Puis-je exécuter Gemini 3 Flash Preview localement ?

Non — Google n’a pas publié les poids, donc c’est uniquement accessible via API et impossible à exécuter sur votre propre matériel.

Quel est le coût et la taille de la fenêtre de contexte ?

L’entrée est facturée 0,50 $ par million de tokens et la sortie 3,00 $ par million de tokens, avec une fenêtre de contexte de 1 048 576 tokens et mise en cache automatique du contexte disponible.

En quoi diffère-t-il de Gemini 2.5 Flash ?

Google décrit Gemini 3 Flash Preview comme apportant des améliorations qualitatives larges par rapport à Gemini 2.5 Flash en raisonnement, compréhension multimodale et fiabilité, tout en conservant une vitesse et un coût similaires.

▲

23.5%

cette semaine

Gemini 3 Flash Preview

8973°

#llm #google #vision #audio #vidéo #raisonnement

Lancer ce modèle

Offres / Pub

OpenRouter Terminal / API

Payer par token

Discute avec ce modèle dans le navigateur ou appelle-le depuis ton code avec une clé API.

Google | contexte de 1 048 576 tokens | 0,50 $/M en entrée, 3,00 $/M en sortie. Gemini 3 Flash Preview est un modèle de réflexion à haute vitesse et haute valeur conçu pour les flux de travail agentiques, le chat multi-tours et l'assistance au codage. Il offre des performances de raisonnement et d'utilisation d'outils proches du niveau Pro avec une latence nettement inférieure à celle des variantes Gemini plus grandes, ce qui le rend bien adapté au développement interactif, aux boucles d'agents de longue durée et aux tâches de codage collaboratif. Par rapport à Gemini 2.5 Flash, il apporte…Google | contexte de 1 048 576 tokens | 0,50 $/M en entrée, 3,00 $/M en sortie. Gemini 3 Flash Preview est un modèle de réflexion à haute vitesse et haute valeur conçu pour les flux de travail agentiques, le chat multi-tours et l'assistance au codage. Il offre des performances de raisonnement et d'utilisation d'outils proches du niveau Pro avec une latence nettement inférieure à celle des variantes Gemini plus grandes, ce qui le rend bien adapté au développement interactif, aux boucles d'agents de longue durée et aux tâches de codage collaboratif. Par rapport à Gemini 2.5 Flash, il apporte des améliorations qualitatives larges en matière de raisonnement, de compréhension multimodale et de fiabilité. Le modèle prend en charge une fenêtre de contexte de 1M tokens et des entrées multimodales incluant texte, images, audio, vidéo et PDF, avec une sortie texte. Il inclut un raisonnement configurable via des niveaux de réflexion (minimal, faible, moyen, élevé), une sortie structurée, l'utilisation d'outils et la mise en cache automatique du contexte. Gemini 3 Flash Preview est optimisé pour les utilisateurs souhaitant un raisonnement solide et un comportement agentique sans le coût ni la latence des modèles de pointe à grande échelle.

Guides pour ce modèle

Comment choisir un modèle d'IA en octobre 2026 : les nouveautés des modèles fermés, puis les poids ouverts à télécharger

Poids ouverts vs open source vs API uniquement : ce que tu peux vraiment faire

Les 10 alternatives à ChatGPT les moins chères en 2026 : modèles locaux gratuits, offres gratuites et forfaits à prix fixe

Tous les guides

Notes du capitaine

Écrit par Captain, le rédacteur maison

Notes du 2026-10-13

Gemini 3 Flash Preview est le modèle de réflexion rapide et moins coûteux de Google, conçu pour les workflows agentiques, le codage et les longues sessions multi-tours. Il offre une qualité de raisonnement proche du niveau Pro à la latence Flash, avec une fenêtre de contexte d’un million de tokens et un support complet d’entrées multimodales. Si vous avez besoin d’une boucle agent capable ou d’un assistant de codage interactif sans payer le prix des modèles de pointe, c’est le choix pragmatique.

Connu pour

Profondeur de réflexion configurable : choisissez minimal, faible, moyen ou élevé par requête.
Fenêtre de contexte d’un million de tokens pour gérer des documents très longs, bases de code ou historiques de conversation.
Accepte texte, images, audio, vidéo et PDF en un seul appel.
Usage d’outils intégré et sortie structurée pour travail agentique et en pipeline.
Mise en cache automatique du contexte pour réduire les coûts de prompt répétés dans les longues boucles agent.

