Gemini 3.5 Flash-Liteは使う価値があるのでしょうか？ はい。特に、文書処理、構造化データ抽出、翻訳、範囲指定されたコーディング作業など、高速かつ反復性の高い作業に適しています。100万トークンの入力ウィンドウと、手頃なAPI料金、そして同クラスで最高水準の出力速度を兼ね備えています。.
私が実施した4つの対照実験では、, Gemini 3.5 Flash-Lite すべてのタスクを最初の要求で完了し、40点満点中38点を獲得しました。JSONの抽出、ローカライズ、デバッグの性能は優れていましたが、長文ドキュメントのアクションレジスタにおいて、本来は未割り当てのままにすべきだった2つの所有者に割り当てを行ってしまいました。実用上の結論は単純です。スループットを重視する場面では活用すべきですが、些細なミスが重大な結果を招くようなフィールドについては、必ず検証を行う必要があります。.
APIを設定せずに試してみたい場合は、, グローバルGPT まずはここから始めるのが簡単です。. Gemini 3.5 Flash-Lite は、以下の製品と併せてご利用いただけます GPT-5.6、Claude Fable 5、Kimi K3 などの人気モデルを搭載しており、1つのワークスペースで複数の主要なAIファミリーの強みを活かして利用できます。.
Gemini 3.5 Flash-Lite レビュー：総評
- 得意分野： 構造化された抽出、ローカライズ、および範囲限定デバッグ。.
- 主な注意事項： 長いドキュメント内の所有権に関する特定のフィールドについては、検証が必要です。.
- 価値事例： 速度とリピートコールのコストの両方が重要な、ハイスループットな作業。.
文書作成、ローカライズ、構造化データの処理といったタスクを迅速に行うために活用し、その後、同じ GlobalGPT ワークスペース内で最先端のモデルやクリエイティブツールを引き続きご利用ください。.
「Gemini 3.5 Flash-Lite」とは何ですか？
Gemini 3.5 Flash-Lite Googleの3.5ファミリーの中で、最も高速かつ低コストなモデルです。 公式のAPIリファレンスでは、このモデルは、高スループットなサブエージェント作業、文書解析、および単純なデータ抽出に最適化された、低遅延のマルチモーダルモデルであると説明されています。テキスト、画像、動画、音声、PDFを受け付けますが、出力はネイティブな画像、音声、動画ではなくテキストとなります。.
公表されている制限は、入力トークン数1,048,576個、出力トークン数65,536個です。これにより、このモデルは大規模な文書コレクションへの適用が可能ですが、コンテキストウィンドウが広ければ、すべてのフィールドから完璧な検索結果が得られるとは限りません。 モデルリファレンスには、構造化出力、関数呼び出し、コード実行、ファイル検索、検索のグラウンディング、キャッシュ、思考、およびURLコンテキストがサポートされていると記載されています。.
注目すべきドキュメント上の矛盾が1つあります。Googleのリリース記事では、「Computer Use」が組み込みツールになったと記載されていますが、7月22日に確認したモデルリファレンスでは、「Computer Use」は非対応と記載されています。これは、製品インターフェースの違いや、ドキュメントの公開遅れによるものかもしれません。この機能が不可欠な場合は、本番環境のワークフローを設計する前に、正確なAPIやプラットフォームインターフェースを確認してください。.
Gemini 3.5 Flash-Lite の機能と最適な用途
実用上の利点は、単に回答が速いということだけではありません。このモデルは、長文の入力、制御可能な思考レベル、スキーマに制約された出力を組み合わせつつ、繰り返し呼び出しを行うのに適したコストを実現しています。Googleは特に、エージェント型検索、文書処理、翻訳、および単純なデータ処理を挙げています。これらは、リクエストごとにわずかなコスト削減でも、規模が大きくなるにつれて大きな意味を持つようなワークロードです。.
- ドキュメントの操作： ファイルを要約し、アクション項目を抽出し、記録を分類し、長文の資料全体にわたる質問に回答する。.
- 構造化処理： 乱雑なメッセージやレポートを、下流の自動化処理で利用できるよう、形式の整ったJSONに変換します。.
- ローカライズ： 固有名詞、数値、制約条件はそのまま維持しつつ、ターゲット市場に合わせて文体を調整する。.
- エージェントのサブタスク： 最も計算コストの高い推論モデルを必要としない、範囲が限定されたステップを処理する。.
