我能本地執行 Gemini 3 Flash Preview 嗎？

Google | 1,048,576 代幣上下文 | $0.50/M 輸入，$3.00/M 輸出。Gemini 3 Flash 預覽版是一款高速、高價值思考模型，專為代理工作流程、多輪聊天及編碼輔助設計。提供接近專業級的推理與工具使用性能，延遲遠低於更大型 Gemini 版本，適合互動開發、長期代理迴圈及協作編碼任務。相較 Gemini 2.5 Flash，在推理、多模態理解及可靠性方面有廣泛品質提升。模型支持 1M 代幣上下文窗口及多模態輸入，包括文本、圖像、音頻、視頻和 PDF，輸出為文本。具備可配置推理（思考層級：最小、低、中、高）、結構化輸出、工具使用及自動上下文快取。Gemini 3 Flash 預覽版優化於希望獲得強大推理與代理行為，但不需全規模前沿模型成本與延遲的用戶。

本模型的指南

如何在2026年10月選擇AI模型：先看封閉源新聞，再看值得下載的開放權重

開放權重、開源與僅API：你到底能做什麼

2026 年最便宜的 10 款 ChatGPT 替代方案：免費本地模型、免費方案和固定費率計劃

全部指南

船長筆記

由 Captain 撰寫，內部編輯

2026-10-13 的筆記

Gemini 3 Flash Preview 是 Google 快速且低成本的思考模型，專為代理工作流程、編碼與長多輪會話打造。它在 Flash 延遲下提供接近 Pro 級的推理品質，擁有 100 萬 token 上下文視窗與完整多模態輸入支援。若你需要一個能勝任代理迴圈或互動編碼助理，且不想支付前沿模型價格，這是實用的選擇。

以...聞名

可配置的推理深度：每次請求可選擇最小、低、中、高推理層級。
100 萬 token 上下文視窗，能處理極長文件、程式碼庫或對話歷史。
單次呼叫接受文字、圖片、音訊、影片與 PDF。
內建工具使用與結構化輸出，適合代理與管線工作。
自動上下文快取，降低長代理迴圈中重複提示成本。

注意

權重封閉，僅 API 提供，無法本地執行或檢視模型。
輸出 token 價格是輸入的六倍，長代理迴圈且輸出冗長時成本高。
預覽版狀態，行為與價格可能在正式版前變動。

最適合

可嘗試的提示詞

除錯非同步代理迴圈

我有一個 Python 代理，依序呼叫三個工具：網路搜尋、計算器與檔案寫入器。有時檔案寫入器會在計算器完成前執行。以下是相關程式碼： async def run_pipeline(query): results = await search(query) total = await calculate(results) await write_file(total) 找出競爭條件並重寫函式，確保執行順序。

推理規劃問題

一個四人小團隊需在五個工作天內交付一個功能。兩位工程師全職，一位半職，一位待命處理生產問題。功能有六個任務，依賴關係為：A 先於 B，A 先於 C，B 與 C 先於 D，D 先於 E，E 先於 F。每任務需一人一天。請建立實際的日程表並標示風險。

多模態文件分析

我附上一份技術規格的 PDF。請擷取所有含有可衡量驗收標準的需求，列成表格，欄位包含需求 ID、描述與具體指標或門檻。標示提及效能但未給具體數字的需求。

比較

Gemma 4 31B
開放權重模型
262,144 代幣上下文 · $0.20/M 輸入，$0.40/M 輸出
Gemma 4 26B A4B
開放權重模型
262,144 代幣上下文 · $0.09/M 輸入，$0.30/M 輸出
gemma 4 31B it turbo
開放權重模型
262,144 代幣上下文 · $0.09/M 輸入，$0.34/M 輸出
Gemini 3.8 Flash
僅限 API 模型
1,048,576 代幣上下文 · $0.83/M 輸入，$4.12/M 輸出

更多來自 google 的文字模型

常見問題

我能本地執行 Gemini 3 Flash Preview 嗎？: 不能，Google 尚未釋出權重，僅提供 API，無法在自有硬體執行。
價格與上下文視窗大小？: 輸入價格為每百萬 token 0.50 美元，輸出為每百萬 token 3.00 美元，上下文視窗為 1,048,576 token，並支援自動上下文快取。
與 Gemini 2.5 Flash 有何不同？: Google 表示 Gemini 3 Flash Preview 在推理、多模態理解與可靠性上較 Gemini 2.5 Flash 有廣泛品質提升，速度與成本相近。

船長評語
當你需要在代理迴圈中使用思考模型，但無法接受前沿模型的延遲或成本時，這是理智的選擇。

船長根據模型自身描述與模型卡撰寫這些筆記。價格與上下文大小為撰寫時提供者資料，可能會變動。

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

Also ranked: #30 Hottest Text / LLM model · #30 Hottest Text / LLM text model

Not this creator?

