Introdução
Chat compatível com OpenAI para o Gemini 3.5 Flash-Lite. Janela de leitura de 1.048.576 tokens, quatro níveis de esforço com minimal por padrão, 128 esquemas de ferramenta e saída JSON em uma chamada síncrona, com streaming SSE quando você pedir.
O Gemini 3.5 Flash-Lite é o modelo de chat do Google voltado ao custo, publicado aqui como um único endpoint compatível com OpenAI. Uma requisição lê até 1.048.576 tokens e responde com até 65.536, e o esforço de raciocínio começa em minimal, o nível mais barato e mais rápido: classificação, tradução e ajuste simples de dados rodam no nível mais baixo enquanto você não pedir outra coisa.
Recursos e destaques
A faixa para o trabalho que chega aos milhares
Quando a tarefa são dez mil linhas e não uma pergunta difícil, o preço de uma única chamada decide se ela roda. É para isso que este modelo está aqui: barato o bastante para que cada linha passe por um modelo e rápido o bastante para a fila esvaziar enquanto você olha.
Quatro níveis, e o mais barato é o padrão
O reasoning_effort aceita minimal, low, medium ou high e vem com minimal por padrão. Não mandar nada equivale, portanto, a comprar a resposta mais barata e rápida deste modelo; suba o nível na requisição específica que precisa de mais deliberação, não na integração inteira.
Um dossiê inteiro em uma requisição
A janela de leitura é de 1.048.576 tokens, então uma especificação longa, uma transcrição completa ou um mês de registros vai em uma chamada em vez de ser picado em janelas que depois precisam ser costuradas de volta. Os tokens de entrada continuam cobrados pelo medido, então olhe o tamanho do material e não só a quantidade de chamadas.
Parâmetros da requisição
| Parâmetro | Obrigatório | Descrição |
|---|---|---|
messages | Sim | Turnos ordenados, do mais antigo ao mais recente. O conteúdo é uma string ou um array de partes text, |
max_tokens | Não | Limita a resposta a 65.536; o padrão é 4.096. |
reasoning_effort | Não | minimal, low, medium ou high; o padrão é minimal, então não mandar nada equivale a rodar no nível mais barato e rápido. |
stop | Não | Até 4 sequências, como string ou array. A resposta termina assim que o modelo escreve uma delas, e o texto correspondente não é devolvido. pelo menos 1 caracteres · pelo menos 1 itens · no máximo 4 itens |
seed | Não | Qualquer inteiro. |
temperature | Não | De 0 a 2, padrão 1. O Google recomenda deixar os modelos Gemini 3 em 1,0: abaixo disso, a geração pode entrar em loop ou perder qualidade. |
top_p | Não | De 0,01 a 1. Ajuste este ou o temperature, nunca os dois na mesma comparação. |
tools | Não | Até 128 definições de função por requisição. no máximo 128 itens |
tool_choice | Não | auto, none, required ou um objeto que nomeia uma função. |
response_format | Não | Peça um objeto JSON e nomeie cada chave na mensagem de sistema — é assim que o texto livre volta nas colunas que você já tem. |
Preços
Entrada $0.30 / Saída $2.50 por 1 milhão de tokens
Casos de uso
Classificação e rotulagem em massa
Encaminhar tickets, marcar registros de conversa, distribuir a correspondência recebida entre responsáveis. Uma mensagem de sistema fixa, uma linha por chamada, o esforço em minimal: a fila inteira passa por um modelo em vez de por uma expressão regular.
Levas de tradução
Textos de produto, respostas do suporte, fichas de catálogo. A instrução e o glossário ficam na mensagem de sistema, o texto de origem vai na de usuário, e o volume deixa de ser o motivo para não fazer.
Texto livre para campos fixos
Peça um objeto JSON com response_format, nomeie cada chave na mensagem de sistema e deixe o modelo dobrar uma anotação sem estrutura nas colunas que o seu banco já tem. Analisar e validar continua com você.
Os passos silenciosos de um laço de agente
A maioria dos passos de um agente não é o passo interessante: reler uma página, julgar se um resultado interessa, resumir em uma linha o que acabou de acontecer. Mande esses para cá e guarde o modelo caro para a etapa que realmente decide algo.
Guia de prompt e dicas práticas
Instrução na mensagem de sistema, material na de usuário
A descrição da tarefa, o formato da saída e o vocabulário cabem em uma única mensagem de sistema; a mensagem de usuário leva apenas aquela linha, aquele trecho ou aquele documento. Manter a mensagem de sistema parada ao longo de um lote é o que torna os resultados comparáveis entre si.
Não mexa no nível até uma chamada pedir
minimal é o padrão e o nível em que a maior parte de um lote deveria rodar. Quando um item específico precisa de mais deliberação, suba aquela requisição para low, medium ou high: é uma string no mesmo corpo, nada mais muda.
Limites para levar em conta
O teto de resposta é de 65.536 tokens e um max_tokens acima disso falha na validação de imediato. O conteúdo das mensagens é texto, imagens e vídeo; partes de áudio são recusadas. O vídeo é enviado como arquivo já carregado, e o vídeo de uma requisição pode somar 14 MB no total. Um response_format JSON molda a resposta, mas a sua aplicação continua analisando e validando. O conhecimento do modelo para em março de 2026, então tudo o que vier depois precisa chegar pelo prompt.
Início rápido da 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'
Consulte a referência da API para autenticação, esquema completo, polling e tratamento de erros.
