Kan jag köra Gemini 3.5 Flash lokalt?

Nej. Google har inte släppt vikter för denna modell, så det är endast API-åtkomst.

Vad kostar Gemini 3.5 Flash och hur stort är dess kontext?

Indata kostar $1,50 per miljon tokens och utdata $9,00 per miljon tokens, med ett kontextfönster på 1 048 576 tokens.

Hur skiljer sig Gemini 3.5 Flash från Gemini Pro?

Flash är optimerad för snabbhet och lägre kostnad; Google positionerar den som nära Pro i kodning och resonemang men till Flash-pris, med kompromissen att du styr kvalitet via tänkenivåer istället för maximal insats som standard.

Gemini 3.5 Flash

4076°

#llm #google #vision #ljud #video #resonemang

Kör modellen

Erbjudanden / annonser

OpenRouter Terminal / API

Betala per token

Chatta med den här modellen i webbläsaren eller anropa den från din kod med en API-nyckel.

Google | 1 048 576 tokens kontext | $1.50/M input, $9.00/M output. Gemini 3.5 Flash är Googles högpresterande multimodala modell, som erbjuder nästan Pro-nivå kodning och resonemang till Flash-nivå kostnad och hastighet. Den är starkt optimerad för kodningskompetens och parallella agentexekveringsloopar, med stöd för text-, bild-, video-, ljud- och PDF-inmatningar. Standardinställningen är medelnivå tänkande för snabbare och mer kostnadseffektiva svar, med fullständigt stöd för tänkandenivåer (minimal, låg, medium, hög) för finjusterade kostnads-/prestandaavvägningar.

Guider för denna modell

Hur du väljer en AI-modell i oktober 2026: nyheter om stängd källkod och öppna vikter värda att ladda ner

Öppna vikter vs öppen källkod vs endast API: vad du faktiskt får göra

De 10 billigaste ChatGPT-alternativen 2026: gratis lokala modeller, gratisnivåer och fastprisplaner

Alla guider

Kaptenens anteckningar

Skrivet av Captain, husets redaktör

Anteckningar från 2026-10-13

Gemini 3.5 Flash är Googles mellanklass multimodala modell, byggd för snabbhet och kostnadseffektivitet utan att ge upp mycket på kodning och resonemang. Den accepterar text, bild, video, ljud och PDF-inmatningar, och dess justerbara tänkenivåer låter dig balansera kostnad mot kvalitet per förfrågan. Den passar utvecklare som kör agentbaserade pipelines och behöver kapabel genomströmning utan Pro-priser.

Känd för

Kodningsprestanda som överträffar sin prisklass
Parallell agentloop-exekvering som ett förstklassigt designmål
Justerbar tänkeinsats: från minimal till hög, per förfrågan
Full multimodal inmatning: bilder, video, ljud och PDF
En miljon tokens kontextfönster

Se upp för

Endast stängda vikter — ingen lokal drift, inget självhostande
Utdata-tokens kostar sex gånger mer än indata; agentloopar med långa utdata blir snabbt dyra
Tänkenivån är som standard medium; att stänga av den helt kan vara omöjligt

Bäst för

Kodning

Agenter och verktygsanvändning

Resonemang

Syn

Snabb

Promptar att prova

Debugga en parallell agentloop

Jag har en Python-orchestrator som startar fem asynkrona agenter, var och en anropar ett externt API och skriver resultat till en delad dict. Ibland skriver två agenter över varandras nycklar tyst. Identifiera race condition, förklara varför det händer i asyncio och skriv om relevant sektion med en låsning eller kö för att fixa det.

Resonera kring en byggplan

Jag behöver migrera en monolitisk Flask-app till en mikrotjänstarkitektur över tolv veckor med ett tvåpersonsteam. En tjänst hanterar autentisering, en fakturering, en kärnprodukt-API. Lista sekvensrisker, ordningen du skulle dela upp tjänsterna och en sak som de flesta team gör fel på vecka sex.

Extrahera data från en PDF-tabell

Jag bifogar en PDF-faktura med en flersidig radposttabell. Extrahera varje rad som JSON med nycklar: beskrivning, kvantitet, enhetspris, total. Flagga rader där kvantitet gånger enhetspris inte stämmer med totalen och visa avvikelsen.

Jämför med

Gemma 4 31B
Öppen vikt-modell
262,144 tokens kontext · $0.20/M indata, $0.40/M utdata
Gemma 4 26B A4B
Öppen vikt-modell
262,144 tokens kontext · $0.09/M indata, $0.30/M utdata
gemma 4 31B it Ultra
Öppen vikt-modell
131,072 tokens kontext · $0.27/M indata, $0.76/M utdata
Gemini 3.8 Flash
Endast API-modell
1,048,576 tokens kontext · $0.83/M indata, $4.12/M utdata

Fler textmodeller från google

Vanliga frågor

Kan jag köra Gemini 3.5 Flash lokalt?: Nej. Google har inte släppt vikter för denna modell, så det är endast API-åtkomst.
Vad kostar Gemini 3.5 Flash och hur stort är dess kontext?: Indata kostar $1,50 per miljon tokens och utdata $9,00 per miljon tokens, med ett kontextfönster på 1 048 576 tokens.
Hur skiljer sig Gemini 3.5 Flash från Gemini Pro?: Flash är optimerad för snabbhet och lägre kostnad; Google positionerar den som nära Pro i kodning och resonemang men till Flash-pris, med kompromissen att du styr kvalitet via tänkenivåer istället för maximal insats som standard.

