Gemini 3.5 Flash-Lite

Gemini 3.5 Flash-Lite вышла 21 июля 2026 года одновременно с Gemini 3.6 Flash. Важно не перепутать название: официальная бюджетная модель называется именно 3.5 Flash-Lite, а не «3.6 Lite». Это стабильный production-релиз с идентификатором gemini-3.5-flash-lite.

Для чего создана Flash-Lite

Google позиционирует модель для высокой пропускной способности: извлечения полей из документов, классификации, преобразования данных в JSON, фоновых subagent-задач и других сценариев, где важны скорость и цена. По данным Artificial Analysis, приведённым Google, скорость достигает примерно 350 выходных токенов в секунду.

Модель принимает текст, изображения, видео, аудио и PDF. Контекст — 1 048 576 токенов, максимальный вывод — 65 536 токенов. Уровень thinking по умолчанию установлен в minimal, что снижает задержку и лишние расходы на простых запросах.

Все опубликованные бенчмарки

Это результаты разработчика, причём для разных строк используются разные базовые модели. Их нельзя усреднять в один «общий процент». В каталоге каждый показатель хранится отдельно, а отсутствующие MMLU, HumanEval и MATH отмечены вопросительным знаком, а не придуманной оценкой.

Цена Gemini 3.5 Flash-Lite

API стоит $0,30 за 1 млн входных и $2,50 за 1 млн выходных токенов. Разница с Gemini 3.6 Flash составляет пять раз по входу и три раза по выходу. На миллионах коротких запросов это важнее небольшого преимущества флагмана в сложном reasoning.

Практичная схема — маршрутизировать простое извлечение, модерацию, суммаризацию и преобразование форматов в Flash-Lite, а запросы с кодом, неоднозначным визуальным контекстом или длинным планированием повышать до 3.6 Flash.

Поддерживаемые функции и важная оговорка

Карточка модели подтверждает caching, code execution, file search, function calling, Google Search grounding, structured output, thinking и URL context. На дату проверки model-specific документация указывает, что Computer Use не поддерживается, хотя обзор новых моделей описывает общий набор агентных возможностей семейства. Для продакшена мы опираемся на более конкретную карточку модели и не отмечаем Computer Use как гарантированную функцию Flash-Lite.

Плюсы и минусы

Плюсы:

• низкая цена при контексте 1M;
• высокая скорость генерации;
• полноценный мультимодальный вход;
• заметный рост в long-context и agent benchmarks;
• удобна как модель для параллельных subagents.

Минусы:

• параметры и архитектура не раскрыты;
• default thinking minimal хуже подходит для наиболее сложной логики;
• нет опубликованных результатов MMLU, HumanEval и MATH;
• возможности Computer Use пока нельзя считать подтверждёнными для этой конкретной модели.

Источники: официальный анонс Google, карточка Gemini 3.5 Flash-Lite.