Gemini 3.5 Flash-Lite: was es ist, Preis und für wen es sich lohnt

Was Gemini 3.5 Flash-Lite eigentlich ist

Google teilt seine Gemini-Familie in zwei Spuren. Pro-Modelle sind die Top-Stufe für schwieriges Denken. Flash-Modelle sind die Arbeitspferde: günstiger, schneller, abgestimmt auf Apps, die tausende Anfragen pro Tag stellen. Flash-Lite ist das leichteste dieser Arbeitspferde und wird von Google für agentische Aufgaben mit hohem Volumen, Übersetzung und einfache Datenverarbeitung positioniert.

Stell es dir als das Modell vor, das du auf Arbeit ansetzt, bei der die einzelne Aufgabe leicht, aber das Volumen brutal ist: Support-Tickets klassifizieren, Felder aus einem PDF extrahieren, eine Chatnachricht übersetzen, eine erste Suche durchführen. Es verarbeitet Text-, Bild-, Video-, Audio- und PDF-Eingaben, unterstützt Function Calling, strukturierte Ausgaben, Codeausführung, Caching und Search Grounding, und hat dasselbe ~1M-Token-Kontextfenster wie seine größeren Geschwister (etwa 1.500 A4-Seiten an Eingabe).

Was bewusst fehlt, verrät, für wen es gedacht ist. Flash-Lite unterstützt kein Computer Use, keine Bildgenerierung, keine Audiogenerierung und keine Live API. Wenn dein Agent einen Browser steuern oder Medien erzeugen muss, ist das Gemini 3.6 Flash oder ein Pro-Modell, nicht dieses hier. Flash-Lite bleibt absichtlich schmal: Text lesen, entscheiden, Text schreiben, das Ganze schnell und billig.

Preise für Gemini 3.5 Flash-Lite

Hier ist das vollständige Bild. Das ist der Grund, warum es das Modell überhaupt gibt, also lohnt es sich, genau zu lesen, bevor du es in eine Tabelle einträgst.

Ein paar Dinge, die es wert sind, hervorgehoben zu werden:

• Der kostenlose Tarif hat einen Haken. Im kostenlosen Tarif nutzt Google deine Inhalte, um seine Produkte zu verbessern; in jedem Bezahltarif tut es das nicht. Für alles, was Kundendaten betrifft, schließt allein das schon den kostenlosen Tarif aus.
• Der Batch-Modus bietet pauschal 50% Rabatt, und das ist die Stufe, auf der die meisten Aufgaben mit hohem Volumen eigentlich laufen sollten. Dasselbe gilt für Flex-Inferenz. Wenn die Arbeit nicht in Echtzeit passieren muss, zahlst du $0,15/$1,25.
• Cache-Treffer sind günstig. Ein zwischengespeichertes Input-Token kostet $0,03 pro 1M, eine Senkung um 90%, sodass wiederholter Kontext (dein System-Prompt, ein Wissensschnipsel) in der Rechnung kaum auftaucht.
• Search Grounding wird separat abgerechnet. Du bekommst 5.000 grundierte Prompts im Monat kostenlos über die gesamte Gemini-3-Familie, danach $14 pro 1.000 Suchanfragen.

Eine ehrliche Anmerkung von Artificial Analysis: Bei $0,30/$2,50 liegt es auf Platz 87 von 152 beim reinen Preis, "Lite" bedeutet also nicht "am billigsten auf dem Markt". Es bedeutet am billigsten innerhalb der Gemini-3.5-Reihe, während es trotzdem eine erstklassige Intelligenz-Punktzahl erzielt. Wie sich das gegenüber den Consumer-Gemini-Plänen und den anderen API-Stufen verhält, erklärt unser Gemini-Preisleitfaden im Detail, und Gemini-Workspace-Preise deckt die Business-Pläne ab.

Geschwindigkeit ist das Hauptmerkmal

Wenn der Preis der Grund ist, Flash-Lite auf die Shortlist zu setzen, ist die Geschwindigkeit der Grund, dabei zu bleiben. Artificial Analysis hat rund 490 Token pro Sekunde gemessen, Platz 2 von 152 getesteten Modellen; Google gibt auf dem eigenen Testaufbau 350 Token pro Sekunde an. Beide Zahlen bringen es nah an die Spitze des Feldes.

Es gibt einen Haken, den man kennen sollte, bevor man einem Product Manager Antworten in unter einer Sekunde verspricht. Die Zeit bis zum ersten Token liegt im Median bei rund 6 Sekunden, am oberen Ende seiner Klasse, weil der Denkschritt des Modells abläuft, bevor das erste sichtbare Token erscheint. Der Stream ist also, sobald er beginnt, brutal schnell, aber der Start kann sich bei einem schwierigen Prompt verzögern. Für die meiste Support-Arbeit (kurze Antworten, einfache Klassifizierung) ist dieses Denkbudget klein und die Verzögerung vernachlässigbar; für alles, was du auf die Millisekunde genau misst, teste es zuerst mit deinen eigenen Prompts.

Gegenüber seinem eigenen Vorgänger ist der Generationssprung bei agentischen Coding- und Wissensarbeit-Benchmarks deutlich:

Flash-Lite oder 3.6 Flash? Das richtige wählen

Das ist die Entscheidung, die die meisten Teams falsch treffen, weil beide am selben Tag erschienen sind und sich die Namen kaum unterscheiden. Sie sind für entgegengesetzte Enden derselben Aufgabe gebaut. Geh den Wähler unten durch.