- コーディングのサポート： 独立したバグを診断し、修正案を提案し、実行可能なテストを生成する。.
Gemini 3.5 Flash-Lite ベンチマーク
Googleは、世代間の大幅な性能向上を報告しています。特に顕著な向上が見られるのは、エージェント型コーディング、コンピュータとの対話、および長文コンテキストの検索です。これらはベンダーが報告した結果であるため、プライベートなワークフローにおける保証された動作ではなく、制御された評価環境下での性能を示しています。.
| ベンチマーク | 3.5 Flash-Lite | 比較 | テスト内容 |
|---|---|---|---|
| SWEベンチ・プロ | 54.2% | 3 フラッシュ：49.6% | 実際のソフトウェアエンジニアリング業務 |
| ターミナル・ベンチ 2.1 | 54.0% | 3.1 Flash-Lite: 31.0% | ターミナル・コーディングとエージェント・コーディング |
| OSWorld-Verified | 74.0% | 3 フラッシュ：65.1% | コンピュータとの対話 |
| GDPval-AA v2 | 1140 | 3.1 Flash-Lite：642 | 実社会における知識労働 |
| GDM-MRCR v2 | 72.2% | 3.1 Flash-Lite：60.1% | 長文コンテキストの検索 |
パーセンテージポイント単位の向上。Terminal-BenchおよびGDM-MRCRは3.1 Flash-Liteと比較し、SWE-Bench ProおよびOSWorldはGemini 3 Flashと比較しています。出典：Google、2026年7月21日。.
独立したデータは、有用な背景情報を提供してくれます。確認時点において、Artificial Analysisは次のように示していました。 Gemini 3.5 Flash-Lite インテリジェンス・インデックスのスコアは36で、出力トークン数は秒間388.8トークンと測定されました。Googleの発表記事では、同じ組織による以前の測定値として、秒間350トークンという四捨五入された数値が引用されていました。この変化は、プロバイダー、サンプル、測定期間の変更に伴い、ライブベンチマークページの内容が更新される可能性があることを改めて示しています。.
公開初日のコミュニティの反応は、予想通り賛否両論だった。あるRedditの投稿では、このモデルを「後退」と評したが、タスクレベルでの具体的な根拠はほとんど示されていなかった。一方、別の議論では、公開された長文コンテキストでの改善点が強調されていた。 Xでは、AI開発者のフィリップ・シュミット氏が、1秒あたり350トークンの処理速度と推定タスクコストに注目していた。これらの投稿は、ユーザーが重視する点――速度、価格、生成結果の品質――を示す有用な指標ではあるが、現時点では時期尚早であり、単なる事例に過ぎないため、統制されたテストの結果を上回る説得力を持つには至らない。.
Gemini 3.5 Flash-Lite のテスト方法
2026年7月22日、特定のモデルIDを使用して、4つの単一モデルタスクを実行しました。 gemini-3.5-flash-lite 設定済みのBrolyゲートウェイを経由して実行しました。すべてのタスクでは、最初の有効な出力が採用されました。結果を確認する前に、プロンプト、正解、バリデータ、および再試行ルールを固定しておきました。長文ドキュメントのタスクのみが、事前に登録されていた3回実行の安定性チェックをトリガーしました。.
| タスク | 構造化されたデータ抽出、長文の要約、ローカライズ、およびPythonのデバッグ |
|---|---|
| 得点 | スキーマ、参照ファクト、制約、および実行可能なテストに対する客観的な検証 |
| タイミング | Googleネイティブの出力速度ではなく、ブロリー経路のエンドツーエンドの遅延 |
| コスト | 公式のトークンレートを用いたAPIと同等の見積もり。GlobalGPTのサブスクリプション料金ではありません。 |
Gemini 3.5 Flash-Lite 実機テスト結果
テスト 1：構造化データの抽出
- 指定されたすべての値を取得しました。.
- タイムアウトの可能性については、明示的に未確認のままとした。.
- 関係のない更新に関する注記を除外しました。.
- 修理の案内は不要でした。.
実機レビュー： これはこのセットの中で最もクリーンな結果でした。出力を直接パーサーに渡すこともできたでしょう。まさに、高スループットの抽出モデルにはそれが必要なのです。.
