Google: Gemini 3.5 Flash Lite (batch)

Gemini 3.5 Flash Lite (batch) är en textmodell från Google, som erbjuds här under modell-id google/gemini-3.5-flash-lite:batch. Google beskriver den som en högeffektiv modell med uppgraderade agentiska förmågor, och positionerar den för subagenter som utför fokuserade uppgifter inom större multiagent-arbetsflöden. Om du bygger system där en orkestrerande modell delegerar avgränsade jobb till hjälpmodeller, är detta den typ av modell som Google avser för den rollen.

Modellen tar text, bild, video, fil och ljud som indata, och producerar text som utdata. Dess kontextfönster är 1 048 576 tokens, vilket är tillräckligt stort för att rymma långa dokument, transkriptioner eller fleromgångshistorik i en enda begäran. Maximal utdata är 65 536 tokens, så långa genererade svar är möjliga inom det taket. Stödda begäranparametrar inkluderar max_tokens, stop, seed, response_format och structured_outputs, tillsammans med tools och tool_choice för funktionsanrop, reasoning, reasoning_effort och include_reasoning för kontroll över resonemangsbeteende.

Dessa förmågor pekar mot några praktiska mönster. Eftersom indatasidan täcker text plus bild, video, fil och ljud, kan du skicka blandat mediamaterial för sammanfattning, extrahering eller frågebesvarande i stället för att dirigera varje modalitet genom en separat pipeline. Det stora kontextfönstret passar arbete över långa indata såsom fullständiga kodbaser, långa rapporter eller inspelat mötesinnehåll. Verktygsanrop och strukturerade utdata gör den lämplig för subagentuppgifter som måste returnera data i en fast form eller anropa andra system, och resonemangskontrollerna låter dig justera ansträngningen upp eller ner beroende på hur mycket övervägande en uppgift kräver.

För att anropa den via api14, använd det OpenAI-kompatibla chat completions-gränssnittet med modell-id google/gemini-3.5-flash-lite:batch. Skicka dina indata som messages på vanligt sätt; de stödda indatamodaliteterna deklareras på modellnivå, så text och mediatyperna ovan är vad du kan tillhandahålla. På begäransidan kan du ange max_tokens, stop och seed, välja en response_format eller använda structured_outputs när du behöver begränsad utdata, och bifoga tools med tool_choice för funktionsanrop. Resonemangsbeteende styrs genom reasoning, reasoning_effort och include_reasoning. Suffixet batch i modell-id:t indikerar att denna variant är avsedd för batch-användning.

Tänk på utdatataket: om en uppgift behöver ett enda svar längre än 65 536 tokens, passar inte denna modell och du skulle behöva en med högre utdatagräns. Utdatamodaliteten är endast text, så den kan inte generera bilder, ljud eller video. För arbete som är beroende av dessa utdatatyper, eller av förmågor som inte representeras i parameterlistan ovan, kan en annan modell vara det bättre valet.