Gemini 3.5 Flash-Lite

Fiche modèle · Google · gemini-3.5-flash-lite

Gemini 3.5 Flash-Lite is Google's low-latency, cost-effective multimodal reasoning model for high-throughput agentic workflows, document processing, data extraction, translation, and classification. It supports text, image, video, audio, and PDF inputs, a 1 million-token context window, and a 65,536-token text output.

Fiches modèles

Identité

Organisation	Google
Pays	—
Famille	—
Type	llm
Date de sortie	2026-07-21
Licence	proprietary
Licence commerciale	non
Licence open source	non
Poids ouverts	non
Auto-hébergement (DGX Spark)	non — poids fermés
Modalités	audio\|image\|text\|video
Fenêtre de contexte	—
KV cache / token (Q8)	—
Paramètres totaux	—
Paramètres actifs (session)	—
Source des paramètres actifs	—
Curation des paramètres actifs	—
Prix par session	0.80 $ (1 000 000 tokens entrée + 200 000 sortie, prix le moins cher par fournisseur)
Tokens / tâche (Data Players)	1.2 M
Tokens / tâche (Terminal-Bench)	83.3 M (est.)
Ratio Terminal-Bench / Data Players	69.4×
Coût / tâche (Terminal-Bench)	6.72 $ (est.)
Tokens d'entraînement	—
Coupure de connaissance	2026-03-31
Créé le	2026-07-21T15:50:43.453145Z
Mis à jour le	2026-11-04T06:04:43.993268Z
Source	LLM Stats
URL	https://llm-stats.com/models/gemini-3.5-flash-lite

Tokens/tâche

IA Act — preuves fournisseur

ICA 58/100 · périmètre complet · seuil systémique inconnu

Critère	Note / 5	Poids
Documentation technique	2,5	5 %
Résumé des données d'entraînement	2,5	35 %
Conformité droit d'auteur	2,5	35 %
Code of Practice GPAI	5,0	20 %
Risque systémique	0,0	5 %

Curation : 2026-10-23.

IA Act

Prix par fournisseur

Prix

Statut du modèle (offres + auto-hébergement) : partiel — via Google (cortecs, llm_stats), Google Vertex AI (priority) (cortecs).

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Fournisseur	Source	Souveraineté	Entrée (/M tok)	Sortie (/M tok)	Quantification	Contexte	Latence (s)	Débit (tok/s)	Statut
Google	cortecs	partiel	0.33 $	2.77 $	—	1 048 576	—	—	—
Google	llm-stats	partiel	0.30 $	2.50 $	—	—	—	—	active
Google Vertex AI (priority)	cortecs	partiel	0.60 $	4.99 $	—	1 048 576	—	—	—

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
long_context	0.20
multimodal	0.80
reasoning	0.50
general	0.60
agents	0.60
code	0.50
tool_calling	0.50
vision	0.80

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
charxiv-r	reasoning	0.77	1.00	0.77	non	oui	2026-11-04T06:04:44.053318Z
mle-bench	code	0.39	1.00	0.39	non	oui	2026-11-04T06:04:44.023118Z
mrcr-v2-(8-needle)	long_context	0.21	1.00	0.21	non	oui	2026-11-04T06:04:44.063233Z
osworld-verified	multimodal	0.74	1.00	0.74	non	oui	2026-11-04T06:04:44.029667Z
swe-bench-pro	reasoning	0.54	1.00	0.54	non	oui	2026-11-04T06:04:44.004018Z
terminal-bench-2.1	reasoning	0.54	1.00	0.54	non	oui	2026-11-04T06:04:44.013251Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
agents	101	—	14.90	3	trueskill	2026-10-19	model_history
code	143	—	15.37	2	trueskill	2026-10-19	model_history

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04