プロンプトとモデルの出力を表示する
これらの乱雑なサポートノートを、以下のキーを正確に含む1つのJSONオブジェクトに変換してください：customer、plan、issue、affected_users、first_reported、workaround、owner、next_update、unresolved。値が記載されていない場合はnullを使用し、有効なJSONのみを返してください。 備考：Northstar Labs — Growthプラン。 50,000行を超えるCSVエクスポートが92%で停止しています。14名のアナリストが影響を受けています。回避策：エクスポートを20,000行未満に分割してください。調査担当はPriyaです。キューのタイムアウトの可能性がありますが、未確認です。次回の更新：火曜日 16:00 UTC。.
プロンプトの抜粋：読みやすさを考慮し、本件とは無関係な更新に関する一文はここでは省略しましたが、実際のテスト用プロンプトにはそのまま含まれています。.
{
"customer": "Northstar Labs",
"plan": "Growth",
"issue": "50,000行を超えるCSVエクスポートが92%で停止する",
"affected_users": 14,
"first_reported": "月曜日 09:15 UTC",
"workaround": "エクスポートを20,000行未満のバッチに分割する",
"owner": "Priya",
"next_update": "火曜日 16:00 UTC",
"unresolved": ["キューのタイムアウトの可能性（未確認）"]
}テスト 2：長文の理解
- リリース日とプライバシーに関する日付の両方を取得しました。.
- 1.8%のクラッシュ率と1.0%の目標値を維持した。.
- 承認されていない2件の提案を適切に却下した。.
- 見逃した： 「所有者」として部署と記述した代わりに
未割り当て.
実機レビュー： この要約は意思決定の経緯を的確に捉えていたが、担当者のミスにより、アクションアイテムが間違ったチームに送られてしまう可能性がある。こうした場合、「ほぼ正しい」だけでは不十分なのである。.
プロンプトの抜粋とモデルの出力を表示する
「プロジェクト・アトラス」の資料を、以下の4つのセクションに正確に分割してください：エグゼクティブ・ブリーフ（最大140語）、確定事項、アクション・レジスター、未解決事項／リスク。アクション・レジスターでは、「担当者」、「アクション」、「期限」、「依存関係」、「ステータス」の項目を使用してください。 8月12日の確定打ち上げ日、8月5日のプライバシー条件、および現在のクラッシュ率1.8%（目標値は1.0%）を記載してください。 フランスの提案、$18,000の上限、9月の言及、および草案段階のメールについては、承認済みのコミットメントとして変換しないでください。資料に担当者や期限が記載されていない場合は、「未割り当て」と記入してください。.
制作の指示書には、全8セクションからなるプロジェクト資料一式が含まれていましたが、この抜粋では、重要な指示事項と事実のみを掲載しています。.
エグゼクティブ・ブリーフ：プライバシー審査が8月5日までに完了することを前提として、「プロジェクト・アトラス」は8月12日に実施される予定である。モバイル版のクラッシュ率は1.8%であり、リリース目標値の1.0%を上回っている。 フランス語版ローカライズは承認されず、$18,000というテスト上限額は支出の許可を意味するものではありません。 アクション登録簿の抜粋： | 担当者 | アクション | 期限 | | プライバシー | 残りのプライバシー審査チェックを完了する | 8月5日 | | 法務 | 更新されたデータ処理通知を審査する | 未割り当て | 両行の担当者の予想値：未割り当て。.
この成果物では、主要な決定事項は維持されたものの、2つの組織的機能が「オーナー」へと変更されたため、8/10という評価となった。.
私はこのタスクを、「フローズン・スタビリティ」ルールのもとで2回繰り返した。3回の実行すべてにおいて主要な事実は正しく保たれたが、「厳格な所有者ルール」が満たされたのは1回のみであった。したがって、Gemini 3.5 Flash-Liteは、長いパケットの記述を読み取るという点では信頼性が高いようだが、スキーマに依存するすべてのフィールドを教師なし学習で抽出することに関しては信頼性が低いようだ。.
- 基本的な事実は正しい： 3回中3回成功
- 正確な所有者ルールは正しい： 1/3 回
テスト3：翻訳とローカライズ
- 必要な製品名を両方とも残しました。.
- サポートされていないプロミスは追加されませんでした。.
- 文字通りの訳ではなく、自然な読み方で読んでください。.
実機レビュー： 文体上の細かい修正を1か所加えただけで、その原稿はそのまま使用可能になりました。CTAにモデル名が重複して記載されていた点を修正しただけです。厳格な制約条件そのものは、完璧に処理されていました。.
