Gemini 3.5 Flash

gemini-3.5-flash

Gemini 3.5 Flash 是 Google 的高效多模态模型，以 Flash 级别的成本和速度带来接近 Pro 级别的编码和推理。它针对编码能力和并行代理执行循环进行了高度优化，支持文本、图像、视频、音频和 PDF 输入。默认为中等思维努力，以获得更快、更具成本效益的响应，并完全支持思维级别（最小、低、中、高）以实现细粒度的成本/性能权衡。

上下文窗口105K

提供商Gemini

创建时间2026/05/20

在线体验

定价

同一模型能力，多条服务通道；按延迟、稳定性与成本灵活选择。

价格单位：$ / 1M tokens

指定服务通道：在请求体加入 provider 字段，例如 "provider": { "channel": "direct" }。可选 direct / stable / economical；不传则使用默认通道。

直连通道

官方直连链路，适合需要原生体验与完整上下文的请求。

输入	输出	缓存命中
1.50/M	9.00/M	0.15/M

介绍

输入

文本图像

输出

文本

Gemini 3.5 Flash API：Flash 成本跑出 Pro 级编码能力

Gemini 3.5 Flash 是 Google 在 2026 年 5 月 I/O 大会上发布的高效多模态模型，也是 Gemini 3.5 系列的首个成员。它的核心卖点很直接：以 Flash 级的成本和速度，交付接近 Pro 级的编码与推理能力。

Google 公布的数据显示，Gemini 3.5 Flash 在编码和智能体基准上超过 Gemini 3.1 Pro，同时输出速度快 4 倍，任务完成成本往往不到一半。它针对编码能力和并行智能体执行循环做了专门优化，支持文本、图像、视频、音频和 PDF 输入。

海鲸AI 通过 OpenAI 兼容接口提供 Gemini 3.5 Flash，支持工具调用、流式输出与多模态输入。

获取 API 密钥 · 模型 ID：gemini-3.5-flash

为什么选择 Gemini 3.5 Flash

超过上一代 Pro 的编码表现 —— 在编码与智能体基准上优于 Gemini 3.1 Pro
输出速度快 4 倍 —— 同样的任务往往在一半以下的成本内完成
Terminal-Bench 2.1 76.2% —— 真实终端环境中的执行力
GDPval-AA 1656 Elo —— 真实职业任务上的综合表现
MCP Atlas 83.6% —— 大规模工具调用场景下的可靠性
全模态输入 —— 文本、图像、视频、音频、PDF 统一处理

核心能力

01 编码与并行智能体执行

Gemini 3.5 Flash 专门针对编码能力和并行智能体执行循环做了优化。在需要同时跑多个子任务的智能体架构里，它的速度优势会被进一步放大。

多文件代码生成与修改
并行子智能体执行循环
终端环境中的命令执行与验证

02 大规模工具调用可靠性

MCP Atlas 83.6% 衡量的是工具调用在规模化场景下的可靠性——参数构造正确、调用时机恰当、结果处理稳定。这对生产级智能体是关键指标。

多工具编排与并行调用
参数构造的准确性
长链路调用中的稳定性

03 全模态理解

支持文本、图像、视频、音频和 PDF 输入，CharXiv Reasoning 84.2% 反映了它在图表这类复杂视觉推理上的表现。

图表与科学图像推理
视频内容理解
音频转写与理解
PDF 文档解析

04 可调思维档位

默认使用中等思考强度以获得更快、更具成本效益的响应，同时完整支持从最小到最高的思考档位，可以按任务难度精确分配算力。

默认中等思考，兼顾速度与质量
高难度任务可上调思考深度
简单任务可降到最低档

最佳使用场景

场景	说明
高吞吐编码助手	需要快速响应的代码补全与修改
并行智能体架构	同时跑多个子任务的执行循环
大规模工具调用	MCP 等工具协议下的生产级智能体
图表与科学分析	CharXiv 类的复杂视觉推理
多模态处理	视频、音频、PDF 的统一理解
成本敏感的生产部署	用 Flash 价格拿到接近 Pro 的能力

Gemini 3.5 Flash 与 Gemini 3.1 Pro、3.1 Flash Lite 的差异

能力	Gemini 3.5 Flash	Gemini 3.1 Pro Preview	Gemini 3.1 Flash Lite
模型 ID	`gemini-3.5-flash`	`gemini-3.1-pro-preview`	`gemini-3.1-flash-lite-preview`
定位	高效多模态主力	上一代旗舰	大容量经济档
编码能力	超过 3.1 Pro	前沿	基础
输出速度	4× 于 3.1 Pro	标准	快
Terminal-Bench 2.1	76.2%	—	—
输入模态	文本、图像、视频、音频、PDF	文本、图像	文本、图像