Get your own badge

Gemini 3 Flash Preview 熱度趨勢

熱度分數，自 17 Dec 2025 起

熱度分數

8,973°

本週

▲

23.5%

8,945° 當時，8,973° 現在

本月

▲

157%

8,847° 當時，8,973° 現在

過去一年

n/a

尚未發布/追蹤

7,000°

基準值

分數範圍是從 0° 到 9,999°。低於 7,000° 的部分是留給還沒被任何來源報告的模型，它們會有一個替代數字，讓列表保持完整。7,000° 是有測量數據開始的地方：有真實數據但幾乎沒下載的模型會在基準值，之後的度數才是測量結果。基準值本身不代表模型好壞，只有基準值以上的度數才會區分模型。

+1,669°

OpenRouter 代幣

此模型在過去30天內透過 OpenRouter 處理了 3,664,771,683,508 代幣，包含提示和回答。每 10,000,000 代幣算作一次下載，共 366,477 次；最後一天的代幣會加入採用率。來源：OpenRouter (openrouter.ai/rankings)。

+304°

採用率

大約每天 11,254 次下載，根據兩次來源讀取間的變化計算，不是用整個生命週期平均。速度佔下載項目的四分之一，能反映新熱潮，但不會讓一天的爆量超過多年累積。

顯示詳細分析

這個網站上的每個數字都可以查證。這個模型的熱度分數是 8,973°，這裡會一步步拆解它的組成，每加一項就會顯示目前的總分：基準值、每個來源增加的度數、模型類型的加分，以及權重年齡帶來的扣分。顏色對應上方圖表的區間。最後的詞彙表會解釋每個術語。

1
從基準值開始。
為什麼是 7,000° 而不是零：分數範圍是 0° 到 9,999°，低於 7,000° 的部分是留給還沒被任何來源報告的模型，它們有替代數字，讓列表完整且不會超過有數據的模型。7,000° 是有測量數據開始的地方。有真實數據但幾乎沒下載的模型會在這裡；之後的度數是測量結果，基準值以上有十個十倍下載的階段，每階段增加 300°。基準值對所有模型都一樣，不會決定排名；真正區分模型的是基準值以上的度數。
7,000°
累計總和
2
加入下載量。
總共 366,477 個下載等值，來自 OpenRouter 代幣。下載量增加十倍會增加相同的 300°，所以大小很重要，但不會主導分數。
+1,669°
8,669°
累計總和
3
加入採用率。
目前大約每天 11,254 次下載，根據兩次讀取間的差異計算，權重是下載量的四分之一。
+304°
8,973°
累計總和
=
熱度分數。
這個模型在本網站所有排行榜上的位置。沒有其他因素會調整它。
8,973°

詞彙表：這裡使用的術語

熱度分數: 一個數字，表示模型目前的使用和需求程度，範圍從 0° 到 9,999°。本網站所有標示「最熱門」的排行榜都是依此排序，沒有其他排序依據。
底線: 每個有實際數據的模型起始於 7,000°。分數範圍是 0° 到 9,999°；底線以下保留給沒有數據的模型，確保有數據的模型總是排名較前。底線對所有人相同，不影響排名；超過底線的度數才是評分依據。
下載等值: 分數中視為下載的所有項目加總：下載本身、每個種子節點算 1,000、每張 AI Horde 圖像和每次生成網站的執行算一。
對數刻度: 以十為單位計數，不是以一為單位：從 1,000 到 10,000 下載增加的度數，和從 10,000 到 100,000 增加的度數相同。這樣能防止巨頭壓過其他模型。
喜歡數: 來自各來源的讚和喜歡，每個在對數刻度上算半個下載量。
採用率: 模型目前每天的下載次數，根據兩次來源讀取的差異計算。權重是下載量的四分之一。
實測與估算: 實測表示有兩個來源的讀數，且差異是真實的。估算表示只知道今天的總數，過去的數據則分散在模型的整個生命週期；網站會說明顯示的是哪一種。
種子節點: 指在線上保留權重檔案供他人透過種子下載的人，或是提供相同服務的鏡像站。每一個種子節點算作1,000次下載。
AI Horde: 一個志願者網絡，利用捐贈的電腦免費生成圖片。它用某模型生成的圖片數量是公開的，每張圖片算作一次下載。
生成網站: 自己托管模型並讓人使用它生成圖片的網站，例如PixAI、SeaArt和Yodayo。它們的下載量和Civitai一樣，每次生成算一次下載。
OpenRouter 代幣: 透過 API 提供的文字模型，如 Claude 或 GPT，沒有權重可下載，因此使用量以代幣計算：過去30天內透過 OpenRouter（許多應用使用的閘道）讀取和生成的文字片段。每 10,000,000 代幣算作一次下載。來源：OpenRouter (openrouter.ai/rankings)，CC BY 4.0。
完整模型（檢查點）: 權重本身，是能獨立生成的檔案。它會有額外加分，因為其他附加檔案都依賴它。
LoRA和嵌入: 小型附加檔案，用來引導別人的權重走向某種風格、角色或概念。它們無法獨立運行。
家族與權重: 模型所建立的基礎，例如SD 1.5、SDXL、Flux或Wan。每個模型都繼承其家族權重的發布日期。
年齡: 根據家族權重發布時間距今多久，扣除的度數：每年150°，最多750°。它會保留那些有多年累積下載的舊模型，防止它們從排行榜頂端消失。
家族加成: 針對本站目前推廣的某個家族的LoRA給予的小幅度限制加成，會在分解中顯示。
替代分數: 給尚無來源報告的模型一個穩定的最低分，讓列表保持完整。它永遠不會高於有數據的模型。
全新！(寬限期): 不到 7 天的新模型會顯示「全新！」而非分數，且不列入排名。分數從第一天開始計算，但一天大的模型成長最快，若不等待，週榜首將永遠是昨天剛出的模型，而非持續一週的。
趨勢: 模型在某段時間內的成長與典型模型同期成長的比較。比典型快表示上升，比典型慢表示下降。
典型模型: 目錄中的中間值：一半模型在該期間成長較快，一半較慢。