Die Faustregel: Greife zu Flash-Lite, wenn jedes Element einfach ist und das Volumen die Herausforderung ist, etwa eine erste Ticket-Triage, Tier-1-Ablenkung oder routinemäßige Live-Chat-Ablenkung. Greife zu 3.6 Flash, wenn die Arbeit wirklich Denken über mehrere Systeme hinweg braucht. Ob du einen echten KI-Agenten baust oder einen skriptbasierten Bot, ist eine eigene Entscheidung, getrennt von der Modellwahl.

Die anderen Modelle, die an diesem Tag erschienen sind

Flash-Lite ist nicht allein erschienen. Google hat am 21. Juli drei Modelle veröffentlicht und eines zurückgehalten, und die Lineup zu kennen bewahrt dich davor, die falsche Stufe zu wählen.

Gemini 3.6 Flash ist das neue Vorzeige-Arbeitspferd, für $1,50 Input / $7,50 Output, mit eingebautem Computer Use und rund 17% weniger Output-Token als 3.5 Flash. Gemini 3.5 Flash Cyber ist ein Sicherheitsspezialist, feinabgestimmt darauf, Schwachstellen innerhalb von Googles CodeMender-Agent zu finden und zu beheben, und ist nur für Regierungen und vertrauenswürdige Partner in einem begrenzten Pilotprojekt verfügbar.

Die auffällige Abwesenheit: das Flaggschiff Gemini 3.5 Pro. Bloomberg berichtete, es habe interne Verzögerungen gegeben, nachdem es die eigenen Leistungsziele verfehlt hatte, und DeepMinds Logan Kilpatrick sagte, es werde noch mit Partnern getestet. Googles Vorgehen ist also aufschlussreich: die günstige, hochvolumige Stufe frisch halten, während das Flaggschiff noch reift. Falls du heute ein Top-Modell brauchst, ist unsere Übersicht Gemini-Alternativen der ehrliche Ausgangspunkt, Gemini vs. Claude und Gemini vs. ChatGPT behandeln die direkten Vergleiche, und KI-Kundenservice-Unternehmen bildet die Anbieter ab, die auf diesen Modellen aufbauen.

Was das bedeutet, wenn du KI für den Support baust

Hier muss ich ehrlich mit dir sein, denn das ist der Teil, den jeder Modell-Launch-Artikel für Support-Teams auslässt.

Ein schnelleres, günstigeres Modell ist eine gute Nachricht. Aber Flash-Lite einzusetzen gibt dir keinen funktionierenden Support-Agenten, genauso wie eine schnellere CPU dir keine App gibt. Ich verbringe meine Tage damit, Integrationen und APIs in eesel einzubauen, und über mehr als drei Jahre, in denen wir KI auf echten Support-Queues laufen ließen, war der Fehler, den wir immer wieder gesehen haben, nicht ein dummes Modell, sondern ein selbstbewusst klingender Bot, der einem echten Kunden eine falsche Antwort gibt, weil niemand die Schichten um das Modell herum gebaut hat. Das Modell ist die unterste Schicht des Stacks, nicht das Ganze.

Diese Schichten sind die eigentliche Arbeit. Retrieval, damit das Modell aus deiner Wissensdatenbank und vergangenen Tickets antwortet statt zu raten. Guardrails und Scope, damit es sauber eskaliert statt sich eine Rückerstattungsrichtlinie zu erfinden. Integration, damit es innerhalb deines Ticketing-Systems handeln kann. Und Tests, damit du weißt, wie es sich verhält, bevor es einen Kunden erreicht, nicht danach. Das ist die Lücke zwischen einer rohen API und echter KI-Kundenservice-Software, und deshalb lassen sich Probleme mit KI-Chatbots fast immer auf die Verrohrung zurückführen, nicht auf das Modell.

Deshalb würde ich auch davon abraten, die rohe Gemini-API selbst in dein Helpdesk einzubauen. Du würdest Retrieval, Halluzinations-Guardrails, Simulation und jede Helpdesk-Integration von Grund auf neu bauen und dann pflegen, während Google alle paar Wochen ein neues Modell veröffentlicht (dieses Mal drei an einem Tag). Diese Fluktuation ist das ganze Argument für zweckgebaute Helpdesk-KI gegenüber einem selbstgebauten Stack: Die Modellstufe ist ein austauschbarer Posten, das System drumherum ist das Produkt.

eesel ausprobieren

Genau das ist die Schicht, die eesel sein soll. Du bindest es in dein bestehendes Helpdesk ein, es lernt von Anfang an aus deinen vergangenen Tickets und deiner Wissensdatenbank, und es läuft auf Frontier-Modellen wie Gemini, sodass du die Geschwindigkeit und die Kosteneinsparungen eines Modells wie Flash-Lite bekommst, ohne die API selbst zu verdrahten.

Der Unterschied, der hier am meisten zählt, ist der, den Flash-Lite dir allein nicht geben kann: eesel lässt dich den Agenten simulieren gegen deine historischen Tickets, bevor er je einem echten Kunden antwortet, sodass du die Lösungsrate und die exakten Antworten siehst, die er gesendet hätte. Und weil es nach Ergebnissen bepreist ist, nicht pro Token, sparst du dir die Token-Rechnung bei jedem Ticket. Wenn du Modelle für den Aufbau von Support-Automatisierung evaluierst, fang beim gewünschten Ergebnis an und lass die Plattform die Verrohrung übernehmen. Es ist kostenlos zum Ausprobieren.