プロンプトとモデルの出力を表示する
中国語版の製品アップデートを、アプリ内のお知らせ用に自然な米国英語にローカライズしてください。90～120語の範囲で、見出しは8語以内にしてください。 「GlobalGPT」、「Gemini」、「3.5 Flash-Lite」、「350 tokens/second」、「$0.30」、「$2.50」、および「1 million tokens」はそのまま維持してください。 「画期的」、「業界を変革する」、「最も安い」、「最高」といった表現は避けてください。最後には、落ち着いた口調の1文でCTAを締めくくってください。.
この完全なテストでは、利用可能性、位置付け、価格設定、コンテキストの規模、および最適なワークフローについて説明した中国語の原文段落も提供されました。.
Gemini 3.5 Flash-Lite が提供開始 GlobalGPT は、低レイテンシと高スループットが求められるタスク向けに設計されたモデル「Gemini 3.5 Flash-Lite」に対応しました。 公式の生成速度は約350トークン/秒で、100万トークンのコンテキストウィンドウを備えています。 APIの料金体系は、入力トークン100万トークンあたり$0.30、出力トークン100万トークンあたり$2.50となっています。 このモデルは、翻訳、文書処理、構造化抽出、および多段階のワークフローに最適です。 本モデルは、GlobalGPTで今すぐ選択でき、同じプラットフォーム内の他の主要モデルと併用してご利用いただけます。 今すぐ、ワークフローで「Gemini 3.5 Flash-Lite」のご利用を開始してください。.
テスト4：Pythonのデバッグ
- Pythonのブール値が整数として渡されるのを修正しました。.
- 割引は、閾値を超える分に対してのみ適用しました。.
- 期待される4つの合計値すべてが返されました。.
実機レビュー： 修正プログラムはすぐに実行され、説明も簡潔だったので、すぐに確認することができました。これは、自律的なリポジトリ作業ではなく、範囲を限定したデバッグを可能にするものです。.
プロンプトとモデルの出力を表示する
この関数をデバッグしてください。最初の100単位は1単位あたり$0.10、100単位を超える分は1単位あたり$0.07です。数量は非負の整数でなければなりません。 現在、この関数は100を超える分の料金を誤って計算しており、ブール値も受け付けています。2文程度の診断文、修正後のPythonコード、および0、100、101、250、無効な入力に対する5つのassert文を提示してください。
def calculate_cost(quantity):
if not isinstance(quantity, int) or quantity < 0:
raise ValueError(...)
if quantity <= 100:
return round(quantity * 0.10, 2)
return round(quantity * 0.07, 2)def calculate_cost(quantity):
if type(quantity) is not int or quantity < 0:
raise ValueError('quantity は非負の整数でなければなりません')
if quantity <= 100:
total = quantity * 0.10
else:
total = (100 * 0.10) + ((quantity - 100) * 0.07)
return round(total, 2)
assert calculate_cost(0) == 0.00
assert calculate_cost(100) == 10.00
assert calculate_cost(101) == 10.07
assert calculate_cost(250) == 20.50出力結果の全文には、要求されていたブール値による不適合判定テストに加え、両方のバグに関する2文からなる診断結果も含まれていました。.
Gemini 3.5 Flash-Lite の速度とテスト費用
リクエストからレスポンスまでの測定値には、ゲートウェイ、ネットワーク、およびプロバイダーのオーバーヘッドが含まれます。これらは、Google独自の出力トークン速度ではありません。.
最初の4つの出力において、Gemini 3.5 Flash-Liteの平均処理時間は3.748秒でした。 このタスクでは、1,708個の入力トークンと1,278個の出力トークンが使用されました。公式のリファレンスレートに基づくと、これらを合わせたAPI相当コストは$0.0037074でした。これはトークンエコノミクスを示すものであり、GlobalGPTのサブスクリプション料金ではなく、有料のツール呼び出しも含まれていません。.
Gemini 3.5 Flash-Lite の価格と価値
Gemini APIの公式価格
| 使用方法 | 公式レート | この法案の背景にある要因は何か |
|---|---|---|
| 入力トークン | $0.30 / 1M | モデルに送信されたプロンプト、ドキュメント、およびその他のコンテキスト |
| 出力トークン | $2.50 / 1M | 回答トークン（思考トークンを含む） |
| ツール | 異なる | 検索やその他の有料ツールの利用には、別途料金が発生する場合があります |
この見積もりには、キャッシュ、検索、その他のツール、およびプラットフォーム利用料は含まれていません。.