Kaptens omdöme
Ett vettigt standardval för agentbaserat kodningsarbete där du vill ha en miljon tokens kontext och multimodal inmatning utan att betala Pro-priser — håll bara koll på utgiftsräkningen.

Kapten skriver dessa anteckningar från modellens egen beskrivning och model card. Priser och kontextstorlekar är från leverantören vid skrivtillfället och kan ändras.

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

Hur denna poäng räknas ihop

Den här modellen har ännu inga popularitetsdata från någon källa, så den har ett tillfälligt nummer under 7,000° som håller listorna kompletta. Den rankas aldrig högre än en modell med data. Uppdelningen visas här så fort en källa rapporterar den.

Ordlista: termerna som används här

Heat-poäng: Ett nummer för hur mycket en modell används och efterfrågas just nu, från 0° till 9 999°. Varje lista på den här sidan som säger hetast sorteras efter den och inget annat.
Golvet: De 7 000° som varje modell med verklig data börjar från. Skalan går från 0° till 9 999°; delen under golvet är reserverad för ersättare (modeller utan data), så att en modell med data alltid rankas över en utan. Golvet är samma för alla och avgör inget; graderna ovanför är själva mätningen.
Nedladdnings-ekvivalenter: Allt som poängen räknar som en nedladdning, summerat: själva nedladdningarna, varje torrent-seeder som 1 000, varje AI Horde-bild och varje körning på en genereringssajt som en.
Logaritmisk skala: Räknar i tiotal, inte i ental: att gå från 1 000 till 10 000 nedladdningar ger lika många grader som att gå från 10 000 till 100 000. Det hindrar jättar från att tränga ut allt annat.
Gillanden: Tummar upp och gillanden från alla källor, värda hälften av en nedladdning på den logaritmiska skalan.
Adoptionshastighet: Hur många nedladdningar per dag en modell får just nu, från skillnaden mellan två mätningar av en källa. En fjärdedels vikt av nedladdningsdelen.
Mätt och uppskattad: Mätt betyder att det finns två mätningar från en källa och skillnaden är verklig. Uppskattad betyder att bara dagens total är känd och det fördelas över modellens livstid; sidan visar vilken det är.
Seeder: Någon som håller en kopia av vikterna online för andra att ladda ner via torrent, eller en hostad spegel som gör samma sak. Varje sådan räknas som 1 000 nedladdningar.
AI Horde: Ett frivilligt nätverk som genererar bilder gratis på donerade datorer. Antalet bilder det har gjort med en modell är offentligt, och varje bild räknas som en nedladdning.
Genereringssajter: Sajter som hostar sina egna kopior av en modell och låter folk generera med den, som PixAI, SeaArt och Yodayo. Deras nedladdningar räknas som Civitaís och varje genereringskörning räknas som en nedladdning.
OpenRouter-token: En textmodell som nås via API, som Claude eller GPT, har inga vikter att ladda ner, så dess användning mäts i token: textbitar den läst och skrivit via OpenRouter, en gateway som många appar använder, under de senaste 30 dagarna. Varje 10,000,000 token räknas som en nedladdning. Källa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Full modell (checkpoint): Själva vikterna, filen som genererar självständigt. Den får en bonus eftersom tillägg beror på den.
LoRA och embedding: Små tilläggsfiler som styr någon annans vikter mot en stil, en karaktär eller ett koncept. De kan inte köras själva.
Familj och vikter: Basen en modell är byggd på, som SD 1.5, SDXL, Flux eller Wan. Varje modell ärver släppdatumet för sin familjs vikter.
Ålder: Poäng som dras av beroende på hur länge sedan familjens vikter släpptes: 150° per år, upp till 750°. Det behåller gamla nedladdningar som haft år på sig att samlas för att frysa toppen av listan.
Familjeboost: En liten, begränsad skjuts för LoRAs från en familj som den här sajten just nu vill lyfta fram, alltid med i uppdelningen.
Stand-in-poäng: Ett stabilt nummer under golvet som ges till en modell som ännu inte har rapporter från någon källa, så listorna förblir kompletta. Den rankas aldrig högre än en modell med data.
Ny! (karensperiod): En modell som är mindre än 7 dagar gammal visar Ny! istället för poäng och räknas inte i rankningen. Poängen räknas från dag ett, men en modell som är en dag gammal växer snabbare än allt annat, så utan väntan skulle veckans #1 alltid vara det som kom ut igår istället för det som hållit i en vecka.
Trend: Hur en modells tillväxt under en period jämförs med den typiska modellens tillväxt under samma period. Snabbare än vanligt läses som en ökning, långsammare som en nedgång.
Typisk modell: Mitten av katalogen: hälften av modellerna med siffror växte snabbare under perioden, hälften långsammare.

Liknande modeller

Claude Sonnet 4.5

TEXT / LLM

Qwen3.5 Plus 2026 04 20

TEXT / LLM

GLM 5V Turbo

TEXT / LLM

AI-modeller för bild-, video- och textgenerering

Gemini 3.5 Flash är en textmodell för familjen Text / LLM, listad på ModelTrends.ai, en skrivskyddad katalog över AI-modeller med öppen källkod för bild, video och text. Jämför den med andra Text / LLM-modeller och se dess hettapoäng.

Fler Text / LLM-modeller llm google vision ljud video resonemang kodning agenter

Bläddra efter modellfamilj