Introduction
Chat compatible OpenAI pour Gemini 3 Flash Preview. Une fenêtre de lecture de 256 000 tokens, trois niveaux d’effort, 128 schémas d’outils et la sortie JSON dans un seul appel synchrone, avec diffusion SSE si vous la demandez.
Gemini 3 Flash Preview est le modèle de chat léger de Google, publié ici comme un seul point de terminaison compatible OpenAI. Prix au token bas et premier token rapide en font le premier choix pour le jeu de rôle tour par tour et la fiction interactive : il lit jusqu’à 256 000 tokens, répond en 65 536 au maximum, et offre trois niveaux d’effort, l’appel d’outils et la sortie JSON.
Fonctionnalités et points forts
La voie des tours courts à cadence élevée
Dans une scène qui enchaîne des centaines de tours par heure, ce qui se ressent, c’est le prix au token et le délai du premier token, pas le sommet de capacité du modèle. C’est le travail pour lequel celui-ci est là : assez bon marché pour que chaque réplique de chaque joueur passe par un modèle, assez rapide pour que la conversation ne s’arrête jamais sur un indicateur de chargement.
Décider tour par tour s’il faut réfléchir deux fois
low, medium et high, avec medium par défaut. Laissez l’échange ordinaire sur low pour un premier token plus rapide, et montez à high le seul tour qui doit refermer un fil. C’est une chaîne de caractères dans le même corps de requête : le basculement ne coûte rien côté intégration.
Il peut changer sous vos pieds
Le cycle de vie d’un modèle en préversion appartient à Google, et son comportement comme sa disponibilité peuvent bouger sans préavis. Décidez vers quel modèle basculer avant le jour du retrait.
Paramètres de requête
| Paramètre | Obligatoire | Description |
|---|---|---|
messages | Oui | Tours ordonnés, du plus ancien au plus récent. Le contenu est une chaîne ou un tableau de parties text, |
max_tokens | Non | Plafonne la réponse à 65 536 ; le défaut est 16 384. En jeu tour par tour, 300 à 800 empêchent le modèle de répondre par un chapitre entier. |
reasoning_effort | Non | minimal, low, medium ou high ; medium est le défaut. Les tours ordinaires passent très bien en low, et le tour qui doit porter se monte seul en high. |
stop | Non | Jusqu’à 4 séquences, sous forme de chaîne ou de tableau. La réponse s’arrête dès que le modèle en écrit une, et le texte correspondant n’est pas renvoyé. 1 caractères minimum · 1 éléments minimum · 4 éléments maximum |
seed | Non | N’importe quel entier. |
temperature | Non | 0 à 2, 1 par défaut. Google recommande de laisser les modèles Gemini 3 à 1,0 : en dessous, la génération peut boucler ou se dégrader. |
top_p | Non | 0,01 à 1. Ajustez celui-ci ou temperature, jamais les deux dans la même comparaison. |
tools | Non | Jusqu’à 128 définitions de fonctions par requête. 128 éléments maximum |
tool_choice | Non | auto, none, required, ou un objet qui nomme une fonction. |
response_format | Non | Réclamez un objet JSON et nommez chaque clé dans le message système — c’est ainsi que les options de branche reviennent analysables. |
Tarification
Entrée $0.45 / Sortie $2.70 par 1 million de tokens
Cas d’utilisation
Jeu de rôle tour par tour
Fiche de personnage, règles du monde et ton figés dans un message système, et chaque tour n’envoie que la nouvelle réplique. À des centaines de tours par heure, le prix au token et le délai du premier token pèsent bien plus sur le ressenti que le plafond de capacité du modèle.
Narration et options de branche
Demandez la suite de la scène plus trois choix : un objet JSON via response_format et chaque clé nommée dans le message system, et la forme des options reste stable. Chaque écran d’une fiction interactive tient dans cet appel.
Étager une longue session
Les échanges ordinaires ici, et les tours qui comptent — une révélation, une confrontation, quarante tours repliés en un paragraphe — vers un modèle plus cher. Les deux ont la forme OpenAI, seul l’identifiant de modèle change.
Étiquetage et remise en forme en masse
Étiqueter des journaux de conversation, réécrire des résumés, ranger du texte libre dans des champs fixes. Ce qui décide si ces travaux valent la peine, c’est le prix par appel, pas le sommet de raisonnement.
Guide de prompt et conseils pratiques
Le personnage dans system, la scène dans user
La fiche de personnage, les règles du monde et le ton de narration tiennent dans un seul message système ; chaque tour n’ajoute que la nouvelle réplique user et la réponse de l’assistant. C’est parce que le message système ne bouge pas que vous voyez quelle réplique a fait dériver la voix.
Changer d’effort par tour, pas par intégration
L’échange ordinaire sur low pour un premier token plus rapide, puis le tour qui tranche envoyé en high. Même point de terminaison, même corps, une chaîne de caractères de différence.
Les limites à prévoir
Le plafond de réponse est de 65 536 tokens et un max_tokens supérieur échoue d’emblée à la validation. Le contenu des messages est composé de texte, d’images, de vidéo et d’audio. La vidéo et l’audio téléversés peuvent totaliser 14 MB par requête. Un response_format JSON façonne la réponse, mais votre application continue de l’analyser et de la valider. C’est un modèle en préversion : Google peut le modifier ou le retirer, choisissez donc le modèle de repli avant qu’il ne porte du trafic de production.
Démarrage rapide de l’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-flash-preview/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'
La référence API détaille l’authentification, le schéma complet, le polling et la gestion des erreurs.
