Kann ich Gemini 3.5 Flash lokal ausführen?

Nein. Google hat für dieses Modell keine Gewichte veröffentlicht, es ist nur über die API zugänglich.

Was kostet Gemini 3.5 Flash und wie groß ist sein Kontext?

Eingabe kostet $1,50 pro Million Tokens, Ausgabe $9,00 pro Million Tokens, mit einem Kontextfenster von 1.048.576 Tokens.

Worin unterscheidet sich Gemini 3.5 Flash von Gemini Pro?

Flash ist auf Geschwindigkeit und geringere Kosten optimiert; Google positioniert es als fast Pro bei Coding und Reasoning, aber zum Flash-Preis, mit dem Kompromiss, dass Sie die Qualität über Denkstufen steuern, statt standardmäßig maximale Leistung zu erhalten.

Gemini 3.5 Flash

4076°

#llm #google #vision #audio #video #logik

Modell ausführen

Angebote / Werbung

OpenRouter Terminal / API

Bezahlung pro Token

Chatte mit diesem Modell im Browser oder rufe es mit einem API-Schlüssel aus deinem Code auf.

Google | 1.048.576 Token Kontext | 1,50 $/M Eingabe, 9,00 $/M Ausgabe. Gemini 3.5 Flash ist Googles hocheffizientes multimodales Modell, das nahezu Pro-Level-Codierung und Denken zu Flash-Tier-Kosten und -Geschwindigkeit bietet. Es ist stark optimiert für Codierkompetenz und parallele agentische Ausführungsschleifen und unterstützt Text-, Bild-, Video-, Audio- und PDF-Eingaben. Standardmäßig mittlerer Denkaufwand für schnellere und kosteneffizientere Antworten, mit voller Unterstützung für Denkstufen (minimal, niedrig, mittel, hoch) für feine Kosten-/Leistungsabstimmungen.

Anleitungen zu diesem Modell

Wie man im Oktober 2026 ein KI-Modell auswählt: Neuigkeiten zu Closed Source und dann die Open-Weights, die sich zum Download lohnen

Offene Gewichte vs. Open Source vs. Nur API: Was du wirklich darfst

Die 10 günstigsten ChatGPT-Alternativen 2026: kostenlose lokale Modelle, Gratis-Stufen und Flatrate-Tarife

Alle Anleitungen

Captain's Notizen

Geschrieben von Captain, dem Hausredakteur

Notizen vom 2026-10-13

Gemini 3.5 Flash ist Googles Multimodal-Modell der Mittelklasse, entwickelt für Geschwindigkeit und Kosteneffizienz, ohne bei Coding und Reasoning viel einzubüßen. Es akzeptiert Text-, Bild-, Video-, Audio- und PDF-Eingaben, und seine einstellbaren Denkstufen erlauben es, Kosten und Qualität pro Anfrage zu balancieren. Es eignet sich für Entwickler, die agentische Pipelines betreiben und leistungsfähigen Durchsatz ohne Pro-Preise benötigen.

Bekannt für

Coding-Leistung, die über dem Preisniveau liegt
Parallele Ausführung agentischer Schleifen als zentrales Designziel
Einstellbarer Denkaufwand: minimal bis hoch, pro Anfrage
Vollständige multimodale Eingabe: Bilder, Video, Audio und PDFs
Ein Millionen Token großes Kontextfenster

Achte auf

Nur geschlossene Gewichte — kein lokales Deployment, kein Selbsthosting
Ausgabetokens kosten das Sechsfache der Eingabetokens; agentische Schleifen mit langen Ausgaben summieren sich schnell
Denkstufe ist standardmäßig mittel; vollständiges Abschalten ist möglicherweise nicht möglich

Am besten für

Programmieren

Agenten und Werkzeugnutzung

Logisches Denken

Vision

Schnell

Prompts zum Ausprobieren

Debugge eine parallele Agentenschleife

Ich habe einen Python-Orchestrator, der fünf asynchrone Agenten startet, die jeweils eine externe API aufrufen und Ergebnisse in ein gemeinsames Dict schreiben. Gelegentlich überschreiben sich zwei Agenten stillschweigend gegenseitig die Schlüssel. Identifizieren Sie die Race Condition, erklären Sie, warum sie in asyncio auftritt, und schreiben Sie den relevanten Abschnitt mit einem Lock oder einer Queue um, um das Problem zu beheben.