Attention à

Poids fermés, API uniquement — vous ne pouvez pas l’exécuter localement ni inspecter le modèle.
Les tokens de sortie coûtent six fois plus que les tokens d’entrée ; les longues boucles agent avec sorties verbeuses s’additionnent.
Le statut preview signifie que le comportement et les tarifs peuvent changer avant la disponibilité générale.

Idéal pour

Agents et utilisation d'outils

Prompts à essayer

Déboguer une boucle agent asynchrone

J’ai un agent Python qui appelle trois outils en séquence : une recherche web, une calculatrice, et un écrivain de fichiers. Parfois, l’écrivain de fichiers s’exécute avant que la calculatrice ait fini. Voici le code concerné : async def run_pipeline(query): results = await search(query) total = await calculate(results) await write_file(total) Trouve la condition de course et réécris la fonction pour garantir l’ordre d’exécution.

Raisonnement sur un problème de planification

Une petite équipe de quatre personnes doit livrer une fonctionnalité en cinq jours ouvrés. Deux ingénieurs sont disponibles à plein temps, un à 50 % de capacité, et un est en astreinte pour les incidents de production. La fonctionnalité comporte six tâches avec ces dépendances : A avant B, A avant C, B et C avant D, D avant E, E avant F. Chaque tâche prend un jour-ingénieur. Construisez un planning réaliste jour par jour et signalez les risques.

Analyse d’un document multimodal

Je joins un PDF d’un cahier des charges technique. Extrayez chaque exigence contenant un critère d’acceptation mesurable, listez-les dans un tableau avec colonnes ID, description, et métrique ou seuil spécifique indiqué. Signalez les exigences mentionnant la performance sans chiffre concret.

Comparer avec

Gemma 4 31B
Modèle à poids ouverts
Contexte de 262,144 tokens · entrée $0.20/M, sortie $0.40/M
Gemma 4 26B A4B
Modèle à poids ouverts
Contexte de 262,144 tokens · entrée $0.09/M, sortie $0.30/M
gemma 4 31B it turbo
Modèle à poids ouverts
Contexte de 262,144 tokens · entrée $0.09/M, sortie $0.34/M
Gemini 3.8 Flash
Modèle uniquement API
Contexte de 1,048,576 tokens · entrée $0.83/M, sortie $4.12/M

Plus de modèles de texte de google

Questions fréquentes

Puis-je exécuter Gemini 3 Flash Preview localement ?: Non — Google n’a pas publié les poids, donc c’est uniquement accessible via API et impossible à exécuter sur votre propre matériel.
Quel est le coût et la taille de la fenêtre de contexte ?: L’entrée est facturée 0,50 $ par million de tokens et la sortie 3,00 $ par million de tokens, avec une fenêtre de contexte de 1 048 576 tokens et mise en cache automatique du contexte disponible.
En quoi diffère-t-il de Gemini 2.5 Flash ?: Google décrit Gemini 3 Flash Preview comme apportant des améliorations qualitatives larges par rapport à Gemini 2.5 Flash en raisonnement, compréhension multimodale et fiabilité, tout en conservant une vitesse et un coût similaires.

Verdict du capitaine
Le choix raisonnable quand vous avez besoin d’un modèle de réflexion dans une boucle agent et ne pouvez justifier la latence ou le coût d’un modèle de pointe.

Le capitaine écrit ces notes à partir de la description et de la fiche modèle. Les prix et tailles de contexte sont ceux du fournisseur au moment de la rédaction et peuvent changer.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Also ranked: #30 Hottest Text / LLM model · #30 Hottest Text / LLM text model

Not this creator?

Get your own badge

Tendance de popularité de Gemini 3 Flash Preview

Score de chaleur depuis 17 Dec 2025

Score de popularité

8,973°

Cette semaine

▲

23.5%

8,945° alors, 8,973° maintenant

Ce mois-ci

▲

157%

8,847° alors, 8,973° maintenant

L'année passée

n/a

Pas encore publié/suivi

7,000°

Plancher

L’échelle va de 0° à 9 999°. Tout ce qui est en dessous de 7,000° est réservé aux modèles dont aucune source ne rapporte encore de données, ils portent un nombre de remplacement pour que les listes restent complètes. 7,000° est le point où les données mesurées commencent : un modèle avec de vraies données mais presque aucun téléchargement est au plancher, et les mesures remplissent les degrés au-dessus. Le plancher ne dit rien sur le modèle ; seuls les degrés au-dessus le font, et ce sont eux qui différencient un modèle d’un autre.

