把长材料变成明确字段
Flash-Lite 针对文档解析和简单提取优化，可将报告、记录或说明文本整理为字段、分类和摘要。任务中写清字段定义、缺失值规则与输出格式，比笼统要求全面分析更贴合它的定位；需要机器消费结果时，可结合结构化输出并做类型校验。
All models
Get your API key
gemini-3.5-flash-lite
GoogleChatreasoningvision
Input 0.6307 Credits / 1MOutput 5.2562 Credits / 1M
Overview
API
Pricing
规格与接口特性
在选型前明确容量、输入输出与调用方式。
- 原生输入上限
- 1,048,576 tokens
- 原生输出上限
- 65,536 tokens
- 原生输入与输出
- 文本、图像、视频、音频、PDF 输入；文本输出
- 原生任务能力
- Thinking、函数调用、结构化输出、缓存
- 图文调用方式
- messages 中组合 text 与 image_url；支持流式响应
- 文件与连续会话
- 会话入口支持 file_url、stateful 与会话 id
原生规格描述模型能力；本平台的图文请求与文件会话分别使用对应入口，容量数字不代表每次请求的可用额度。
核心能力
了解 gemini-3.5-flash-lite 能为你的工作带来什么。
图文一起理解，结果仍是文本
它能结合文字指令理解图片，适合从截图、表单或图表中提取指定信息。图文请求将 text 与 image_url 放入同一内容数组，让问题和视觉材料保持对应。交付物可以是解释或结构化文本，但不会直接生成图片，也不会把答案合成为语音。
承担职责清晰的子代理工作
原生函数调用与思考能力让它可以承担信息核对、参数整理等聚焦任务。设计工作流时，应给出工具用途、必填参数和完成条件，把复杂目标拆成可检查步骤。函数调用表达的是操作意图，实际执行仍需要应用或已配置工具完成。
适用场景
从具体任务出发，找到模型发挥作用的位置。
客服记录分类与整理
输入客服对话或工单文本，要求按既定标签判断问题类型，并提取产品、诉求与待补充信息，交付统一字段的记录。对缺少依据的标签允许返回待确认，再由人工复核疑难项，适合将高频、重复的整理工作嵌入业务流程。
文档与表单信息入库
输入文档文本、表单图片，或通过会话入口提供文件链接，指定需要的名称、日期、金额及对应原文，生成便于入库的结构化结果。先限定提取范围，再检查字段完整性与原文对应关系，避免让摘要内容替代精确的数据记录。
围绕材料持续追问
先提交材料并生成重点摘要，再围绕同一材料追问差异、条目或遗漏信息。使用会话入口可保存返回的 id 延续讨论；已有自建聊天系统则可通过 messages 携带历史。最终交付可包含摘要、问题清单和需要进一步确认的事项。
如何选择这个模型
结合任务复杂度、输入材料与预期结果选择。
常规整理优先 Lite，难题另作评估
当任务是分类、简单提取、文档解析或范围明确的子代理工作，Flash-Lite 的低延迟、成本友好定位更合适。若需求转向复杂编码、长链条推理或持续自主执行，可将完整 Flash 或 Pro 纳入比较。用同一组样本评估字段正确率、任务完成率和返工量，而不是仅凭系列名称选型。
区分型号，也区分工作流
gemini-3.5-flash-lite 与 gemini-3.5-flash、gemini-3.1-flash-lite 是不同型号，不能将它们视作拼写别名。直接管理历史、输出格式和工具回填时，选择 Chat Completions；需要保存会话、提交文件链接和管理对话时，选择会话入口。迁移既有应用时，保留代表性样本检查结果。
开始使用
从一次小规模任务到正式接入。
准备任务与材料
明确目标、必要输入与输出要求，使用真实业务样例作为起点。
在 API 调试区试用
打开试用页，确认此入口支持的参数，再提交小规模任务查看结果。
按 API 文档接入
保留完整模型 ID，使用文档规定的请求格式，并在 Pricing 页确认计费规则。
使用边界
在正式使用前，了解输出质量与能力范围。
- 长输入容量不等于每段材料都能被同样准确地提取。对跨文档字段、相似名称和分散条目，应要求附带对应原文；过长且无关的材料也会增加处理负担，优先保留任务所需内容，必要时拆分后汇总。
- 这是理解与文本输出模型，不支持原生图像生成、音频生成或 Live API。原生能理解视频和音频，不意味着可以把任意媒体链接放进图片字段；文件任务应使用适合的提交方式，避免混用不同内容类型。
- 轻量子代理不应被当作无人监督的完整执行系统。多步任务需要检查工具是否实际完成、返回结果是否有效以及停止条件是否满足；涉及写入、发送或发布时，应设置明确权限，并保留失败后的确认与恢复步骤。
常见问题
解答使用 gemini-3.5-flash-lite 时的常见疑问。
Gemini 3.5 Flash-Lite 和 3.5 Flash 是同一个模型吗？
不是。Flash-Lite 重点面向低延迟、成本敏感的文档解析、提取和轻量子代理任务，不能把 3.5 Flash 的配置直接沿用到 Lite。调用时使用 gemini-3.5-flash-lite，迁移后应重新检查输出质量与任务完成情况。
怎样让它返回方便程序处理的 JSON？
在提示中明确要求仅返回 JSON，并写清字段含义、必填项、枚举和缺失值规则，可附上预期输出示例。模型原生支持结构化输出；若使用 response_format 配置 JSON 对象或 JSON Schema，需以该入口对本型号实际支持的配置为准。收到结果后仍需解析并校验字段，尤其要区分格式正确与内容确实有材料依据。
分析 PDF 应该使用哪个入口？
文件会话可使用 /aichat2/conversations，在 message 中提供 file_url 和任务说明。Chat Completions 的图文内容使用 text 与 image_url，不应把 PDF 当作图片提交；也可先提取文本，再交给模型进行分类、摘要或字段整理。
支持看图，也能生成图片或朗读回答吗？
它支持图像理解，可以根据图片回答问题或提取信息，但原生输出为文本，不支持图像生成或音频生成。图片可随文字指令一起提交；如果最终需要图片或语音作品，应将文本结果交给相应的生成服务处理。
连续追问时需要自己保存全部历史吗？
使用 /gemini/chat/completions 时，通过 messages 提供需要保留的对话历史。使用 /aichat2/conversations 时，可开启 stateful，并在后续请求中带回会话 id。前者便于精细控制上下文，后者适合托管连续会话。
模型资料 · 更新日期：2026-10-01。调用参数与计费规则请查看 API 和定价栏目。
Input
$0.06per 1M tokens
Official $0.30
Output
$0.50per 1M tokens
Official $2.50
−79%vs official
Top-up
You pay$13,584for 142,800 credits · $0.0951 / credits46% OFF
You're billed in credits. Pick a top-up tier to see its per-credit rate — the larger the top-up, the cheaper each credit.
Quickstart
Try the API
API Key
Please obtain an API Key first
This is only a basic call example. See the full docs for more parameters and advanced usage.
View Docs