Denke einen Bauplan durch

Ich muss eine monolithische Flask-App innerhalb von zwölf Wochen mit einem Zweierteam auf eine Microservices-Architektur migrieren. Ein Service übernimmt Authentifizierung, einer die Abrechnung, einer die Kernprodukt-API. Listen Sie die Risiken der Reihenfolge auf, in welcher Reihenfolge Sie die Services aufteilen würden, und nennen Sie den einen Fehler, den die meisten Teams in Woche sechs machen.

Daten aus einer PDF-Tabelle extrahieren

Ich hänge eine PDF-Rechnung mit einer mehrseitigen Zeilenartikel-Tabelle an. Extrahiere jede Zeile als JSON mit den Schlüsseln: Beschreibung, Menge, Einzelpreis, Gesamt. Markiere jede Zeile, bei der Menge mal Einzelpreis nicht mit der Gesamtsumme übereinstimmt, und zeige die Abweichung.

Vergleichen mit

Gemma 4 31B
Modell mit offenen Gewichten
262,144 Token Kontext · $0.20/M Eingabe, $0.40/M Ausgabe
Gemma 4 26B A4B
Modell mit offenen Gewichten
262,144 Token Kontext · $0.09/M Eingabe, $0.30/M Ausgabe
gemma 4 31B it Ultra
Modell mit offenen Gewichten
131,072 Token Kontext · $0.27/M Eingabe, $0.76/M Ausgabe
Gemini 3.8 Flash
Nur API-Modell
1,048,576 Token Kontext · $0.83/M Eingabe, $4.12/M Ausgabe

Mehr Textmodelle von google

Häufig gestellte Fragen

Kann ich Gemini 3.5 Flash lokal ausführen?: Nein. Google hat für dieses Modell keine Gewichte veröffentlicht, es ist nur über die API zugänglich.
Was kostet Gemini 3.5 Flash und wie groß ist sein Kontext?: Eingabe kostet $1,50 pro Million Tokens, Ausgabe $9,00 pro Million Tokens, mit einem Kontextfenster von 1.048.576 Tokens.
Worin unterscheidet sich Gemini 3.5 Flash von Gemini Pro?: Flash ist auf Geschwindigkeit und geringere Kosten optimiert; Google positioniert es als fast Pro bei Coding und Reasoning, aber zum Flash-Preis, mit dem Kompromiss, dass Sie die Qualität über Denkstufen steuern, statt standardmäßig maximale Leistung zu erhalten.

Captain's Urteil
Eine sinnvolle Standardwahl für agentische Coding-Aufgaben, wenn Sie ein Millionen-Token-Kontextfenster und multimodale Eingabe wollen, ohne Pro-Preise zu zahlen — achten Sie nur auf die Ausgabekosten.

Der Captain schreibt diese Notizen basierend auf der Beschreibung und Model Card des Modells. Preise und Kontextgrößen sind vom Anbieter zum Zeitpunkt der Erstellung und können sich ändern.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Wie sich dieser Wert zusammensetzt

Dieses Modell hat noch keine Popularitätsdaten von irgendeiner Quelle, daher trägt es eine Platzhalterzahl unterhalb von 7,000°, damit die Listen vollständig bleiben. Es rangiert niemals über einem Modell mit Daten. Die Aufschlüsselung erscheint hier, sobald eine Quelle sie meldet.

