Gemini 3.5 Flash auf dem Mac: Was das Cloud-Modell kann — und was lokal läuft

Update vom 11. Oktober 2026: Google kennzeichnet gemini-3.5-flash als deprecated und leitet Anfragen seit dem Dokumentationsupdate vom 9. Oktober auf gemini-3.6-flash um. Verwende für neue Mac-Integrationen direkt gemini-3.6-flash oder gemini-3.8-flash. Beide sind Cloud-Modelle, im Gegensatz zu lokal geladenem Gemma 4. Google-Status. Die API-Migration steht im eigenen Artikel.

Modellstatus: Gemini 3.5 Flash ist deprecated und wird zu 3.6 Flash umgeleitet. Für neue API-Projekte lohnt vor der Modellauswahl ein Blick auf die Gemini-3.8-Flash-Preise.¹

Gemini 3.5 Flash ist ein Cloud-API-Modell mit dokumentiertem 1.048.576-Token-Eingabekontext und multimodaler Eingabe. Du kannst es nicht als Ollama-Modell herunterladen. Entscheidend sind die API-Funktionen, die tatsächlichen Kosten und die Datenhaltung im Unterschied zu lokalen Modellen.²¹

Lokale Ausführung: nein. Google veröffentlicht für Gemini 3.5 Flash keinen offiziellen GGUF-/MLX-Gewichtspfad. Eine Mac-App kann die Gemini API ansprechen, aber die Inferenz findet auf externer Infrastruktur statt.²

Passende Guides: Gemini 3.5 Flash API im Detail, Ollama auf dem Mac mini M4, LM Studio vs. Ollama, Unified Memory auf dem Mac, Gemma 4 auf dem Mac und die Open-Weight-Shortlist.

Was Gemini 3.5 Flash wirklich ist

Gemini 3.5 Flash ist deprecated. Die alte Modell-ID gemini-3.5-flash wird zu gemini-3.6-flash weitergeleitet. Beides sind API-Bezeichnungen und keine lokal installierbaren Gewichte.²

Laut Googles Modellseite akzeptiert es Text, Bilder, Video, Audio und PDF als Eingabe und gibt Text aus. Das Input-Kontextfenster beträgt 1.048.576 Tokens bei einem Output-Limit von 65.536 Tokens.²

An Funktionen unterstützt es Thinking, Function Calling, Code Execution, Computer Use (Preview), File Search, URL Context, Search Grounding, Maps Grounding, die Batch API, Caching, Flex Inference und Priority Inference. Audio Generation, Image Generation und die Live API werden nicht unterstützt.²

Google dokumentiert die Interactions API für neue Integrationen; generateContent bleibt verfügbar. Die APIs sind nicht funktionsgleich: Batch-Anfragen und explizites Caching sind laut aktuellem Google-Überblick bei generateContent, aber noch nicht in der Interactions API verfügbar. Interactions werden standardmäßig gespeichert, sofern du nicht store=false setzt.³⁴

So nutzt du es vom Mac aus

Auf dem Mac gibt es nichts zu installieren. Du legst einen API-Key in Google AI Studio an und rufst das Modell über einen HTTP-Client, ein SDK oder eine App auf, die die Gemini API spricht:

Aktuelle Modell-ID: gemini-3.6-flash

Beispiel: Ein echter API-Aufruf vom Mac

Google dokumentiert für die Interactions API den HTTPS-Endpunkt /v1beta/interactions. Lege den Schlüssel über Google AI Studio an und setze im Terminal die Umgebungsvariable GEMINI_API_KEY (nicht ins Git-Repository, einen Artikel oder Browser-JavaScript schreiben). Der folgende Befehl erzeugt eine kostenpflichtig abrechenbare Cloud-Anfrage, falls dein Projekt im Paid Tier ist:

# Voraussetzung: GEMINI_API_KEY ist in deiner lokalen Shell gesetzt.
curl --fail-with-body -sS -X POST \
  'https://generativelanguage.googleapis.com/v1beta/interactions' \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "gemini-3.6-flash",
    "store": false,
    "input": "Antworte mit genau einem Satz: Was ist Unified Memory?"
  }'

store: false verzichtet gemäß Google auf die Speicherung des Interaction-Objekts; es deaktiviert nicht sämtliche Sicherheitslogs oder sonstige vorgeschriebene Verarbeitung. Server-seitige Gesprächsverkettung und Background-Jobs stehen mit dieser Einstellung nicht zur Verfügung. Der Mac sendet den Prompt über das Internet an Google; dies ist keine Offline-Inferenz.⁴⁵⁶

