Laster katalogen …
Laster katalogen …
Googles multimodale Flash-modell med et kontekstvindu på over 1 million token og valgfritt resonneringsnivå, bygget for rask inferens på komplekse oppgaver med blandet medieinnhold.
Oversikt. Gemini 3 Flash Preview er Googles multimodale instruksjonsmodell med lukkede vekter. Den tar imot tekst, bilder, lyd og video som inndata og returnerer tekst som utdata. Modellen ble lansert i desember 2025, har et kontekstvindu på 1 048 576 token og tilhører det raske Flash-sjiktet i Gemini 3-serien. Utviklere bruker den når de trenger rask multimodal inferens over lange dokumenter eller blandede medietyper, uten å måtte ty til en tyngre flaggskipmodell.
Viktigste styrker. Artificial Analysis-referansetester viser en GPQA Diamond-skår på 0,81 og en MMMU-Pro-skår på 0,79 – begge sterke resultater for en Flash-modell og et tegn på solid resonnering på masternivå og multimodal forståelse. Resonneringsnivået kan justeres fra minimalt til høyt (standard er middels), slik at én og samme modell kan veksle mellom raske, lette svar og dypere trinnvis resonnering etter behov. Modellen støtter også bilde-, lyd- og dokumentinndata, i tillegg til verktøykall og strukturert/JSON-utdata.
Når du bør bruke den. Bruk denne modellen til interaktive arbeidsflyter med krav til kort svartid, der innholdet er sammensatt – bilder, lydklipp eller lange dokumenter – og der kontekstvinduet på over én million token er viktig. Det valgfrie resonneringsnivået gjør den godt egnet til oppgaver som vanligvis er enkle, men av og til krever en grundigere resonneringsrunde, uten at du trenger å bytte modell. Den passer godt til komplekse analytiske instrukser eller instrukser i forskningsstil, men den er en instruksjonsmodell der resonnering er et tillegg – ikke en dedikert resonneringsmodell.
Begrensninger. Google har ikke oppgitt antall parametere, arkitekturdetaljer (inkludert om den bruker mixture-of-experts) eller når treningsdataene slutter for denne modellversjonen. Utdata er utelukkende tekst – det finnes ingen innebygd lyd- eller bildegenerering. Plasseringen på uavhengige ledertavler (LMSys Arena) kunne ikke bekreftes i den siste undersøkelsesrunden på grunn av at forespørselsgrensen ble nådd, og rangeringen mot andre frontmodeller er derfor ikke avklart.
Suverenitetsnotat. Gemini 3 Flash Preview er utviklet av Google, en amerikansk modellskaper som er underlagt CLOUD Act, og betjenes utelukkende gjennom Googles eget proprietære API – det finnes ingen versjon med åpne vekter eller mulighet for selvdrift.
| Inferensleverandør | Suverenitet | Kjører i | Inn / ut per 1M | Status | Lås |
|---|---|---|---|---|---|
| L0 | 0,44 / 2,64€+7 priser | Tilkoblet |
46 bruksområder klassifisert av kuratoren. Notatet forklarer hvorfor.
Eksplisitt verktøykall kombinert med promptbufring gjør modellen godt egnet for produksjonsapper med funksjonskall som krever gjentatte kall med kort svartid.
Visjonsegenskapen kombinert med et kontekstvindu på over 1 million token støtter OCR og analyse av lange dokumenter med mye bildeinnhold i én enkelt gjennomgang.
Utvidet resonnering støtter rotårsaksanalyse på tvers av store kodebaser; et kontekstvindu på 1 million token gjør det mulig å gi fullstendige stakkspor, logger og kildekode samtidig.
Visjonsegenskapen kombinert med resonneringsmodus passer godt til å tolke og forklare innholdet i diagrammer.
Flash-nivåets gjennomstrømning og resonneringskvalitet på toppnivå gjør klassifiseringsoppgaver kostnadseffektive i stor skala; promptbufring reduserer kostnadene ved gjentatte systeminstrus-taksonomier.
Lang kontekst og sterk resonnering støtter detaljerte forklaringer av komplekse kodebaser med flere filer, uten behov for oppdeling eller forhåndsoppsummering.
Verktøykall og utvidet resonnering støtter agentiske arbeidsflyter, men dette er en forhåndsvisningsmodell uten publisert SWE-Bench-validering.
Modus for utvidet resonnering støtter flertrinns analytisk resonnering, men ingen referanseverdi for dataanalyse er publisert for denne varianten.
Sterk generell språkkvalitet støtter utforming av e-post; modellen er noe overkvalifisert for denne oppgaven, men fungerer godt med verktøykall for CRM-integrerte skrivearbeidsflyter.
Bildeforståelse støtter tolkning av brukergrensesnitt og skjermbilder, men det er ikke dokumentert dedikerte agentiske nettleser-referanseverdier.
Frontmodellen med lang kontekst håndterer kodeutfylling med kjennskap til store kodebaser; ingen spesifikk referanseverdi er publisert her, men Gemini 2.5 Flash-familien er konkurransedyktig for kodingsoppgaver.
Utvidet resonnering hjelper med å vurdere kodekorrekthet, men ingen SWE-Bench-skår eller kodespesifikk skår er publisert for denne forhåndsvisningsvarianten.
Innhentede tall, ikke våre egne evalueringer. Persentilene er mot hele Stav-katalogen.
Beregnet 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",
"messages": [{"role": "user", "content": "Hello!"}]
}'→ X-Stav-Request-Id · X-Stav-Model · X-Stav-Provider → X-Stav-Sovereignty-Level – nivået forespørselen ble betjent på