Glossar: die hier verwendeten Begriffe

Heat-Score: Eine Zahl dafür, wie viel ein Modell gerade genutzt und gewollt wird, von 0° bis 9.999°. Jede Liste auf dieser Seite, die „heißeste“ sagt, ist danach sortiert und nach nichts anderem.
Grundwert: Die 7.000°, mit denen jedes Modell mit echten Daten startet. Die Skala reicht von 0° bis 9.999°; der Bereich unter dem Grundwert ist für Platzhalter reserviert (Modelle ohne Daten), damit ein Modell mit Daten immer über einem ohne steht. Der Grundwert ist für alle gleich und entscheidet nichts; die Grade darüber sind die Messung.
Download-Äquivalente: Alles, was der Score als Download zählt, zusammengefasst: Downloads selbst, jeder Torrent-Seeder als 1.000, jedes AI Horde-Bild und jeder Lauf auf einer Generierungsseite als eins.
Logarithmische Skala: Gezählt in Zehnerschritten, nicht einzeln: Der Sprung von 1.000 auf 10.000 Downloads bringt genauso viele Grade wie von 10.000 auf 100.000. So verdrängen Riesen nicht alles andere.
Likes: Daumen hoch und Likes von allen Quellen, jeweils halb so viel wert wie ein Download auf der Log-Skala.
Verbreitungsrate: Wie viele Downloads ein Modell gerade pro Tag bekommt, aus dem Unterschied zwischen zwei Messungen einer Quelle. Ein Viertel der Gewichtung des Download-Begriffs.
Gemessen und geschätzt: Gemessen bedeutet, dass es zwei Messwerte einer Quelle gibt und der Unterschied echt ist. Geschätzt heißt, es ist nur die heutige Gesamtsumme bekannt und die Vergangenheit wird über die Lebensdauer des Modells verteilt; die Seite sagt, welche Variante angezeigt wird.
Seeder: Jemand, der eine Kopie der Gewichte online hält, damit andere sie über einen Torrent herunterladen können, oder ein gehosteter Spiegel, der dasselbe macht. Jeder davon zählt als 1.000 Downloads.
AI Horde: Ein Freiwilligennetzwerk, das kostenlos Bilder auf gespendeten Computern generiert. Die Anzahl der Bilder, die es mit einem Modell erstellt hat, ist öffentlich und jedes zählt als ein Download.
Generierungsseiten: Seiten, die eigene Kopien eines Modells hosten und Leute damit generieren lassen, wie PixAI, SeaArt und Yodayo. Ihre Downloads zählen wie bei Civitai und jeder Generierungslauf als ein Download.
OpenRouter Tokens: Ein Textmodell, das über eine API bereitgestellt wird, wie Claude oder GPT, hat keine Gewichte zum Herunterladen, daher wird seine Nutzung in Tokens gemessen: die Textstücke, die es über OpenRouter gelesen und geschrieben hat, einem Gateway, das viele Apps nutzen, in den letzten 30 Tagen. Je 10,000,000 Tokens zählen als ein Download. Quelle: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Vollständiges Modell (Checkpoint): Die Gewichte selbst, die Datei, die eigenständig generiert. Sie bekommt einen Bonus, weil Add-ons davon abhängen.
LoRA und Embedding: Kleine Zusatzdateien, die die Gewichte von jemand anderem in Richtung eines Stils, Charakters oder Konzepts lenken. Sie können nicht alleine laufen.
Familie und Gewichte: Die Basis, auf der ein Modell aufgebaut ist, wie SD 1.5, SDXL, Flux oder Wan. Jedes Modell erbt das Veröffentlichungsdatum der Gewichte seiner Familie.
Alter: Abzüge je nachdem, wie lange die Gewichte der Familie schon draußen sind: 150° pro Jahr, bis zu 750°. Alte Downloads, die Jahre zum Ansammeln hatten, bleiben oben in der Liste eingefroren.
Familien-Boost: Ein kleiner, begrenzter Schub für LoRAs einer Familie, die diese Seite gerade vorantreibt, immer in der Aufschlüsselung aufgeführt.
Stand-in-Wert: Eine stabile Zahl unter der Mindestgrenze, die einem Modell gegeben wird, über das noch keine Quelle berichtet hat, damit die Listen vollständig bleiben. Sie rangiert nie über einem Modell mit Daten.
Neu! (Schonfrist): Ein Modell, das weniger als 7 Tage alt ist, zeigt Neu! statt einer Punktzahl und nimmt keinen Platz in den Rankings ein. Seine Punktzahl wird ab dem ersten Tag berechnet, aber ein Modell, das einen Tag alt ist, wächst schneller als alles andere, daher wäre ohne die Wartezeit das #1 Modell der Woche immer das, das gestern herauskam, statt das, das sich eine Woche gehalten hat.
Trend: Wie das Wachstum eines Modells über einen Zeitraum im Vergleich zum typischen Wachstum eines Modells im gleichen Zeitraum ist. Schneller als üblich bedeutet Anstieg, langsamer bedeutet Rückgang.
Typisches Modell: Die Mitte des Katalogs: Die Hälfte der Modelle mit einer Zahl wuchs schneller im Zeitraum, die andere Hälfte langsamer.

Ähnliche Modelle

Qwen3 Coder 480B A35B

TEXT / LLM

KI-Modelle für Bild-, Video- und Texterzeugung

Gemini 3.5 Flash ist ein Textmodell für die Familie Text / LLM und wird auf ModelTrends.ai gelistet, einem reinen Lesekatalog für Open-Source-KI-Modelle für Bild, Video und Text. Vergleiche es mit anderen Text / LLM-Modellen und prüfe den Hitzewert, um den Trend zu sehen.

Weitere Text / LLM-Modelle llm google vision audio video logik programmieren agenten

Nach Modellfamilie stöbern