Introducción
Chat compatible con OpenAI para Gemini 3.5 Flash-Lite. Ventana de lectura de 1.048.576 tokens, cuatro niveles de esfuerzo con minimal por defecto, 128 esquemas de herramienta y salida JSON en una sola llamada síncrona, con streaming SSE si lo pides.
Gemini 3.5 Flash-Lite es el modelo de chat de Google pensado para el costo, publicado aquí como un único endpoint compatible con OpenAI. Una solicitud lee hasta 1.048.576 tokens y responde con hasta 65.536, y su esfuerzo de razonamiento arranca en minimal, el nivel más barato y más rápido: clasificación, traducción y arreglo simple de datos corren en el nivel más bajo mientras no pidas otra cosa.
Funciones y aspectos destacados
El carril para el trabajo que llega de a miles
Cuando una tarea son diez mil filas y no una pregunta difícil, el precio de una sola llamada decide si llega a correr. Para eso está este modelo: barato como para que cada fila pase por un modelo y rápido como para ver la cola vaciarse mientras la miras.
Cuatro niveles, y el más barato es el predeterminado
reasoning_effort acepta minimal, low, medium o high y vale minimal por defecto. No mandar nada equivale entonces a comprar la respuesta más barata y rápida de este modelo; sube el nivel en la solicitud puntual que necesita más deliberación, no en toda la integración.
Un expediente entero en una sola solicitud
La ventana de lectura es de 1.048.576 tokens, así que una especificación larga, una transcripción completa o un mes de registros viajan en una llamada en vez de partirse en ventanas que después hay que volver a coser. Los tokens de entrada se siguen cobrando por medición, así que mira el tamaño del material y no solo la cantidad de llamadas.
Parámetros de la solicitud
| Parámetro | Obligatorio | Descripción |
|---|---|---|
messages | Sí | Turnos ordenados, del más antiguo al más reciente. El contenido es una cadena o un arreglo de partes text, |
max_tokens | No | Limita la respuesta a 65.536; el valor por defecto es 4.096. |
reasoning_effort | No | minimal, low, medium o high; minimal es el valor por defecto, así que no enviar nada equivale a correr en el nivel más barato y rápido. |
stop | No | Hasta 4 secuencias, como cadena o como arreglo. La respuesta termina en cuanto el modelo escribe una de ellas, y el texto que coincide no se devuelve. mínimo 1 caracteres · mínimo 1 elementos · máximo 4 elementos |
seed | No | Cualquier entero. |
temperature | No | De 0 a 2, 1 por defecto. Google recomienda dejar los modelos Gemini 3 en 1,0: por debajo, la generación puede entrar en bucle o degradarse. |
top_p | No | De 0,01 a 1. Ajusta este o temperature, nunca los dos en la misma comparación. |
tools | No | Hasta 128 definiciones de función por solicitud. máximo 128 elementos |
tool_choice | No | auto, none, required, o un objeto que nombre una función. |
response_format | No | Pide un objeto JSON y nombra cada clave en el mensaje de sistema: así el texto libre vuelve en las columnas que ya tienes. |
Precios
Entrada $0.30 / Salida $2.50 por 1 millón de tokens
Casos de uso
Clasificación y etiquetado masivos
Derivar tickets, etiquetar registros de chat, repartir el correo entrante entre responsables. Un mensaje de sistema fijo, una fila por llamada, el esfuerzo en minimal: la cola entera pasa por un modelo en lugar de por una expresión regular.
Tandas de traducción
Textos de producto, respuestas de soporte, fichas de catálogo. La instrucción y el glosario van en el mensaje de sistema, el texto original en el de usuario, y el volumen deja de ser el motivo para no hacerlo.
Texto libre hacia campos fijos
Pide un objeto JSON con response_format, nombra cada clave en el mensaje de sistema y deja que el modelo pliegue una nota sin estructura en las columnas que tu base de datos ya tiene. Analizar y validar sigue siendo cosa tuya.
Los pasos callados de un ciclo de agente
La mayoría de los pasos de un agente no son el interesante: releer una página, decidir si un resultado viene al caso, resumir en una línea lo que acaba de pasar. Manda esos aquí y guarda el modelo caro para el paso que realmente decide algo.
Guía de prompts y consejos prácticos
La instrucción en el sistema, el material en el usuario
La descripción de la tarea, la forma de la salida y el vocabulario van en un solo mensaje de sistema; el mensaje de usuario lleva únicamente esa fila, ese pasaje o ese documento. Mantener quieto el mensaje de sistema durante todo un lote es lo que hace comparables los resultados entre sí.
No toques el nivel hasta que una llamada lo pida
minimal es el valor por defecto y el nivel en el que debería correr la mayor parte de un lote. Cuando un elemento concreto necesita más deliberación, sube esa solicitud a low, medium o high: es una cadena en el mismo cuerpo, nada más cambia.
Límites a tener en cuenta
El techo de respuesta es de 65.536 tokens y un max_tokens por encima falla la validación de entrada. El contenido de los mensajes es texto, imágenes y video; las partes de audio se rechazan. El video se envía como archivo subido, y el video de una solicitud puede sumar 14 MB en total. Un response_format JSON da forma a la respuesta, pero tu aplicación sigue analizándola y validándola. El conocimiento del modelo se detiene en marzo de 2026, así que todo lo posterior tiene que llegar por el prompt.
Inicio rápido de la API
curl --fail-with-body -sN https://api.spicyapi.ai/v1/chat/completions \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $(uuidgen)" \
-d '{
"model": "google/gemini-3.5-flash-lite/chat",
"messages": [
{
"role": "user",
"content": "Summarise the following release notes into three bullet points."
}
],
"stream": true
}' \
| jq --unbuffered -Rrj 'select(startswith("data: ")) | .[6:] | select(. != "[DONE]") | fromjson | if .error then "\n[error] \(.error.message)\n" else (.choices[0].delta.content? // empty) end'
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.
