Gemini 3.5 Flash Lite API：料金、プレイグラウンド、使用例

目的を絞った抽出と分類

顧客の依頼を固定フィールドへ抽出する、またはチケットを決められたキューに割り当てる処理を試してください。希望納期と確定納期を区別し、根拠が足りないメッセージには不確実という分類を用意します。

曖昧なフィールドには短い根拠引用を求め、入力と照合してください。アプリは不正レコードを拒否し、欠損値を保持し、不確かな結果をレビューへ回す必要があります。自信のあるラベルをすべて正しいと扱わないでください。

短い要約と多言語テキスト

会議メモや進捗報告では、決定事項、担当者、期限、未解決の質問を分けて求めてください。簡潔な要約でも、リリースが承認ではなく提案段階であることや、文書化タスクにまだ担当者がいないことを残す必要があります。

翻訳には用語集を提供し、変更してはいけない名前、識別子、数量を明示してください。公開前に用語と語調を確認します。短くしても条件や留保を消したり、暫定的な発言を確約へ変えたりしてはいけません。

ネイティブの文書理解と長文コンテキスト

ネイティブモデルは複数メディア形式と大きなコンテキストウィンドウに対応します。文書系アプリの評価では重要ですが、大量の資料を受け取れることと、関連する事実をすべて確実に取り出せることは別です。

このページはメディアのアップロードではなくテキストを受け付けます。先に文書の関連箇所を抽出し、表のラベルやページ参照を残して、回答が入力テキストに合うか試してください。API Hop の入力枠と上流制限はネイティブ仕様と別に確認する必要があります。

小規模なコーディングとエージェント処理

限定的なコード変更、テストケースの下書き、取得した 1 つの文章を役立つ回答に書き直す処理で Flash Lite を評価してください。小さく検証可能な段階に分けると、他モデルと併用する価値を比較できます。

取得した資料の提供、テスト実行、操作実行はアプリの役割です。難しい複数ファイル変更や未解決の推論にはレビュー段階を設けるか、別のカタログモデルと比較してください。生成した関数や計画はワークフロー全体の成功の証拠ではありません。

コーディングとターミナル作業の結果

公開評価では SWE-Bench Pro (Public) が 54.2%、Terminal-Bench 2.1 が 54.0% と報告されています。ターミナルの結果は Terminus-2 ハーネスを使います。限定的なコード作業を試す理由にはなりますが、自分のリポジトリの修正率を予測するものではありません。

ツール付き評価には、文字だけの回答にはない実行フィードバックが含まれます。自分のコードでは、提案された変更を採用する前にテスト、コンパイラー出力、元の要件と照合してください。

長文からの検索と原文への忠実性

8 つの対象を探す GDM-MRCR v2 は、128k コンテキストで平均 72.2%、1M で点ごとの結果 21.3% と報告しています。コンテキスト条件も集計ラベルも異なり、どちらも長い文書の全細部を取り出せるという約束ではありません。

メモや文書抽出では、矛盾、担当者欠落、変更された日付、離れた箇所の事実を試してください。回答に出典参照を残し、1 つずつ確認します。全テキストを送るより関連箇所を選ぶ方が有効な場合があります。

品質、時間、利用可能なレコードの費用を評価

要約、ラベル、抽出レコードの代表サンプルを作ってください。正しいフィールド、根拠のない追加、不正な出力、人手修正を、最初の出力までの時間、総所要時間、実使用量とともに測ります。

同じプロンプトと出力要件でモデルを比較してください。修正や再リクエストの費用も判断に含めます。Lite という名前は応答時間の保証でも、そのタスクの総費用が最安になる証拠でもありません。

Gemini 3.5 Flash Lite を優先して試す場合

チケット分類、少数フィールドの抽出、未解決作業を残す短い報告など、短い回答と客観的検査が可能なタスクから始めてください。大量ワークフローの反復可能な段階を重視する特性に合います。

難しい例もサンプルに残してください。短い回答が原文の意味を変えたり頻繁な修正を必要としたりするなら、出力トークンの節約よりタスクの限定や別モデルの利用が有益かもしれません。

API Hop でタスクに応じてモデルを選択

複雑な総合判断が必要なら Gemini 3.6 Flash や Gemini 3.8 Flash を比較し、要約・抽出には DeepSeek V4 Flash も含めてください。評価候補を示しており、能力の固定順位を主張していません。

対応する場合は共通の Chat Completions 形式を再利用しつつ、各モデルのパラメーターと現在のアカウント価格を確認してください。バージョン番号や Flash、Lite という語だけで品質、速度、費用を推測しないでください。

従量課金とモデルコストの最適化

現在の API Hop 料金と実際の使用量に基づいて課金されます。必要に応じてチャージできます。

AI モデルとデータ API を統合し、複数モデルに一か所からアクセス

1 つの API キーで複数の AI モデルとデータサービスに接続でき、導入コストを減らしてワンクリックで切り替えられます。ビジネスアプリケーションには AI とデータの両方が必要です。

呼び出しログとアプリのアクセス制御で、各リクエストを明確に

すべての API 呼び出しはダッシュボードに記録されます。アプリケーションごとに別の API キーを作成できます。

タスクに照らして出力を評価

API Hop では文書化されたモデル ID と対応パラメータを使用してください。自分の受け入れ条件で出力を評価し、本番利用前に使用記録とレスポンスのメタデータを確認してください。モデル名や例は、個々の結果を保証しません。

アカウントを準備してオンラインでテスト

ログインして残高を確認し、API キーを作成してください。

プレイグラウンドで試す

プレイグラウンドでモデルの能力を試し、最適な使い方を見つけてください。

Gemini 3.5 Flash Lite を業務に組み込む

開発者ドキュメントに従って Gemini 3.5 Flash Lite を業務に組み込んでください。

今後のモデル更新

新しいモデルへ切り替える前に、API キーのモデルカタログが正確な ID を返すことを確認します。同じエンドポイントとリクエストフィールドに対応している場合、モデル ID を変更し、本番トラフィックを流す前にレスポンス形式、ストリーミング、出力上限、課金をテストしてください。非同期の画像・動画タスクでは、ジョブ送信、状態ポーリング、結果取得も検証します。