Gemini 3.5 Flash-Lite గైడ్: సెకనుకు 350 టోకెన్లతో ఏజెంటిక్ వర్క్ఫ్లోల స్కేలింగ్ (2026)
Gemini 3.5 Flash-Lite $0.30/1M ఇన్పుట్ ధరకు 350 టోకెన్లు/సెకను నడుస్తుంది. 3.1 Flash-Lite & Gemini 3 Flashతో బెంచ్మార్క్లు, thinking levels, ఖర్చు లెక్కలు, మోడల్ ఎంపిక పట్టిక.
వాల్యూమ్ అంచె ఇప్పుడు సీరియస్ అయింది
Gemini 3.5 Flash-Lite, జూలై 21, 2026న ప్రకటించబడింది — Google యొక్క అత్యంత వేగవంతమైన, అత్యంత చవకైన 3.5-తరగతి మోడల్: సెకనుకు 350 అవుట్పుట్ టోకెన్లు (Artificial Analysis), ధర 1M ఇన్పుట్ టోకెన్లకు $0.30, 1M అవుట్పుట్ టోకెన్లకు $2.50. చారిత్రకంగా, “Lite” అంచెలు నాణ్యత కుప్పకూలే చోటు — వర్గీకరణ, boilerplateలకు సరే, ఏజెంటిక్ పనులకు ప్రమాదకరం. ఈ విడుదల ఆ ధోరణిని బద్దలు కొడుతుంది: పలు ఏజెంటిక్ & కోడింగ్ మూల్యాంకనాల్లో, 3.5 Flash-Lite పెద్దదైన Gemini 3 Flashను నేరుగా ఓడిస్తుంది.
లైనప్లో Flash-Lite స్థానం ఏమిటి, దాని thinking levels ఎలా కాన్ఫిగర్ చేయాలి, స్కేల్లో నిజంగా ఖర్చు ఎంత, ఏ వర్క్లోడ్కు ఏ మోడల్ ఎంచుకోవాలి — వీటిని ఈ గైడ్ కవర్ చేస్తుంది. లాంచ్ సందర్భం మా ప్రకటన అవలోకనంలో ఉంది.
తరాల దూకుడు: vs 3.1 Flash-Lite
మునుపటి Lite తరం నుండి ఈ దూకుడు ఈ కుటుంబ చరిత్రలోనే అతిపెద్దది:
| బెంచ్మార్క్ | ఏం కొలుస్తుంది | Gemini 3.5 Flash-Lite | Gemini 3.1 Flash-Lite |
|---|---|---|---|
| Terminal-Bench 2.1 | కోడింగ్ & ఏజెంటిక్ టెర్మినల్ పనులు | 54% | 31% |
| GDM-MRCR v2 | లాంగ్-కాంటెక్స్ట్ రిట్రీవల్ | 72.2% | 60.1% |
| GDPval-AA v2 | వాస్తవ-ప్రపంచ పని అమలు | 1140 | 642 |
GDPval-AA v2 సంఖ్య దాదాపు రెట్టింపు కావడమే (642 → 1140) మనసులో నిలుపుకోవాల్సినది: ప్రొడక్షన్ ఏజెంట్లలో పాత Lite మోడల్స్ కుప్పకూలిన చోటు సరిగ్గా వాస్తవ-ప్రపంచ పని అమలే.
అనూహ్య విజయం: Gemini 3 Flashను ఓడించడం
తరాల పురోగతి కంటే ఆశ్చర్యకరమైనది క్రాస్-టియర్ విజయం. పలు ఏజెంటిక్ & కోడింగ్ మూల్యాంకనాల్లో, 3.5 Flash-Lite Gemini 3 Flashను — పెద్దదైన, ఖరీదైన మోడల్ను — అధిగమిస్తుంది:
| బెంచ్మార్క్ | Gemini 3.5 Flash-Lite | Gemini 3 Flash |
|---|---|---|
| SWE-Bench Pro | 54.2% | 49.6% |
| OSWorld-Verified | 74.0% | 65.1% |
Lite అంచెలను ఏజెంటిక్ పనిలో నమ్మలేమనే కారణంతో మీరు ఈరోజు 2.5 Flash లేదా 3 Flashపై వర్క్లోడ్లు నడుపుతుంటే, ఆ అంచనా ఇప్పుడు పాతబడింది — ఈ పనుల్లో Flash-Lite వేగవంతమైనది మరియు మరింత సమర్థమైనది.
Thinking levels: ఒక మోడల్, రెండు ఆపరేటింగ్ మోడ్లు
Flash-Lite కాన్ఫిగర్ చేయదగిన thinking levelsతో వస్తుంది — ఇవి దీన్ని ఆచరణలో రెండు ప్రొడక్టులుగా మారుస్తాయి:
- Minimal / low thinking — అధిక-వాల్యూమ్ పనులకు లేటెన్సీ, ఖర్చులకు ప్రాధాన్యం: ఏజెంటిక్ సెర్చ్, డాక్యుమెంట్ ప్రాసెసింగ్, ఎక్స్ట్రాక్షన్, వర్గీకరణ, రూటింగ్. ఇదే 350 టోకెన్లు/సెకను మోడ్.