Wirklich lokal testen: Gemma 4 statt Gemini

Google bietet mit Gemma 4 eine aktuellere Open-Weight-Reihe als Gemma 3 an. Ollama listet gemma4:e2b, gemma4:e4b, gemma4:12b, gemma4:26b und gemma4:31b als herunterladbare Varianten. Für einen ersten Test mit begrenztem Unified Memory:

ollama pull gemma4:e2b
ollama show gemma4:e2b
ollama run gemma4:e2b

Der Tag gemma4:cloud ist dagegen nicht lokal; kontrolliere im Zweifel die Modellseite und ollama ps. Für eine datensensible Anwendung muss der Client strikt ohne Websuche, Remote-MCP-Tools oder andere Cloud-Datenpfade arbeiten. Gemma 4 ist kein identischer Ersatz für Gemini 3.5 Flash.⁷⁸⁹¹⁰

In der Praxis sind drei Zugangswege relevant:

• Skripte und Apps: REST-Endpunkt oder offizielles SDK mit deinem Key aufrufen. Nutze Interactions für die unterstützten zustandsbehafteten oder zustandslosen Abläufe. Für Batch und explizites Caching benötigst du laut Google weiterhin generateContent.³⁴
• Agenten-Tools: Coding-Agenten und Multi-Model-Router bieten das Modell meist unter Provider-Schreibweisen wie google/gemini-3.5-flash an. Dieses Präfix ist Routing-Metadaten, kein anderes Modell.¹¹
• Google AI Studio: Über AI Studio lässt sich das für dein Projekt verfügbare API-Modell testen. Die genaue Modellauswahl und Abrechnung hängen vom Konto und Projekt ab.²

Request-/Response-Mechanik, Token-Bilanzierung und Codebeispiele stehen im eigenen Artikel Gemini 3.5 Flash API im Detail.

Was es kostet

Die alte 3.5-Modell-ID leitet automatisch zu Gemini 3.6 Flash. Deshalb gelten die aktuellen 3.6-Flash-Preise, nicht eigenständige alte 3.5-Tarife. Laut Google bis 31. Dezember 2026, bezahlter Tier, USD pro Million Tokens:

Modus	Input	Output inkl. Thinking
Standard	$0,75	$3,75
Batch / Flex	$0,375	$1,875
Priority	$1,35	$6,75

Bei 1 Million Input und 200.000 Output-Tokens kosten 3.6 Flash und 3.8 Flash derzeit im Standardtarif rechnerisch jeweils $1,50 ohne Zusatzdienste. Die historischen Preise von $1,50 Input / $9,00 Output für 3.5 Flash und das zugehörige $3,30-Beispiel gelten nicht mehr als heutiger Modelltarif. Für 3.6/3.8 steigen die Standardpreise am 1. Januar 2027 laut Preisliste auf $1,50/$7,50. Grounding, Caching-Speicherung und Tools können weitere Kosten auslösen. Gleiche Preise sind kein Qualitätsbenchmark.

Datenschutz: drei unterschiedliche Fragen

Bei einer API-Anwendung musst du Ausführungsort, Nutzung zur Produktverbesserung und Speicherdauer getrennt betrachten. Eine kostenpflichtige API-Stufe ist nicht automatisch gleichbedeutend mit null Protokollierung.¹⁴⁵⁶

• Ausführungsort: Gemini 3.5 Flash läuft auf externer Google-Infrastruktur. Auch Ollama Cloud verarbeitet Anfragen außerhalb deines Macs. Heruntergeladene Ollama-Modelle können dagegen lokal laufen, solange Client und Tools keine Daten weiterleiten.²⁷⁸
• Produktverbesserung: Googles Gemini-API-Preistabelle kennzeichnet Free-Tier-Daten als dafür nutzbar, Paid-Tier-Daten als nicht dafür genutzt. Das ist keine generelle Zusage über fehlende Logs oder Aufbewahrung.¹
• Interactions-Speicherung: Die Interactions API verwendet standardmäßig store=true. Google dokumentiert 55 Tage Standardaufbewahrung im Paid Tier und einen Tag im Free Tier. Für Paid-Tier-Projekte lassen sich 7, 14, 28 oder 55 Tage einstellen. Mit store=false unterbindest du die Speicherung des Interaction-Objekts; dafür entfallen serverseitige Gesprächsverkettung via previous_interaction_id und Background-Ausführung.⁴
• Weitere Richtlinien: Logs und Abuse-Monitoring können unabhängig davon gelten. Prüfe die aktuellen Google-Richtlinien und Projekteinstellungen. store=false ist kein pauschales Versprechen, dass keinerlei Daten verarbeitet oder zurückgehalten werden.⁵⁶
• Ollama Cloud: Laut Ollama werden Cloud-Prompts und Antworten für die Anfrageverarbeitung verwendet, aber nicht zum Modelltraining. Lokale Ollama-Modelle und Google Gemini sind davon getrennte Angebote.⁷

Vor der Verarbeitung vertraulicher Kundendaten sind Tool-Zugriffe, externe Clients, API-Speichereinstellungen und Vertragsbedingungen zu prüfen.

Läuft Gemini 3.5 Flash lokal in Ollama, LM Studio oder MLX?

