Google: Gemini 3.8 Flash (batch)

Google : Gemini 3.8 Flash (batch) est un modèle de texte de Google, proposé via api14 sous l'identifiant de modèle google/gemini-3.8-flash:batch. Il appartient à la gamme Flash de Google, que le fournisseur décrit comme son modèle Flash le plus intelligent, avec des gains significatifs par rapport à 3.7 Flash en ingénierie logicielle, en tâches agentiques et en raisonnement multi-étapes. La variante batch est le même modèle exposé pour les charges de travail de type batch, vous pouvez donc la considérer comme le modèle Flash vers lequel vous vous tourneriez lorsque le débit compte plus que la latence interactive.

Le modèle accepte le texte, l'image, la vidéo, les fichiers et l'audio en entrée, et il ne renvoie que du texte. Ce mélange le rend adapté aux tâches où le prompt n'est pas qu'une simple chaîne de caractères : captures d'écran, enregistrements d'écran, PDF, clips audio et texte brut peuvent tous être fournis, et la réponse revient sous forme de texte. La fenêtre de contexte est de 1 048 576 tokens, et la sortie maximale est de 65 536 tokens. Les paramètres de requête pris en charge incluent max_tokens, stop, seed, response_format, structured_outputs, tool_choice, tools, et les contrôles de raisonnement incluent include_reasoning, reasoning et reasoning_effort.

Ces capacités renvoient à quelques schémas pratiques. Les documents longs, les bases de code ou les archives de transcriptions tiennent dans la fenêtre de contexte, vous pouvez donc demander des résumés, de l'extraction ou des réponses à des questions sans découper au préalable. Comme les images, la vidéo, l'audio et les fichiers sont acceptés, vous pouvez construire des pipelines qui lisent un enregistrement d'écran et produisent un guide écrit, transcrivent et raisonnent sur un enregistrement d'appel, ou extraient des champs structurés de documents numérisés. L'appel d'outils et les sorties structurées conviennent aux workflows agentiques : le modèle peut décider quelle fonction invoquer, renvoyer du JSON conforme à un schéma et enchaîner plusieurs étapes de raisonnement avant de répondre. Les contrôles de raisonnement vous permettent d'augmenter l'effort pour des problèmes multi-étapes ou de le réduire lorsque vous voulez des réponses plus rapides et moins coûteuses.

Pour l'appeler via api14, utilisez le point de terminaison chat completions compatible OpenAI avec l'identifiant de modèle google/gemini-3.8-flash:batch. Comme l'interface suit le schéma OpenAI, les clients et SDK existants fonctionnent avec un changement d'URL de base et une clé api14. Vous pouvez envoyer du contenu multimodal dans le tableau messages, définir max_tokens pour plafonner la réponse, utiliser des séquences stop, passer une seed pour la reproductibilité et demander du JSON via response_format ou structured_outputs. Si vous voulez que le modèle appelle des fonctions, fournissez tools et tool_choice. Les paramètres de raisonnement, include_reasoning, reasoning et reasoning_effort, contrôlent la quantité de raisonnement interne exposée ou appliquée.

La principale contrainte à garder en tête est que la sortie est uniquement du texte, ce n'est donc pas le modèle pour générer des images, de l'audio ou de la vidéo. Si votre tâche est purement de la génération de texte court sans besoin de contexte long ni d'entrée multimodale, un modèle plus petit peut suffire. Si vous avez besoin de modalités de sortie autres que le texte, cherchez un modèle qui les prend en charge. Pour le travail batch à contexte long, multimodal et utilisant des outils, ce modèle couvre le terrain décrit ci-dessus.