Flex 推論
Gemini Flex API は、標準料金と比較して 50% のコスト削減を実現する推論ティアです。ただし、レイテンシが変動し、可用性がベスト エフォートになります。同期処理が必要だが、標準 API のリアルタイム パフォーマンスは必要ない、レイテンシ許容型のワークロード向けに設計されています。
Flex の使い方
Flex 階層を使用するには、リクエストで service_tier を flex として指定します。デフォルトでは、このフィールドが省略されている場合、リクエストは標準階層を使用します。
Python
from google import genai
client = genai.Client()
try:
interaction = client.interactions.create(
model="gemini-3.5-flash",
input="Analyze this dataset for trends...",
service_tier='flex'
)
print(interaction.output_text)
except Exception as e:
print(f"Flex request failed: {e}")
JavaScript
import { GoogleGenAI } from '@google/genai';
const client = new GoogleGenAI({});
async function main() {
try {
const interaction = await client.interactions.create({
model: 'gemini-3.5-flash',
input: 'Analyze this dataset for trends...',
service_tier: 'flex'
});
console.log(interaction.output_text);
} catch (e) {
console.log(`Flex request failed: ${e}`);
}
}
await main();
REST
curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
-H "Content-Type: application/json" \
-H "x-goog-api-key: $GEMINI_API_KEY" \
-H "Api-Revision: 2026-05-20" \
-d '{
"model": "gemini-3.5-flash",
"input": "Analyze this dataset for trends...",
"service_tier": "flex"
}'
Flex 推論の仕組み
Gemini Flex 推論は、標準 API と Batch API の 24 時間のターンアラウンド タイムのギャップを埋めます。オフピークの「削減可能な」コンピューティング容量を利用して、バックグラウンド タスクとシーケンシャル ワークフローに費用対効果の高いソリューションを提供します。
| 機能 | Flex | 優先度 | 標準 | バッチ |
|---|---|---|---|---|
| 料金 | 50% 割引 | Standard の 75 ～ 100% 増 | 通常料金 | 50% 割引 |
| レイテンシ | 分（1 ～ 15 分の目標） | 低（秒） | 数秒～数分 | 最大 24 時間 |
| 信頼性 | ベスト エフォート（破棄可能） | 高（抜け毛が少ない） | 高 / 中～高 | 高（スループットの場合） |
| インターフェース | 同期 | 同期 | 同期 | 非同期 |
主なメリット
- 費用対効果: 非本番環境の評価、バックグラウンド エージェント、データ拡充で大幅なコスト削減を実現します。
- 摩擦の軽減: 既存のリクエストに 1 つのパラメータを追加するだけです。
- 同期ワークフロー: 次のリクエストが前のリクエストの出力に依存する順次 API チェーンに最適です。エージェント ワークフローでは Batch よりも柔軟性が高くなります。
ユースケース
- オフライン評価: 「LLM-as-a-judge」回帰テストまたはリーダーボードを実行します。
- バックグラウンド エージェント: CRM の更新、プロファイルの作成、コンテンツ モデレーションなど、数分の遅延が許容される順次タスク。
- 予算が制約された研究: 限られた予算で大量のトークンを必要とする学術実験。
レート上限
Flex 推論トラフィックは、一般的なレート上限にカウントされます。Batch API のような拡張レート上限は提供されません。
削減可能な容量
Flex トラフィックは、優先度の低いトラフィックとして扱われます。標準トラフィックが急増すると、優先度の高いユーザーの容量を確保するために、Flex リクエストがプリエンプトまたは削除されることがあります。優先度の高い推論をお探しの場合は、優先度の高い推論をご覧ください。
エラーコード
フレキシブル容量が使用できない場合や、システムが混雑している場合、API は標準のエラーコードを返します。
- 503 Service Unavailable: システムの容量が上限に達しています。
- 429 Too Many Requests: レート制限またはリソースの枯渇。
お客様の責任
- サーバーサイドのフォールバックなし: 予期しない料金が発生しないように、Flex 容量が上限に達した場合、システムは Flex リクエストを Standard ティアに自動的にアップグレードしません。
- 再試行: 指数バックオフを使用して、独自のクライアントサイドの再試行ロジックを実装する必要があります。
- タイムアウト: Flex リクエストはキューに置かれる可能性があるため、接続が早期に閉じられないように、クライアントサイドのタイムアウトを 10 分以上に増やすことをおすすめします。
タイムアウト ウィンドウを調整する
REST API とクライアント ライブラリのリクエストごとのタイムアウトを構成できます。クライアントサイドのタイムアウトが、意図したサーバーの待機時間（Flex の待機キューの場合は 600 秒以上など）をカバーするようにしてください。SDK はタイムアウト値をミリ秒単位で想定しています。
