gemini 3.5 Flash 勝出；若成本與簡單任務為主，Haiku 可能更為實惠。
Gemini 3.5 Flash 相較於開源模型（如 Llama 3.1 8B 或 Mistral 7B）的主要優勢在於其託管基礎設施與多模態能力。開源模型需要您自行部署與維護伺服器、處理擴展問題，且通常上下文視窗較小（一般為 8K–128K）。Gemini 3.5 Flash 則預設提供 1M 的上下文視窗、原生支援音訊與視訊，且無須前期成本——僅透過 OrcaRouter 按 Token 計費。不過，若您是自有硬體且使用量極大，開源模型可能更便宜，且能提供完整的資料隱私。對於希望避免營運負擔的新創公司與企業而言，Gemini 3.5 Flash 是個方便的選擇。
相容 OpenAI——沿用你現有的 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-3.5-flash",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)include_reasoningmax_tokensreasoningresponse_formatseedstopstructured_outputstemperaturetool_choicetoolstop_p| 輸入 / 1M tokens | $1.50 |
| 輸出 / 1M tokens | $9.00 |
| 快取讀取 / 1M | $0.150 |
| 快取寫入 / 1M | $0.083 |
| 貨幣 | USD |
基於標價的估算
僅為估算——實際 Token 數取決於供應商的分詞器。
本週開發者的討論
@misc{orcarouter_gemini_3_5_flash,
title = {Gemini 3.5 Flash API},
author = {google},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/google/gemini-3.5-flash}
}google. (2026). Gemini 3.5 Flash API. OrcaRouter. https://www.orcarouter.ai/models/google/gemini-3.5-flash