具体计费以页面上方的实时价格卡片为准。

如何使用 Gemini 3.5 Flash API

1. 创建海鲸AI API 密钥 在控制台生成密钥并充值。

2. 从默认思考档位开始 Gemini 3.5 Flash 默认使用中等思考强度，这对大多数任务是合适的起点。只在质量不达标时上调。

3. 调用接口

curl -X POST https://api.haijingai.com/v1/chat/completions \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "gemini-3.5-flash",
    "messages": [
      {"role": "user", "content": "读取这份 CSV 的结构，写一个数据清洗脚本并说明每步的作用。"}
    ],
    "stream": true
  }'

常见问题

Gemini 3.5 Flash 什么时候发布的？ 2026 年 5 月的 Google I/O 大会，是 Gemini 3.5 系列的首个模型。

它真的比 3.1 Pro 强吗？ 在编码和智能体基准上是的，同时输出速度快 4 倍、成本往往不到一半。在某些需要极深推理的场景下 Pro 档位仍有优势，建议按自己的工作负载实测。

关键基准表现如何？ Terminal-Bench 2.1 76.2%，GDPval-AA 1656 Elo，MCP Atlas 83.6%，CharXiv Reasoning 84.2%。

支持哪些输入模态？ 文本、图像、视频、音频和 PDF——是本页所列模型中模态覆盖最全的之一。

思考档位怎么调？ 默认中等。高难度推理任务可以上调，延迟敏感的高频任务可以降到最低档。

适合做并行智能体吗？ 非常适合。它针对并行智能体执行循环做过专门优化，速度优势在扇出场景下被放大。

为什么选择海鲸AI 使用 Gemini 3.5 Flash API

国内直连 —— 无需 Google Cloud 账户和海外网络
OpenAI 兼容接口 —— 现有代码改两行即可接入
全模态统一入口 —— 视频、音频、PDF 与文本共用一套接口
跨厂商对比 —— 与 GPT、Claude 系列在同一账户下横向比价比效果

API

API 接入信息

Model ID在推理接口中指定模型

gemini-3.5-flash

API Key推理接口的 Bearer Token（鉴权令牌）

前往 API Key 管理

Base URL兼容 OpenAI 协议 · /chat/completions

https://api.haijingai.com/v2/

provider 可选指定服务通道，不传则由系统选择默认通道

"provider": { "channel": "direct" }

gemini-3.5-flash 接入示例

海鲸AI 兼容 OpenAI 接口协议，可直接使用 OpenAI SDK 或 HTTP 请求接入，默认开启流式输出。

cURLPythonNode.js

curl https://api.haijingai.com/v2/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer <API_KEY>" \
  -d '{
    "model": "gemini-3.5-flash",
    "messages": [
      {"role": "system", "content": "你是一个有帮助的助手。"},
      {"role": "user", "content": "你好！"}
    ],
    "provider": { "channel": "direct" },
    "stream": true
  }'
# provider 为可选字段，删除该行即使用默认通道

from openai import OpenAI

client = OpenAI(
    base_url="https://api.haijingai.com/v2",
    api_key="<API_KEY>",
)

stream = client.chat.completions.create(
    model="gemini-3.5-flash",
    messages=[
        {"role": "system", "content": "你是一个有帮助的助手。"},
        {"role": "user", "content": "你好！"},
    ],
    stream=True,
    # 可选：指定服务通道，不传则使用默认通道
    extra_body={"provider": {"channel": "direct"}},
)

for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

import OpenAI from 'openai'

const client = new OpenAI({
  baseURL: 'https://api.haijingai.com/v2',
  apiKey: '<API_KEY>',
})

const stream = await client.chat.completions.create({
  model: 'gemini-3.5-flash',
  messages: [
    { role: 'system', content: '你是一个有帮助的助手。' },
    { role: 'user', content: '你好！' },
  ],
  stream: true,
  // 可选：指定服务通道，不传则使用默认通道
  // @ts-expect-error provider 为海鲸AI 扩展字段，不在 OpenAI SDK 类型定义内
  provider: { channel: 'direct' },
})

for await (const chunk of stream) {
  process.stdout.write(chunk.choices[0]?.delta?.content ?? '')
}