Bolehkah saya jalankan Gemini 3.5 Flash secara tempatan?

Tidak. Google tidak mengeluarkan berat untuk model ini, jadi hanya akses API sahaja.

Berapa kos Gemini 3.5 Flash dan berapa besar konteksnya?

Input berharga $1.50 per sejuta token dan output $9.00 per sejuta token, dengan tetingkap konteks 1,048,576 token.

Bagaimana Gemini 3.5 Flash berbeza daripada Gemini Pro?

Flash dioptimumkan untuk kelajuan dan kos rendah; Google meletakkannya hampir setaraf Pro dalam pengekodan dan penaakulan tetapi pada harga tahap Flash, dengan pertukaran anda kawal kualiti melalui tahap pemikiran dan bukan usaha maksimum secara lalai.

Gemini 3.5 Flash

4076°

#llm #google #penglihatan #audio #video #penalaran

Jalankan model ini

Tawaran / Iklan

OpenRouter Terminal / API

Bayar setiap token

Bual dengan model ini dalam pelayar atau panggil ia dari kod anda dengan satu kunci API.

Google | 1,048,576 token context | $1.50/M input, $9.00/M output. Gemini 3.5 Flash adalah model multimodal berkecekapan tinggi Google, membawa tahap pengekodan dan penaakulan hampir Pro pada kos dan kelajuan tahap Flash. Ia sangat dioptimumkan untuk kemahiran pengekodan dan gelung pelaksanaan agen selari, menyokong input teks, imej, video, audio, dan PDF. Lalai kepada usaha pemikiran sederhana untuk respons yang lebih pantas dan kos efektif, dengan sokongan penuh untuk tahap pemikiran (minimum, rendah, sederhana, tinggi) untuk pertukaran kos/prestasi yang terperinci.

Panduan untuk model ini

Cara memilih model AI pada Oktober 2026: berita sumber tertutup, kemudian berat terbuka yang patut dimuat turun

Berat terbuka vs sumber terbuka vs hanya API: apa yang sebenarnya kamu dibenarkan lakukan

10 Alternatif ChatGPT Termurah pada 2026: model tempatan percuma, tahap percuma dan pelan kadar rata

Semua panduan

Nota Kapten

Ditulis oleh Captain, editor rumah

Nota dari 2026-10-13

Gemini 3.5 Flash adalah model multimodal pertengahan Google, dibina untuk kelajuan dan kecekapan kos tanpa mengorbankan banyak dalam pengekodan dan penaakulan. Ia menerima input teks, imej, video, audio, dan PDF, dan tahap pemikiran boleh laras membolehkan anda mengimbangi kos dengan kualiti setiap permintaan. Ia sesuai untuk pembangun yang menjalankan saluran agen yang memerlukan kelajuan tinggi tanpa bil tahap Pro.

Dikenali untuk

Prestasi pengekodan yang melebihi harga tahapnya
Pelaksanaan gelung agen selari sebagai matlamat reka bentuk utama
Usaha pemikiran boleh laras: dari minimum hingga tinggi, setiap permintaan
Input multimodal penuh: imej, video, audio, dan PDF
Tetingkap konteks sejuta token

Berhati-hati dengan

Berat tertutup sahaja — tiada penyebaran tempatan, tiada hos sendiri
Token output berharga enam kali ganda kadar input; gelung agen dengan output panjang cepat menambah kos
Tahap pemikiran lalai adalah sederhana; mematikannya sepenuhnya mungkin tidak boleh

Terbaik untuk

Pengaturcaraan

Ejen dan penggunaan alat

Penalaran

Penglihatan

Pantas

Arahan untuk cuba

Debug gelung agen selari

Saya ada pengaturcara Python yang memulakan lima agen async, setiap satu memanggil API luaran dan menulis keputusan ke dict kongsi. Kadang-kadang dua agen menulis ganti kunci satu sama lain secara senyap. Kenal pasti keadaan perlumbaan, terangkan mengapa ia berlaku dalam asyncio, dan tulis semula bahagian berkaitan menggunakan kunci atau barisan untuk membetulkannya.