+1,669°

Tokens OpenRouter

3,664,771,683,508 tokens traités par ce modèle via OpenRouter au cours des 30 derniers jours, prompts et réponses confondus. Chaque 10,000,000 tokens compte comme un téléchargement dans le terme de téléchargement, 366,477 au total ; les tokens du dernier jour s'ajoutent au taux d'adoption. Source : OpenRouter (openrouter.ai/rankings).

+304°

Taux d’adoption

Environ 11,254 téléchargements par jour, mesurés entre deux relevés des sources, jamais estimés à partir d’une moyenne sur la durée. La vitesse compte pour un quart du terme téléchargement, donc une poussée récente apparaît sans qu’un pic d’un jour dépasse des années d’usage.

Afficher le détail

Chaque chiffre sur ce site peut être vérifié. Le score de popularité de ce modèle est de 8,973°, et voici comment il est construit, ingrédient par ingrédient, avec le total cumulé après chaque étape : le plancher, les degrés ajoutés par chaque source, le bonus pour le type de modèle et ce que l’âge de ses poids enlève. Les couleurs correspondent aux bandes du graphique ci-dessus. Le glossaire à la fin définit chaque terme.

1
Commence au plancher.
Pourquoi 7,000° et pas zéro : l’échelle va de 0° à 9 999°, et la partie en dessous de 7,000° est réservée aux modèles dont aucune source ne rapporte encore de données, qui portent un nombre de remplacement pour que les listes restent complètes et ne dépassent jamais un modèle avec données. 7,000° est le point où les données mesurées commencent. Un modèle avec de vraies données mais presque aucun téléchargement est ici ; tout ce qui suit est une mesure, et l’espace au-dessus du plancher contient dix paliers de dix fois plus de téléchargements à 300° chacun. Le plancher est le même pour tous les modèles, donc il ne décide rien ; ce sont les degrés au-dessus qui le font.
7,000°
total en cours
2
Ajoute les téléchargements.
366,477 équivalents de téléchargement au total, venant de Tokens OpenRouter. Multiplier les téléchargements par dix ajoute le même 300°, donc la taille compte mais ne domine jamais le score.
+1,669°
8,669°
total en cours
3
Ajoute le taux d’adoption.
Environ 11,254 téléchargements par jour en ce moment, mesurés entre deux relevés, à un quart du poids.
+304°
8,973°
total en cours
=
Le score de chaleur.
La place de ce modèle dans chaque liste de ce site. Rien d’autre ne le modifie.
8,973°

