Gemini 3.5 Flash — Spécifications
Rédigé par Mustafa Ihsan d’après la documentation officielle du fournisseur · Dernière mise à jour
| Développeur | |
|---|---|
| Type | LLM (multimodale) |
| Modalité | Texte, image, audio, vidéo → Texte |
| Paramètres | Non divulgué |
| Fenêtre de contexte | 1 million |
| Sortie maximale | 65 K |
| Licence | Propriétaire |
| Poids ouverts | Non |
| Publié | 2026 |
| Prix de l’entrée | $1.50 /1M |
| Prix de la sortie | $9.00 /1M |
| Fournisseurs d'API | Google AI Studio, Vertex AI |
What is Gemini 3.5 Flash?
Gemini 3.5 Flash is Google’s fast multimodal model, and an unusual case of a cheaper tier
beating the more expensive one on the benchmarks most people care about: it outperforms
Gemini 3.1 Pro on coding and agentic tasks while running roughly 4× faster and about 25%
cheaper, with the same 1M-token context. Pricing is $1.50 in / $9 out per million tokens.
When the faster, cheaper model also scores higher, the “Pro” tier stops being the default
and becomes a specialist choice. For coding assistants, agent loops and anything where a user
is waiting on a response, 3.5 Flash is the better pick on every axis at once — a rare thing
in model selection, where speed, cost and quality usually trade against each other. Reserve
3.1 Pro for workloads that specifically need its multimodal depth. The one caveat is the same
one that applies across the Gemini line: check the long-context billing terms for your tier
before building a feature that routinely sends very large prompts, because the headline rate
is not always the rate you pay above 200K tokens.
Gemini 3.5 Flash pricing: API cost per 1M tokens
| Entrée (par million de jetons) | $1.50 |
|---|---|
| Sortie (par million de jetons) | $9.00 |
| Ratio sortie/entrée | 6× |
| Moyenne pondérée (4:1 entrée:sortie) | $3.00 par 1 million de jetons |
What Gemini 3.5 Flash costs per month
Dépense mensuelle réelle pour un ratio entrée-sortie de 4:1 — le rapport effectivement observé dans une charge de travail type (chat ou RAG).
| Charge de travail | Jetons/mois | Coût par mois |
|---|---|---|
| Projet secondaire | 1 million en entrée / 0,25 million en sortie | $3.75 |
| Petite équipe | 20 millions en entrée / 5 millions en sortie | $75 |
| Production | 200 millions en entrée / 50 millions en sortie | $750 |
Calculez vos propres coûts dans le Calculateur de coûts pour les API IA.
Cheaper alternatives to Gemini 3.5 Flash
| Modèle | Coût combiné par million de dollars | Vous économisez |
|---|---|---|
| GLM 5.2 ouverte | $2.00 | 33 % moins cher |
| DeepSeek V4-Pro ouverte | $0.522 | 83% cheaper |
| Kimi K2.7 Code ouverte | $0.980 | 67 % moins cher |
Questions fréquemment posées
How much does Gemini 3.5 Flash cost per 1M tokens?
Gemini 3.5 Flash costs $1.50 per 1M input tokens and $9.00 per 1M output tokens. At a typical 4:1 input-to-output mix that blends to about $3.00 per 1M tokens.
How much does Gemini 3.5 Flash cost per month?
A small-team workload of 20M input and 5M output tokens a month costs about $75 on Gemini 3.5 Flash. A side project (1M in / 0.25M out) costs roughly $3.75.
What is a cheaper alternative to Gemini 3.5 Flash?
GLM 5.2 is the strongest cheaper option in our database at $2.00 per 1M blended — about 33% less than Gemini 3.5 Flash. It is also open-weight, so self-hosting is an option.
Can I run Gemini 3.5 Flash locally?
No. Gemini 3.5 Flash is a closed, API-only model — the weights are not released, so it cannot be self-hosted.
Why does Gemini 3.5 Flash charge more for output than input?
Output tokens are generated one at a time and cannot be batched the way a prompt can, so they cost the provider more to serve. Gemini 3.5 Flash charges 6× more for output, which is why prompt-heavy workloads are far cheaper to run than generation-heavy ones.
Comparez les prix de tous les modèles Gemini côte à côte : Tarification de l'API Gemini.
Les prix indiqués correspondent aux tarifs publics officiels pour l’API principale du modèle et sont mis à jour régulièrement à mesure que les fournisseurs les modifient. Les remises liées aux volumes, aux traitements par lots ou aux entrées mises en cache ne sont pas prises en compte. Comparez tous les modèles côte à côte dans le Base de données des modèles IA ou le Classement des grands modèles linguistiques (LLM).