Fikirkan rancangan binaan

Saya perlu memindahkan aplikasi Flask monolitik ke seni bina mikroservis dalam masa dua belas minggu dengan pasukan dua orang. Satu perkhidmatan mengendalikan pengesahan, satu mengendalikan pengebilan, satu mengendalikan API produk teras. Senaraikan risiko urutan, susunan anda memecah perkhidmatan, dan satu perkara yang kebanyakan pasukan silap pada minggu keenam.

Ekstrak data dari jadual PDF

Saya melampirkan invois PDF dengan jadual item baris berbilang halaman. Ekstrak setiap baris sebagai JSON dengan kunci: description, quantity, unit_price, total. Tandakan mana-mana baris di mana kuantiti didarab dengan harga unit tidak sama dengan jumlah, dan tunjukkan perbezaannya.

Bandingkan dengan

Gemma 4 31B
Model berat terbuka
konteks 262,144 token · Input $0.20/M, output $0.40/M
Gemma 4 26B A4B
Model berat terbuka
konteks 262,144 token · Input $0.09/M, output $0.30/M
gemma 4 31B it Ultra
Model berat terbuka
konteks 131,072 token · Input $0.27/M, output $0.76/M
Gemini 3.8 Flash
Model hanya API
konteks 1,048,576 token · Input $0.83/M, output $4.12/M

Lebih banyak model teks dari google

Soalan yang sering ditanya

Bolehkah saya jalankan Gemini 3.5 Flash secara tempatan?: Tidak. Google tidak mengeluarkan berat untuk model ini, jadi hanya akses API sahaja.
Berapa kos Gemini 3.5 Flash dan berapa besar konteksnya?: Input berharga $1.50 per sejuta token dan output $9.00 per sejuta token, dengan tetingkap konteks 1,048,576 token.
Bagaimana Gemini 3.5 Flash berbeza daripada Gemini Pro?: Flash dioptimumkan untuk kelajuan dan kos rendah; Google meletakkannya hampir setaraf Pro dalam pengekodan dan penaakulan tetapi pada harga tahap Flash, dengan pertukaran anda kawal kualiti melalui tahap pemikiran dan bukan usaha maksimum secara lalai.

Keputusan Kapten
Pilihan munasabah untuk kerja pengekodan agen di mana anda mahukan konteks sejuta token dan input multimodal tanpa membayar harga Pro — cuma awasi bil output.

Kapten menulis nota ini berdasarkan penerangan model dan kad model itu sendiri. Harga dan saiz konteks adalah dari penyedia pada masa penulisan dan boleh berubah.

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

Bagaimana skor ini dijumlahkan

Model ini belum ada data populariti dari mana-mana sumber lagi, jadi ia membawa nombor gantian di bawah 7,000° yang memastikan senarai lengkap. Ia tidak pernah menduduki tempat lebih tinggi daripada model yang ada data. Pecahan muncul di sini sebaik sahaja sumber melaporkannya.