Glossaire : les termes utilisés ici

Score de chaleur: Un seul chiffre pour montrer à quel point un modèle est utilisé et recherché en ce moment, de 0° à 9 999°. Chaque liste sur ce site qui dit « les plus chauds » est triée selon ce score et rien d’autre.
Plancher: Les 7 000° que chaque modèle avec des données réelles commence avec. L’échelle va de 0° à 9 999° ; la partie sous le plancher est réservée aux remplaçants (modèles sans données), pour qu’un modèle avec données soit toujours mieux classé qu’un sans. Le plancher est le même pour tous et ne décide rien ; les degrés au-dessus sont la mesure.
Équivalents de téléchargement: Tout ce que le score considère comme un téléchargement, additionné : les téléchargements eux-mêmes, chaque seeder torrent comme 1 000, chaque image AI Horde et chaque exécution sur un site de génération comme un.
Échelle logarithmique: On compte par dizaines, pas par unités : passer de 1 000 à 10 000 téléchargements ajoute autant de degrés que passer de 10 000 à 100 000. Ça évite que les géants écrasent tout le reste.
Likes: Les pouces levés et likes de toutes sources, valant chacun la moitié d’un téléchargement sur l’échelle logarithmique.
Taux d’adoption: Combien de téléchargements par jour un modèle obtient en ce moment, calculé à partir de la différence entre deux relevés d’une source. Un quart du poids du terme téléchargement.
Mesuré et estimé: Mesuré signifie qu'il existe deux relevés d'une source et que la différence est réelle. Estimé signifie que seul le total d'aujourd'hui est connu et que le passé est réparti sur la durée de vie du modèle ; le site indique lequel est affiché.
Seeder: Quelqu'un qui garde une copie des poids en ligne pour que d'autres puissent les télécharger via un torrent, ou un miroir hébergé qui fait la même chose. Chacun compte comme 1 000 téléchargements.
AI Horde: Un réseau de bénévoles qui génère des images gratuitement sur des ordinateurs donnés. Le nombre d'images créées avec un modèle est public, et chacune compte comme un téléchargement.
Sites de génération: Sites qui hébergent leurs propres copies d'un modèle et permettent aux gens de générer avec, comme PixAI, SeaArt et Yodayo. Leurs téléchargements comptent comme ceux de Civitai et chaque génération compte comme un téléchargement.
Tokens OpenRouter: Un modèle texte servi via une API, comme Claude ou GPT, n'a pas de poids à télécharger, son usage est donc mesuré en tokens : les morceaux de texte lus et écrits via OpenRouter, une passerelle utilisée par de nombreuses applications, sur les 30 derniers jours. Chaque 10,000,000 tokens compte comme un téléchargement. Source : OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modèle complet (checkpoint): Les poids eux-mêmes, le fichier qui génère tout seul. Il reçoit un bonus parce que les add-ons en dépendent.
LoRA et embedding: Petits fichiers add-on qui orientent les poids de quelqu'un d'autre vers un style, un personnage ou un concept. Ils ne peuvent pas fonctionner seuls.
Famille et poids: La base sur laquelle un modèle est construit, comme SD 1.5, SDXL, Flux ou Wan. Chaque modèle hérite de la date de sortie des poids de sa famille.
Âge: Degrés retirés selon l'ancienneté des poids de la famille : 150° par an, jusqu'à 750°. Cela garde les anciens téléchargements qui ont eu des années pour s'accumuler en haut de la liste.
Boost de la famille: Une petite poussée limitée pour les LoRA d'une famille que ce site met en avant en ce moment, toujours listée dans la répartition.
Score de remplacement: Un nombre stable en dessous du minimum donné à un modèle dont aucune source ne rapporte encore, pour que les listes restent complètes. Il ne dépasse jamais un modèle avec des données.
Nouveau ! (période de grâce): Un modèle âgé de moins de 7 jours affiche Nouveau ! au lieu d'un score et ne figure pas dans le classement. Son score est calculé dès le premier jour, mais un modèle d'un jour grandit plus vite que tout, donc sans attente le #1 de la semaine serait toujours celui sorti hier plutôt que celui qui tient depuis une semaine.
Tendance: Comment la croissance d'un modèle sur une période se compare à la croissance typique d'un modèle sur la même période. Plus rapide que la moyenne signifie une hausse, plus lente une baisse.
Modèle typique: Le milieu du catalogue : la moitié des modèles avec un chiffre ont grandi plus vite sur la période, l'autre moitié plus lentement.

Voici comment la popularité de ce modèle a évolué par rapport au reste du catalogue : sa croissance en téléchargements, likes et utilisation à chaque période, comparée à la croissance typique des modèles sur la même période, avec son score de chaleur à ce moment-là. Au-dessus de la croissance typique, c’est une hausse, en dessous, une baisse. Le passé est reconstitué à partir des totaux d’aujourd’hui, du premier jour du modèle et de sa vitesse de téléchargement mesurée quand il y a deux relevés ; un modèle qui n’existait pas au début d’une période affiche n/a.

Modèles similaires

gemma 4 31B it Ultra

TEXT / LLM

Hermes 3 70B Instruct

TEXT / LLM

Qwen3 30B A3B Instruct 2507

TEXT / LLM

Command R (08 2024)

TEXT / LLM

Modèles d'IA pour générer image, vidéo et texte

Gemini 3 Flash Preview est un modèle de texte pour la famille Text / LLM, référencé sur ModelTrends.ai, un catalogue en lecture seule de modèles d'IA open source pour l'image, la vidéo et le texte. Comparez-le aux autres modèles Text / LLM et consultez son score de chaleur pour suivre sa tendance.

Plus de modèles Text / LLM Plus de Texte / LLM Text / LLM llm google vision audio vidéo raisonnement agents programmation

Parcourir par famille de modèles