リクエストごとのタイムアウト
Python
from google import genai
client = genai.Client(http_options={"timeout": 900000})
try:
interaction = client.interactions.create(
model="gemini-3.5-flash",
input="why is the sky blue?",
service_tier="flex",
)
except Exception as e:
print(f"Flex request failed: {e}")
JavaScript
import { GoogleGenAI } from '@google/genai';
const client = new GoogleGenAI({});
async function main() {
try {
const interaction = await client.interactions.create({
model: "gemini-3.5-flash",
input: "why is the sky blue?",
service_tier: "flex",
}, {timeout: 900000});
} catch (e) {
console.log(`Flex request failed: ${e}`);
}
}
await main();
再試行を実装する
Flex はシャットダウン可能で、503 エラーで失敗するため、失敗したリクエストを続行するために再試行ロジックを実装する例を次に示します。
Python
import time
from google import genai
client = genai.Client()
def call_with_retry(max_retries=3, base_delay=5):
for attempt in range(max_retries):
try:
return client.interactions.create(
model="gemini-3.5-flash",
input="Analyze this batch statement.",
service_tier="flex",
)
except Exception as e:
if attempt < max_retries - 1:
delay = base_delay * (2 ** attempt) # Exponential Backoff
print(f"Flex busy, retrying in {delay}s...")
time.sleep(delay)
else:
print("Flex exhausted, falling back to Standard...")
return client.interactions.create(
model="gemini-3.5-flash",
input="Analyze this batch statement."
)
interaction = call_with_retry()
print(interaction.output_text)
JavaScript
import { GoogleGenAI } from '@google/genai';
const ai = new GoogleGenAI({});
async function sleep(ms) {
return new Promise(resolve => setTimeout(resolve, ms));
}
async function callWithRetry(maxRetries = 3, baseDelay = 5) {
for (let attempt = 0; attempt < maxRetries; attempt++) {
try {
console.log(`Attempt ${attempt + 1}: Calling Flex tier...`);
const interaction = await ai.interactions.create({
model: "gemini-3.5-flash",
input: "Analyze this batch statement.",
service_tier: 'flex',
});
return interaction;
} catch (e) {
if (attempt < maxRetries - 1) {
const delay = baseDelay * (2 ** attempt);
console.log(`Flex busy, retrying in ${delay}s...`);
await sleep(delay * 1000);
} else {
console.log("Flex exhausted, falling back to Standard...");
return await ai.interactions.create({
model: "gemini-3.5-flash",
input: "Analyze this batch statement.",
});
}
}
}
}
async function main() {
const interaction = await callWithRetry();
console.log(interaction.output_text);
}
await main();
料金
Flex 推論の料金は標準 API の 50% で、トークン単位で課金されます。
サポートされているモデル
次のモデルは Flex 推論をサポートしています。
| モデル | Flex 推論 |
|---|---|
| Gemini 3.5 Flash | ✔️ |
| Gemini 3.1 Flash-Lite | ✔️ |
| Gemini 3.1 Flash-Lite プレビュー | ✔️ |
| Gemini 3.1 Pro プレビュー版 | ✔️ |
| Gemini 3 Flash プレビュー | ✔️ |
| Gemini 2.5 Pro | ✔️ |
| Gemini 2.5 Flash | ✔️ |
| Gemini 2.5 Flash-Lite | ✔️ |