Glosari: istilah yang digunakan di sini

Skor heat: Satu nombor untuk seberapa banyak model digunakan dan diingini sekarang, dari 0° hingga 9,999°. Setiap senarai di laman ini yang kata paling panas disusun mengikutnya dan tiada yang lain.
Lantai: 7,000° yang setiap model dengan data sebenar bermula. Skala dari 0° hingga 9,999°; bahagian bawah lantai untuk pengganti (model tanpa data), supaya model dengan data sentiasa lebih tinggi dari yang tiada. Lantai sama untuk semua dan tidak tentukan apa-apa; darjah di atasnya adalah ukuran.
Setara muat turun: Semua yang skor anggap sebagai muat turun, dijumlahkan: muat turun sendiri, setiap torrent seeder sebagai 1,000, setiap imej AI Horde dan setiap larian di laman generasi sebagai satu.
Skala log: Mengira dengan puluhan, bukan satuan: dari 1,000 ke 10,000 muat turun tambah darjah sama seperti dari 10,000 ke 100,000. Ini elak gergasi menindas yang lain.
Suka: Jempol dan suka dari semua sumber, bernilai separuh muat turun pada skala log.
Kadar penerimaan: Berapa banyak muat turun sehari model dapat sekarang, dari beza dua bacaan sumber. Berat suku dari terma muat turun.
Diukur dan dianggarkan: Diukur bermaksud ada dua bacaan dari satu sumber dan perbezaannya adalah nyata. Dianggarkan bermaksud hanya jumlah hari ini yang diketahui dan masa lalu diagihkan sepanjang hayat model; laman web akan memberitahu yang mana satu ia tunjukkan.
Seeder: Seseorang yang menyimpan salinan berat secara dalam talian untuk dimuat turun oleh orang lain melalui torrent, atau cermin yang dihoskan melakukan perkara yang sama. Setiap satu dikira sebagai 1,000 muat turun.
AI Horde: Rangkaian sukarelawan yang menjana imej secara percuma pada komputer yang didermakan. Bilangan imej yang telah dihasilkan dengan model adalah awam, dan setiap satu dikira sebagai satu muat turun.
Laman penjanaan: Laman yang menghoskan salinan model mereka sendiri dan membenarkan orang menjana dengannya, seperti PixAI, SeaArt dan Yodayo. Muat turun mereka dikira seperti Civitai dan setiap sesi penjanaan dikira sebagai satu muat turun.
Token OpenRouter: Model teks yang disediakan melalui API, seperti Claude atau GPT, tidak mempunyai berat untuk dimuat turun, jadi penggunaannya diukur dalam token: bahagian teks yang dibaca dan ditulis melalui OpenRouter, pintu masuk yang digunakan oleh banyak aplikasi, dalam 30 hari terakhir. Setiap 10,000,000 token dikira sebagai satu muat turun. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Berat itu sendiri, fail yang menjana secara sendiri. Ia mendapat bonus kerana add-on bergantung padanya.
LoRA dan embedding: Fail add-on kecil yang mengarahkan berat orang lain ke arah gaya, watak atau konsep. Ia tidak boleh dijalankan sendiri.
Keluarga dan berat: Asas yang model dibina, seperti SD 1.5, SDXL, Flux atau Wan. Setiap model mewarisi tarikh keluaran berat keluarganya.
Umur: Darjah yang ditolak berdasarkan berapa lama berat keluarga itu dikeluarkan: 150° setahun, sehingga 750°. Ia mengekalkan muat turun lama yang mempunyai masa bertahun-tahun untuk terkumpul dengan membekukan di bahagian atas senarai.
Peningkatan keluarga: Dorongan kecil dan terhad untuk LoRA dari keluarga yang laman ini sedang galakkan sekarang, sentiasa disenaraikan dalam pecahan.
Skor gantian: Nombor stabil di bawah paras yang diberikan kepada model yang belum ada laporan sumber, supaya senarai kekal lengkap. Ia tidak pernah mendahului model yang ada data.
Baru! (tempoh kelonggaran): Model yang berumur kurang dari 7 hari menunjukkan Baru! dan tidak mempunyai skor serta tidak menduduki tempat dalam kedudukan. Skornya dikira dari hari pertama, tetapi model yang berumur satu hari berkembang lebih cepat daripada apa pun, jadi tanpa menunggu, #1 minggu ini akan sentiasa menjadi apa sahaja yang keluar semalam dan bukan yang bertahan selama seminggu.
Trend: Bagaimana pertumbuhan model dalam tempoh tertentu dibandingkan dengan pertumbuhan model biasa dalam tempoh yang sama. Lebih cepat dari biasa bermaksud naik, lebih perlahan bermaksud turun.
Model biasa: Tengah katalog: separuh model dengan angka tumbuh lebih cepat dalam tempoh itu, separuh lagi lebih perlahan.

Model serupa

Qwen3 30B A3B Thinking 2507

TEXT / LLM

MiMo V2.6 Flash

TEXT / LLM

Model AI untuk penjanaan imej, video dan teks

Gemini 3.5 Flash ialah model teks untuk keluarga Text / LLM yang disenaraikan di ModelTrends.ai, katalog baca sahaja untuk model AI imej, video dan teks sumber terbuka. Bandingkannya dengan model Text / LLM lain dan semak skor habanya untuk melihat trendnya.

Lagi model Text / LLM Lagi Teks / LLM Text / LLM llm google penglihatan audio video penalaran pengaturcaraan ejen

Layari mengikut keluarga model