- అధిక thinking levels — మల్టీ-స్టెప్ సబ్ఏజెంట్ వర్క్లోడ్లకు లోతైన రీజనింగ్ను ప్రయోగించండి; ఇక్కడ Flash-Lite ఒక ఆర్కెస్ట్రేటర్ మోడల్ కింద వర్కర్గా పనిచేస్తుంది.
ఆ రెండో మోడ్ Google సొంత డెమో నమూనాతో సరిపోతుంది: మాస్టర్ ఏజెంట్గా 3.6 Flash, సమాంతరంగా పనిచేసే 3.5 Flash-Lite సబ్ఏజెంట్ దళాలు (ఒక డెమోలో ఏకకాలంలో 25 వెబ్-డిజైన్ కాన్సెప్టులు రూపొందుతాయి). Flash-Liteలోనూ కంప్యూటర్ వినియోగం బిల్ట్-ఇన్ టూల్, కాబట్టి సబ్ఏజెంట్లు అదనపు స్కాఫోల్డింగ్ లేకుండా UIలను నడపగలవు. అధిక-వాల్యూమ్ పనుల్లో లేటెన్సీ తేడా కోసం Google Flash-Lite vs 3.5 Flash వేగ డెమో (వీడియో) చూడండి.
ఖర్చు విశ్లేషణ: స్కేల్ అసలు ధర
ధరలు: $0.30/1M ఇన్పుట్, $2.50/1M అవుట్పుట్. ఇదిగో ఒక ఉదాహరణ వర్క్లోడ్ — నెలకు 1 మిలియన్ డాక్యుమెంట్లను నిర్వహించే డాక్యుమెంట్-ప్రాసెసింగ్ ఏజెంట్; ఒక్కో డాక్యుమెంట్కు సగటున 3K ఇన్పుట్ టోకెన్లు, 500 అవుట్పుట్ టోకెన్లు:
| ఖర్చు అంశం | లెక్క | నెలవారీ ఖర్చు |
|---|---|---|
| ఇన్పుట్ టోకెన్లు | 1M docs × 3K tokens = 3B tokens × $0.30/1M | $900 |
| అవుట్పుట్ టోకెన్లు | 1M docs × 500 tokens = 0.5B tokens × $2.50/1M | $1,250 |
| 3.5 Flash-Liteపై మొత్తం | $2,150 | |
| అదే వర్క్లోడ్ 3.6 Flashపై ($1.50 / $7.50) | $4,500 + $3,750 | $8,250 |
Lite చక్కగా నిర్వహించగల వర్క్లోడ్కు సుమారు 4× ఖర్చు తేడా — అంతేకాక 350 టోకెన్లు/సెకను వద్ద, ప్రతి డాక్యుమెంట్ యొక్క 500-టోకెన్ సారాంశం 1.5 సెకన్లలోపే స్ట్రీమ్ అవుతుంది. దీని నుండి వచ్చే వ్యూహం: రొటీన్గా ఉండే 90% వాల్యూమ్ను Flash-Liteకు మళ్లించండి, కష్టమైన 10%ను 3.6 Flashకు పెంచండి.
