Gemini 3.5 Flash-Lite

是什么

Gemini 3.5 Flash-Lite 是 Google Gemini 3.5 系列中最快的一款模型，于 2026 年 7 月 21 日发布^[1][2]。它面向低延迟（low latency）、高吞吐（high throughput）的任务：大量请求同时涌入，每一条都要很快返回结果，比如智能体检索（agentic search）和文档处理^[1][2]。前者指模型自己发起搜索、读回结果、再继续搜索的循环；后者指批量读取、抽取和汇总文件。这两类工作都要来回调用很多次，所以速度与能力同样重要。

在 Google 的命名里，Lite 指同一模型家族中更小、更便宜的一档，用一部分能力换取速度和更低的价格。

速度与价格

评测机构 Artificial Analysis 测得它的输出速度为每秒 350 个 token，快于 Gemini 3.5 Flash^[1]。每秒输出 token 数描述的是模型开始作答后生成文字的快慢；对需要连续发起大量短请求的系统来说，这个数字很关键。

标准价格为每 100 万输入 token 0.30 美元、每 100 万输出 token 2.50 美元^[1][3]。输入 token 是调用方送进来的内容（指令、文档、搜索结果），输出 token 是模型生成的内容，两者分开计价，是因为读一长段提示和写一长段回答的成本不同。Google 另列出批量（batch）与 Flex 的折扣价：每 100 万输入 token 0.15 美元、每 100 万输出 token 1.25 美元；优先（priority）价格为每 100 万输入 token 0.54 美元（文本、图像和视频）、每 100 万输出 token 4.50 美元^[3]。

公布的成绩

Google 公布的分数覆盖了几类评测。在 Terminal-Bench 2.1 上它得 54%，Google 引用的对比数字为 31%；在测试长上下文处理、即从超长输入里取回信息的 GDM-MRCR v2 上得 72.2%；在 GDPval-AA v2 上得 1140 分，Google 称其显著优于 3.1 Flash-Lite^[1]。

与 Gemini 3 Flash 相比，它在考察软件工程任务的 SWE-Bench Pro 上得 54.2%，对方为 49.6%；在考察智能体通过计算机界面完成任务的 OSWorld-Verified 上得 74.0%，对方为 65.1%^[1]。

开发者能用到什么

开发者可以把思考等级（thinking level）从最低调到最高^[1]。思考等级控制模型在作答前做多少内部推理：简单的查询用低档更快更便宜，难题用高档则多花时间逐步推演。计算机使用（computer use）作为内置工具提供，应用可以让模型直接操作图形界面，而不只是交换文本^[1]。

模型已在 Gemini API、Antigravity、Gemini Enterprise 和 Gemini 应用中提供，并正在 Google 搜索中逐步上线^[1]。

在模型序列中的位置

Google 指定它接替 gemini-3.1-flash-lite，并从 2026 年 12 月 1 日起作为 gemini-2.5-flash 的自动路由目标^[2]。这两项都是 API 层面的安排：旧模型名称退役后，仍在调用它的代码必须改指别处；自动路由则意味着发给 gemini-2.5-flash 的请求会被转给 Flash-Lite。对运行高并发、对成本敏感的系统来说，这使 Lite 模型成为默认的前进路径，而不只是众多选项之一。