- 出力は、入力に比べてトークンあたりのコストが約8.3倍高くなります。.
- 厳格なフォーマットと簡潔な回答は、大量処理にかかるコストを大幅に削減することができます。.
- API課金プランは、従量制のプログラムによるアクセスと詳細な利用状況の管理を必要とする開発者に適しています。.
このモデルを「安価」と呼ぶにも、文脈が必要です。『Artificial Analysis』誌は、このモデルの出力レート「$2.50」について、選定された比較対象モデルの平均値である「$0.87」に比べて高コストであると指摘しています。とはいえ、処理速度に関してはトップクラスに位置づけられています。 したがって、このモデルの価値提案は、市場で絶対的に最も安いトークン価格ではなく、速度と有用なインテリジェンスの組み合わせにある。.
Gemini 3.5 Flash-Lite と GlobalGPT サブスクリプションプランの併用
GlobalGPTでは、GeminiのAPIトークン請求書を直接公開するのではなく、サブスクリプションとクレジットのモデルを採用しています。以下の価格は、2026年7月22日時点で、年払いを選択した場合に表示されていたものです。.
$5.8 /月
$11.9 月次レート
- すべてのチャットモデルへのアクセス
- Unikorn V7（MJ風）、10種類以上の高度な画像モデルと画像エディタ
- 高度な動画モデルへのアクセス
- Eleven Lab v3、Deep Research、AI Detector、ChatPDF
最高だ： 時折のチャットや、Pro版の画像・動画・音声機能やエージェントへのフルアクセス権を必要としない、より軽めのクリエイティブ作業。.
$10.8 /月
$19.9 月次レート
- すべてのチャットモデルへのアクセス
- Perplexity プロ検索
- すべてのAI画像モデルおよび画像エディタの全機能へのアクセス
- 13種類のAI動画モデルへのアクセス
- AIオーディオモデルおよびエージェントへのフルアクセス
最高だ： 日常的なマルチモデル業務やクリエイティブ業務。.
$25.0 /月
$49.9 月次発生率
- Pro版のすべての機能
- 対象のAIモデルで無制限にご利用いただけます
- プレミアムモデルでもクレジットを消費する場合があります
最高だ： 最も幅広いワークフローと、厳選された無制限のモデルを利用したい、頻繁に利用するユーザー。.
Gemini 3.5 Flash-Lite API と GlobalGPT：どちらがお得でしょうか？
| 選ぶ | ぴったり合うとき | トレードオフ |
|---|---|---|
| ジェミニAPI | アプリを開発している、パイプラインを自動化している、あるいは正確な使用状況ログが必要な場合。. | 従量課金制は効率的ですが、統合やキー、その他のモデルプロバイダーの管理はご自身で行う必要があります。. |
| グローバルGPT ベーシック | たまにチャットをしたり、それほど負荷のかからないAIワークフローを利用したりするのに、手頃な価格のアクセス環境をお探しですね。. | クレジットプールの規模は小さくなっています。. |
| グローバルGPT プロ | あなたは、最先端の言語モデルを、研究用ツールや画像・音声・エージェント関連のツールと組み合わせて、日常的に利用しています。. | クレジットおよびツールごとのコストについては、引き続き監視が必要です。. |
| GlobalGPT Unlimited | いくつかのモデルファミリーを頻繁に使用しており、1つのワークスペースを重視しています。. | “「無制限」は一部のモデルのみに適用されます。プレミアムモデルでもクレジットは引き続きご利用いただけます。. |
ほとんどの個人レビュアーやコンテンツチームにとって、「Pro」は最もバランスの取れたGlobalGPTプランです。マルチモデルワークフローを維持しつつ、より高額な「Unlimited」プランの料金を回避できるからです。 製品から「Gemini 3.5 Flash-Lite」を数千回呼び出す開発者は、通常、共有ビジュアルワークスペースよりもトークン単位の課金や自動化を重視するため、公式APIを好む傾向があります。詳細については、 最新の計画の詳細 お支払い前にご確認ください。プロモーション内容、クレジットの割り当て、モデルの利用状況は変更される場合があります。.
