Introdução
Chat compatível com OpenAI para o Gemini 3 Flash Preview. Janela de leitura de 256.000 tokens, três níveis de esforço, 128 esquemas de ferramenta e saída JSON em uma chamada síncrona, com streaming SSE quando você pedir.
Gemini 3 Flash Preview é o modelo de chat leve do Google, publicado aqui como um único endpoint compatível com OpenAI. O preço por token baixo e o primeiro token rápido fazem dele a primeira escolha para roleplay turno a turno e ficção interativa: lê até 256.000 tokens, responde em até 65.536 e traz três níveis de esforço, chamada de ferramentas e saída JSON.
Recursos e destaques
A faixa dos turnos curtos em alta frequência
Numa cena que avança centenas de turnos por hora, o que se sente é o preço por token e o tempo até o primeiro token, não o teto de capacidade do modelo. É para isso que ele está aqui: barato o bastante para cada fala de cada jogador passar por um modelo, e rápido o bastante para a conversa nunca travar num indicador de carregamento.
Decida a cada turno se vale pensar duas vezes
low, medium e high, com medium como padrão. Deixe a troca rotineira em low para adiantar o primeiro token e suba para high só o turno que precisa fechar um fio. É uma string no mesmo corpo da requisição, então trocar não custa nada de integração.
Ele pode mudar debaixo de você
O ciclo de vida de um modelo em prévia pertence ao Google, e comportamento e disponibilidade podem se mover sem aviso. Decida para qual modelo você passa antes do dia em que ele for retirado.
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 16.384. Em jogo turno a turno, algo entre 300 e 800 impede o modelo de responder com um capítulo inteiro. |
reasoning_effort | Não | minimal, low, medium ou high; o padrão é medium. Turnos rotineiros vão bem em low, e o turno que precisa acertar sobe para high sozinho. |
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 as opções ramificadas voltam analisáveis. |
Preços
Entrada $0.45 / Saída $2.70 por 1 milhão de tokens
Casos de uso
Roleplay turno a turno
Ficha de personagem, regras do mundo e tom fixos em uma mensagem de sistema, e cada turno envia só a fala nova. A centenas de turnos por hora, o preço por token e o tempo até o primeiro token pesam muito mais na sensação da cena do que o teto do modelo.
Narração e opções ramificadas
Peça o próximo trecho mais três escolhas: um objeto JSON via response_format e cada chave nomeada na mensagem de system mantêm a forma das opções estável. Cada tela de uma aventura em texto é esta única chamada.
Escalonar uma sessão longa
As trocas rotineiras aqui e os turnos que importam — uma revelação, um confronto, quarenta turnos dobrados em um parágrafo — num modelo mais caro. Os dois têm formato OpenAI, então só muda o identificador do modelo.
Rotulagem e limpeza em massa
Marcar registros de conversa, reescrever resumos, encaixar texto livre em campos fixos. Se esses trabalhos compensam quem decide é o preço por chamada, não o pico de raciocínio.
Guia de prompt e dicas práticas
O personagem no system, a cena no user
Ficha de personagem, regras do mundo e tom de narração ficam em uma única mensagem de sistema; cada turno só acrescenta a nova fala de user e a resposta do assistente. Manter a mensagem de sistema parada é o que permite ver qual fala mudou a voz.
Troque o esforço por turno, não por integração
A troca rotineira em low para adiantar o primeiro token e o turno que resolve algo enviado em high. Mesmo endpoint, mesmo corpo, uma string de diferença.
Limites para levar em conta
O teto de resposta é 65.536 tokens e um max_tokens acima disso falha na validação. O conteúdo das mensagens é texto, imagens, vídeo e áudio. Vídeo e áudio carregados podem somar 14 MB por requisição. Um response_format JSON molda a resposta, mas sua aplicação continua responsável por analisá-la e validá-la. Este é um modelo em prévia: o Google pode alterá-lo ou retirá-lo, então tenha um modelo reserva pronto antes de ele carregar tráfego de produção.
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-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'
Consulte a referência da API para autenticação, esquema completo, polling e tratamento de erros.
