Indlæser kataloget…
Indlæser kataloget…
Googles multimodale Flash-model med et kontekstvindue på over 1 million tokens og valgfrit ræsonneringsniveau, bygget til hurtig inferens på komplekse opgaver med blandede medier.
Oversigt. Gemini 3 Flash Preview er Googles instruktionsmodel med lukkede vægte og multimodalitet, der accepterer tekst, billeder, lyd og video som inddata og returnerer tekst som uddata. Den blev udgivet i december 2025, har et kontekstvindue på 1.048.576 tokens og ligger i den hurtige Flash-klasse i Gemini 3-serien. Udviklere vælger den, når de har brug for hurtig multimodal inferens over lange dokumenter eller blandede inddata uden at binde sig til en tungere flagskibsmodel.
Vigtigste styrker. Benchmarks fra Artificial Analysis viser en GPQA Diamond-score på 0,81 og en MMMU-Pro-score på 0,79, hvilket begge er stærke resultater for en model i Flash-klassen og vidner om solid ræsonnering på kandidatniveau og multimodal forståelse. Ræsonneringsniveauet kan konfigureres fra minimalt til højt (standard er medium), så den samme model kan skifte mellem hurtige, lette svar og dybere ræsonnering i flere trin efter behov. Den understøtter også billedforståelse, lyd og dokumenter som inddata sammen med verktøjskald og struktureret uddata i JSON.
Anvendelsesområder. Brug denne model til interaktive opgaver med kort svartid, der involverer blandede medier — billeder, lydklip eller lange dokumenter — hvor kontekstvinduet på over en million tokens er afgørende. Dens valgfrie ræsonneringsniveau gør den velegnet til opgaver, der normalt er enkle, men som lejlighedsvis kræver en grundigere ræsonneringsrunde, uden at du skal skifte til en anden model. Den er velegnet til komplekse analytiske prompter eller prompter i forskningsstil, men det er en instruktionsmodel med ræsonnering som en tilføjelse snarere end en dedikeret model med fokus på ræsonnering.
Begrænsninger. Google har ikke oplyst antallet af parametre, detaljer om arkitekturen (herunder om den bruger mixture-of-experts) eller hvor træningsdataene slutter for denne modelversion. Uddata er kun tekst — der er ingen indbygget lyd- eller billedgenerering. Den uafhængige placering på ranglisten (LMSys Arena) kunne ikke bekræftes ved seneste undersøgelse, da forespørgselsgrænsen blev nået, så dens placering i forhold til andre frontmodeller er endnu ikke afklaret.
Bemærkning om suverænitet. Gemini 3 Flash Preview er bygget af Google, en amerikansk modelskaber underlagt CLOUD Act, og betjenes udelukkende gennem Googles eget lukkede API — der findes ingen mulighed for åbne vægte eller at køre selv.
| Inferensleverandør | Suverænitet | Kører i | Ind / ud per 1 mio. | Status | Fastgør |
|---|---|---|---|---|---|
| L0 | 0,44 / 2,64€+7 betingede priser | Online |
16 anvendelsesområder klassificeret af redaktøren. Noten forklarer hvorfor.
Eksplicit egenskab til værktøjskald med promptcaching gør den velegnet til produktionsapps med funktionskald, der kræver gentagne kald med kort svartid.
Billedforståelse kombineret med et kontekstvindue på over 1 million tokens understøtter OCR og analyse af lange, billedtunge dokumenter i én arbejdsgang.
Det enorme kontekstvindue på over 1 million tokens gør det muligt at opsummere hele dokumenter i ét kald, hvilket er en kernestyrke for Flash-modeller med lang kontekst.
Indbygget billedforståelse designet til hurtig inferens på komplekse opgaver med blandede medier, herunder spørgsmål og svar til billeder.
Et kontekstvindue på 1.048.576 tokens gør det muligt at indlæse hele dokumenter eller dokumentsæt til direkte spørgsmål og svar uden opdeling.
Et kontekstvindue på over 1 million tokens kombineret med promptcaching rammer behovene i RAG-behandlingskæder, der skal besvare spørgsmål ud fra store mængder indhentede dokumenter.
Bygget til hurtig inferens, hvilket gør den velegnet til chatbot-drift med krav om kort svartid, selvom der ikke er dokumenteret chat-specifikke benchmarks for sikkerhed for denne variant.
Billedforståelse understøtter fortolkning af brugerflader og screenshots, selvom der ikke er dokumenteret dedikerede benchmarks for agentisk brug af browsere.
Det store kontekstvindue understøtter generering og gennemsyn af lange dokumenter, selvom dette er en hurtig Flash-klasse, der er optimeret mere til gennemløb end til maksimal kreativ dybde.
Hurtig inferens og lang kontekst understøtter effektiv opsummering af lange mødereferater.
Valgfrit ræsonneringsniveau (extended-thinking) understøtter planlægningsopgaver, selvom den som Flash-model prioriterer hastighed over dybde sammenlignet med større ræsonneringsmodeller.
Lang kontekst og promptcaching understøtter arbejdsflow tæt på søgning, selvom det er en model orienteret mod generering frem for en dedikeret model til søgning eller embedding.
Tal fra eksterne kilder, ikke vores egne vurderinger. Percentiler er målt mod hele Stav-kataloget.
Beregnet ud fra aa-intelligence-index, gpqa-diamond, swe-bench-verified, livecodebench, humaneval, ifbench, aa-multilingual-index, aa-lcr.
curl https://api.stav.ai/v1/chat/completions \
-H "Authorization: Bearer $STAV_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "google/gemini-3-flash-preview",
"reasoning_effort": "high",
"messages": [{"role": "user", "content": "Hello!"}]
}'→ X-Stav-Request-Id · X-Stav-Model · X-Stav-Provider → X-Stav-Sovereignty-Level — det niveau, forespørgslen blev betjent på