メリットとデメリット
| 長所 | 短所 |
|---|---|
|
|
Gemini 3.5 Flash-Liteはどのような方に適していますか？
Gemini 3.5 Flash-Lite これは、多数の文書、サポート記録、翻訳、または構造化されたメッセージを処理するチーム、エージェントに範囲が限定されたサブタスクを割り当てる開発者、およびユーザーに遅延が顕在化する製品にとって、最も理にかなっています。一方、タスクに利用可能な最高レベルの推論能力、ネイティブメディアの生成、あるいは検証なしのゼロトレランス抽出が必要な場合には、その有用性は低くなります。 Flashファミリーの範囲内で、より高性能なソリューションをお求めの場合は、当社の Gemini 3.6 フラッシュレビュー 価格設定、ベンチマーク、APIワークフロー、および実機でのパフォーマンスについて解説しています。.
最も安全な運用パターンは単純です。最初の迅速な審査にはモデルを使用し、目的スキーマやビジネスルールのチェックを追加した上で、審査に不合格となったケースやリスクの高いケースを、より高度なモデルまたは人間の審査担当者に引き継ぎます。その次のステップが「スピード」と「より深い推論」のどちらを優先するかという選択になる場合、当社の Gemini 3.6 Flash と Gemini 3.1 Pro の比較 6つの同一プロンプトを用いたテストを通じて、各モデルがどの位置づけにあるかを示しています。GlobalGPTは、最先端のモデルや、より広範な調査、執筆、コーディング、そして創造的なプロセスを一か所に集約することで、この包括的なワークフローをサポートします。.
最終評価：Gemini 3.5 Flash-Liteは使う価値があるか？
はい――各呼び出しから推論の深さを最大限に引き出すことよりも、速度、スループット、そしてコストの抑制が重要となる場合です。私のテストでは、, Gemini 3.5 Flash-Lite JSONの抽出、制約付きローカライゼーション、および範囲が限定されたデバッグタスクにおいて優れた性能を発揮した。また、長いパケットに含まれる主要な事実も正しく把握していたが、3回の実行のうち2回でownerフィールドのエラーが繰り返された。これは有用な限界であり、致命的な欠点ではない。.
このモデルは、重要な項目について検証を行う効率的な作業員として捉えるのが最適です。公平に評価するには、雑学クイズのような質問ではなく、ご自身のワークフローに基づいたプロンプトを試してみてください。.
GlobalGPTで開いて、文書の処理、ローカライズ、構造化されたタスクを迅速に行い、その後、同じワークスペース内で他の主要なモデルやツールを活用して、調査、執筆、コーディング、コンテンツ作成に進みましょう。.
よくある質問
Gemini 3.5 Flash-Liteの価格はいくらですか？
公式の基準価格は、入力トークン100万単位あたり$0.30、出力トークン（シンキングトークンを含む）100万単位あたり$2.50です。ツール呼び出しにより、追加料金が発生する場合があります。これらのAPI料金は、サードパーティ製プラットフォームのサブスクリプション料金とは別です。.
どのくらいの速さですか？
Googleの発表記事では、Artificial Analysisの出力トークン数が毎秒350と記載されていました。2026年7月22日に確認したところ、Artificial Analysisのモデルページには毎秒388.8トークンと表示されていました。実際のエンドツーエンド処理時間は、プロンプトのサイズ、出力の長さ、思考レベル、ネットワーク、およびプロバイダーの経路によって異なります。.
Gemini 3.5 Flash-Liteは、3.1 Flash-Liteよりも優れていますか？
Googleは、Terminal-Bench 2.1、GDM-MRCR v2、およびGDPval-AA v2において大幅な性能向上を報告しています。これは、世代間の明らかな性能向上を裏付けるものですが、ワークロードごとのテストは依然として必要です。.
画像、音声、動画、PDFは扱えますか？
はい。公式のリファレンスには、テキスト、画像、動画、音声、およびPDFが入力として記載されています。このモデルはテキストを出力しますが、画像、音声、動画はネイティブには生成しません。.
「Gemini 3.5 Lite」という名称は正しいのでしょうか？
いいえ。正式名称は Gemini 3.5 Flash-Lite. 。「Gemini 3.5 Lite」は非公式の略称であり、他のFlash Liteの世代と混同される可能性があります。.
出典： Googleの発表; Gemini API モデルリファレンス; Gemini API の料金体系; 人工分析; Redditでの議論; Xに関する解説. 公式のベンチマーク数値はベンダーが報告したものであり、実機テストの数値は、前述の通り7月22日に実施された管理されたテスト環境での結果に基づいています。.