నిర్ణయ పట్టిక: ఏ వర్క్లోడ్కు ఏ మోడల్
| వర్క్లోడ్ | ఎంపిక | ఎందుకు |
|---|---|---|
| అధిక QPS వద్ద ఏజెంటిక్ సెర్చ్ / RAG | 3.5 Flash-Lite (minimal thinking) | 350 టోకెన్లు/సెకను, ఒక్కో క్వెరీకి అత్యల్ప ఖర్చు |
| బల్క్ డాక్యుమెంట్ ప్రాసెసింగ్ / ఎక్స్ట్రాక్షన్ | 3.5 Flash-Lite | 3.6 Flash కంటే 4× చవక; GDM-MRCR v2 72.2% లాంగ్-కాంటెక్స్ట్ |
| వర్గీకరణ, రూటింగ్, మోడరేషన్ | 3.5 Flash-Lite (minimal thinking) | లేటెన్సీ-కీలకం, నాణ్యతలో తగినంత వెసులుబాటు |
| ఆర్కెస్ట్రేటర్ కింద సమాంతర సబ్ఏజెంట్ దళాలు | 3.5 Flash-Lite (అధిక thinking) | ఇందుకోసమే రూపొందిన మోడ్; కంప్యూటర్ వినియోగం బిల్ట్-ఇన్ |
| సంక్లిష్ట ఏజెంటిక్ కోడింగ్ (SWE ఏజెంట్లు) | 3.6 Flash | DeepSWE 49%; అధిక ఖచ్చితత్వం, తక్కువ తప్పుడు మార్పులు |
| ML పరిశోధన వర్క్ఫ్లోలు | 3.6 Flash | MLE Bench 63.9% vs 3.5 Flash యొక్క 49.7% |
| కష్టమైన పనులపై కంప్యూటర్-వినియోగ ఏజెంట్లు | 3.6 Flash | OSWorld-Verified 83.0% (vs Lite యొక్క 74.0%) |
| మల్టీమోడల్ డాక్యుమెంట్ విశ్లేషణ & రిపోర్ట్ డ్రాఫ్టింగ్ | 3.6 Flash | లాంచ్లో Harvey / Hebbia ద్వారా ధృవీకరించబడింది |
| ఇంకా 3.5 Flashపై ఉన్న పాత పైప్లైన్లు | పైకో కిందికో మైగ్రేట్ అవ్వండి | నాణ్యతకు 3.6 Flash, వాల్యూమ్కు Flash-Lite — మైగ్రేషన్ గైడ్ చూడండి |
| భద్రతా లోపాల గుర్తింపు & ప్యాచింగ్ | 3.5 Flash Cyber | CodeMender పైలట్ ద్వారా మాత్రమే (ప్రభుత్వాలు & విశ్వసనీయ భాగస్వాములు) |
అనుభవ సూత్రం: పెద్ద మోడల్ను డిఫాల్ట్గా పెట్టుకుని తర్వాత ఆప్టిమైజ్ చేయడం కాకుండా, Flash-Liteను డిఫాల్ట్గా పెట్టుకుని, విఫలమైనప్పుడు ఎస్కలేట్ చేయండి. వైఫల్యం కంటికి కనిపిస్తుంది (చెడు అవుట్పుట్లు); ఓవర్-ప్రొవిజనింగ్ వృథా నిశ్శబ్దంగా ఉంటుంది.
ఎక్కడ అందుబాటులో ఉంది
3.5 Flash-Lite ఈరోజే Gemini APIలో (Google AI Studio, Android Studio), Gemini Enterprise Agent Platformలో, Gemini యాప్లో లైవ్గా ఉంది — అంతేకాక ఇది Google Search లోపల దశలవారీగా విడుదలవుతోంది; గ్రహ స్థాయి స్కేల్ వద్ద దాని ఖర్చు ప్రొఫైల్పై Google విశ్వాసం గురించి ఇది చాలా చెబుతుంది. తొలి కస్టమర్లలో Ashler, Palo Alto Networks, Ramp ఉన్నాయి.
సైడ్బార్: 3.5 Flash Cyber & CodeMender
అదే లాంచ్లో Gemini 3.5 Flash Cyber కూడా పరిచయమైంది — భద్రతా లోపాలను కనుగొని సరిచేయడానికి fine-tune చేసిన 3.5 Flash. CodeMender లోపల, అనేక Flash Cyber ఏజెంట్లు సమాంతరంగా పనిచేసి తమ ఫలితాలను ఒకే సమగ్ర నివేదికగా విలీనం చేస్తాయి — CyberGymపై ఫ్రాంటియర్ స్థాయి పోటీ పనితీరును చేరుకుంటాయి. నిర్మాణాన్ని గమనించండి: ఈ గైడ్ వివరించే అదే “సమర్థ నిపుణుల దళం” నమూనా — భద్రతకు అన్వయించబడింది.
యాక్సెస్ ఉద్దేశపూర్వకంగానే సంకుచితం: CodeMender ద్వారా ప్రభుత్వాలు, విశ్వసనీయ భాగస్వాములకు మాత్రమే పరిమిత-యాక్సెస్ పైలట్ — ఆటోమేటెడ్ లోపాల-ఆవిష్కరణ యొక్క ద్వంద్వ-వినియోగ ప్రమాదాన్ని ఇది ప్రతిబింబిస్తుంది. వివరాలు మా ప్రకటన అవలోకనంలో.
సారాంశం
ఏజెంటిక్ వర్క్లోడ్లకు ధర-పనితీరు సరిహద్దును 3.5 Flash-Lite కొత్తగా గీస్తుంది: 3.5 సిరీస్లో దేనికంటే వేగవంతమైనది, 3.6 Flash కంటే సుమారు 4× చవక, మరియు — ఒక Lite మోడల్లో తొలిసారిగా — ఏజెంటిక్ బెంచ్మార్క్లపై నిజంగా నమ్మదగినది. Flash-Lite డిఫాల్ట్గా, 3.6 Flash ఎస్కలేషన్ మార్గంగా మీ రూటింగ్ను నిర్మించండి — మీ ఖర్చు వక్రరేఖ మీకు కృతజ్ఞతలు చెబుతుంది.