Next-génération Flash architecture bringing de pointe-classe raisonnement et multimodal débit à faible coût.
Technical Specifications
- Provider
- Category
- flagship
- Release Date
- 2025-12
- Batch API Discount
- 50% off async batch
- Consumer Subscription
- $20 / month
- Reasoning Effort Control
- Configurable (Low / Med / High)
- Structured Outputs
- Yes
- Output Modalities
- text
- Official Documentation
- Visit Official Docs ↗
Data Privacy, Licensing & Deployment Governance
Official Provider Release Intelligence, API Quotas & Agentic Specs
- Official API Model ID (SDK String)
- models/gemini-3-flash
- Supported SDK & API Protocol
- Google Gemini API (generateContent) + OpenAI-Compatible SDK
- Lifecycle & Deprecation Status
- Active GA (Guaranteed support through 2027+)
- Production Rate Limits (RPM & TPM)
- 10,000 – 30,000 RPM (Tier 5 Enterprise) · 4,000,000 – 10,000,000 TPM
- Long-Context Pricing Tier (>128K / >200K)
- Standard rate up to 200K tokens; 2x input/output tier above 200K tokens
- Prompt Cache Write & TTL Policy
- Implicit + Explicit Context Caching at $0.125/1M with configurable TTL
- Computer Use & Browser GUI Agent
- Supported (Screen coordinate grounding, browser & desktop GUI action loops)
- MCP & Parallel Tool Calling
- Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema
- Web Search Grounding & Code Sandbox
- Built-in Google Search Grounding + Managed Python Code Execution Sandbox
- Fine-Tuning & Distillation Support
- Vertex AI Supervised Adapter Tuning & Context Distillation
- Multimodal Tokenization Billing
- Text BPE (~4 chars/token) · Vision (~258–765 tokens per image tile) · Audio (~25–32 tokens/sec) · Video (~258–300 tokens/sec)
- Weights Precision & Quantization
- Cloud-Hosted Proprietary (FP8 / BF16 Tensor Core Cluster)
- Minimum GPU VRAM Requirement
- Zero Local VRAM Required (100% Serverless Cloud API)
- Supported Inference Engines
- Managed Google Cloud API
- System Card & Safety Framework
- Google DeepMind Frontier Safety Framework Verified
- Enterprise Compliance (SOC2 / HIPAA / ZDR)
- SOC2 Type II · GDPR · Zero Data Retention (ZDR) & HIPAA BAA Available on Enterprise Tier
Gemini 3 Flash Cost, Context, Hardware & API Integration
For single-user chat, a $20/mo subscription caps your bill below this API volume.
Break-even point: ~157 requests/day equals $20/month.
Same Monthly Workload Cost Across Popular Reference Models
Live Prompt Paste Tokenizer & Cost Counter
Paste real system instructions, JSON schemas, or code to measure BPE token counts across tokenizers.
Hybrid Prompt Routing Cascade Simulator
Route routine queries to a fast lightweight model ($0.15/1M) and escalate only complex reasoning turns to Gemini 3 Flash:
Benchmark Scores & 6-Axis Capability Radar
- SWE-bench Verified
- 66.5%
- GPQA Diamond
- 79%
- MMLU-Pro
- 85.8%
- HumanEval
- 93.5%
- AIME
- 88%
- Chatbot Arena Elo
- 1425pts
Strengths
- de pointe-grade raisonnement à sous-dollar entrée coûts
- Complete natif vidéo et audio traitement
- Superb appel d'outils précision
Limitations & Trade-offs
- Limites de débit de l'API préliminaire pendant le déploiement
- raisonnement tokens add à total bill
Editorial Assessment
Sets un new standard pour élevé-performances economical AI heading dans 2026.
Best for: production multimodal logiciel agents et en temps réel interactif intelligence
Compare Gemini 3 Flash
Frequently Asked Questions about Gemini 3 Flash
How much does the Gemini 3 Flash API cost per 1M tokens?+
Gemini 3 Flash by Google is priced at $0.5 per 1M input tokens and $3 per 1M output tokens. With prompt caching enabled, cached input tokens cost $0.125 per 1M tokens, and asynchronous Batch API requests receive a 50% discount.
Should I use a $20/month subscription or the Gemini 3 Flash pay-as-you-go API?+
A flat $20/month consumer subscription is predictable for daily interactive chat and manual coding. However, if you are building software, running automated workflows, or sending low-to-moderate volume with prompt caching enabled, the pay-as-you-go API is typically far more cost-effective and offers higher rate limits without manual UI caps.
How many words and pages fit in Gemini 3 Flash's context window?+
Gemini 3 Flash features a 1.0M tokens context window, which equals approximately 786,432 English words or ~2,097 standard single-spaced pages in a single prompt. Its maximum output generation per turn is 65,536 tokens.
Can I run Gemini 3 Flash locally on my own GPU (Open Weights)?+
No, Gemini 3 Flash is a proprietary closed-weights model hosted by Google. It cannot be downloaded for local GPU execution and must be accessed via Google's official API or cloud platform.
Does Google train on data sent to the Gemini 3 Flash API, and is commercial use allowed?+
API payloads are excluded from model training by default. License tier: Proprietary Commercial API (Google Terms). Full commercial ownership of generated outputs. Supported deployment channels include: Google AI Studio API, Google Cloud Vertex AI.
How does Gemini 3 Flash perform on coding and reasoning benchmarks?+
Gemini 3 Flash achieves a composite Intelligence Index of 75/100, scoring 66.5% on SWE-bench Verified, 79% on GPQA Diamond, 85.8% on MMLU-Pro, and 1425 pts on Chatbot Arena Elo.
What is Gemini 3 Flash best used for?+
Gemini 3 Flash is best suited for: production multimodal logiciel agents et en temps réel interactif intelligence. Assessment: Sets un new standard pour élevé-performances economical AI heading dans 2026.
Google Family Lineage, Routing Tiers & Upgrade Path
Step down to a lighter sibling for high-volume routing or step up to Google's flagship reasoning tier:
Gemini 4 Argon
Gemini 3.8 Flash
Gemini 3.7 Flash
Gemini 3.6 Flash
Gemini 3.5 Flash-Lite
Gemini Omni Flash
AI Glossary & Architecture Concepts
View full glossary →Key machine learning concepts and benchmarks relevant to Gemini 3 Flash:
L'unité textuelle de base traitée par un modèle linguistique, représentant généralement 3 à 4 caractères ou environ 0,75 mot. Par exemple, une phrase courante est découpée en plusieurs jetons.
Une suite de tests standardisés permettant d'évaluer et de comparer objectivement les performances des modèles d'IA sur des tâches ciblées (code avec SWE-bench, mathématiques avec AIME, etc.).
Le nombre maximal de jetons qu'un modèle peut traiter simultanément (entrée et sortie comprises). Une fenêtre de 1 000 000 jetons permet d'analyser environ 750 000 mots en une seule requête.
Un modèle d'IA entraîné par apprentissage par renforcement pour allouer du temps de calcul à la réflexion logique avant d'émettre une solution, idéal pour les problèmes scientifiques et le code complexe.
Une méthode de raisonnement pas-à-pas où le modèle décompose le problème en étapes logiques intermédiaires avant de conclure, augmentant drastiquement la précision en mathématiques et programmation.
La capacité d'un LLM à déterminer quand une action externe est requise et à générer des arguments structurés pour invoquer des API, calculatrices ou bases de données avant de poursuivre.
Les scores de benchmarks, tarifs par token et limites évoluent rapidement. Vérifiez toujours les spécifications actuelles sur la documentation officielle du fournisseur.