Nein. Die geprüften offiziellen Quellen enthalten keine Gemini-3.5-Flash-Gewichte, keinen GGUF- oder MLX-Pfad und keine Apple-Silicon-Runtime. Ein Befehl wie ollama run gemini-3.5-flash startet dieses Modell nicht auf deinem Mac.²¹¹¹²

Zwei verbreitete Fallen:

• Provider-Schreibweise ist kein Download. google/gemini-3.5-flash in Routern oder Benchmarks bedeutet Anbieter Google, Modell Gemini 3.5 Flash — kein Ollama- oder lokaler Gewichtspfad.¹¹
• Ollama Cloud ist keine lokale Inferenz. Ollama dokumentiert Cloud Models, die in Ollamas Infrastruktur laufen und ein Konto brauchen. Praktisch, wenn dem Mac der Speicher fehlt — aber die Daten verlassen die Maschine.⁷

Merksatz: Ein Ollama-Befehl bedeutet nicht automatisch lokale Inferenz. Bei Cloud-Modellen dient Ollama als lokales Interface, während die Inferenz anderswo läuft.

Das ist eine zeitgebundene Dokumentationsaussage, kein Beweis über jedes denkbare Community-Projekt. Wenn du in einem lokalen Tool einen Gemini-artigen Eintrag siehst, prüfe, ob es ein anderes Modell, ein Preview-/Provider-/Cloud-Eintrag oder etwas ist, das deinen Prompt an einen Remote-Dienst schickt.²¹¹

Lokale Alternativen, wenn du Offline-KI brauchst

Wenn du eigentlich „diese Klasse von Fähigkeit, aber auf meinem Mac” suchst, gibt es keinen 1:1-Ersatz — du wählst ein Open-Weight-Modell, das zu deiner Hardware passt:¹³¹⁴¹²

Ziel	Lokale Richtung	Hinweis
Google-Open-Weight-Modell	Gemma 4 (z. B. E2B, E4B, 12B)	neuere lokale Generation als Gemma 3; nicht Gemini; Modell-Tag und RAM prüfen
Allround-Chat	Qwen / Llama / Mistral-Klasse	abhängig von Größe und Quantisierung
Coding	Qwen / DeepSeek / Code-Modelle	Qualität variiert stark mit der Größe
Vision	Gemma 4 und andere Vision-Modelle	Modellkarte und Ollama-Tag auf Bildeingabe prüfen
Transkription	Whisper	anderes Modellgebiet, sehr praktisch lokal
Private Dokumente	lokales RAG + Ollama/LM Studio	Datenschutzvorteil nur bei local-only Setup

Grobe Mac-RAM-Einordnung — Heuristik, keine Benchmarks:¹⁵

• 8 GB: kleine 1B–4B-Modelle, eventuell stark quantisierte 7B.
• 16 GB: 7B/8B komfortabel, 12B teilweise möglich.
• 24 GB: 12B/14B realistisch, größere vorsichtig.
• 32 GB: 27B-Klasse realistischer, Kontext begrenzen.
• 48 GB+: größere Modelle und Vision-Workflows werden angenehm.

Runtime, Quantisierung, Kontextlänge, KV-Cache, Swap und offene Apps verändern den realen Speicherbedarf. Details stehen in Wie viel RAM braucht ein lokales LLM?

Drei Prüfungen vor dem Einsatz auf dem Mac

1. Ausführungsort festlegen: gemini-3.5-flash ist eine Google-API-Modell-ID. Für Offline-Anforderungen brauchst du stattdessen ein heruntergeladenes Open-Weight-Modell mit lokaler Runtime.
2. API und Kosten prüfen: Vergleiche die Standardpreise mit den zeitlich befristeten Gemini-3.8-Preisen. Wähle Interactions oder generateContent je nach benötigten Funktionen; rechne Thinking-Output und Zusatztools mit.¹⁴
3. Datenfluss testen: Bei Cloud-Anfragen die Storage- und Anbieterregeln kontrollieren. Bei lokaler Inferenz nachsehen, ob der Dienst wirklich ein lokales Modell lädt und kein Browser-Plugin oder Agententool Anfragen extern weiterleitet.⁷⁸

Die Gemini-API-Modell-ID ist kein Ollama-Download-Tag. Wer vollständig offline arbeiten muss, nimmt stattdessen ein dafür veröffentlichtes Modell von Gemma, Qwen oder einem anderen Open-Weight-Anbieter.

Quellen

Footnotes

1. https://ai.google.dev/gemini-api/docs/pricing ↩ ↩² ↩³ ↩⁴ ↩⁵

2. https://ai.google.dev/gemini-api/docs/models/gemini-3.5-flash ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷ ↩⁸ ↩⁹

3. https://ai.google.dev/gemini-api/docs/whats-new-gemini-3.5 ↩ ↩²

4. https://ai.google.dev/gemini-api/docs/interactions ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶

5. https://ai.google.dev/gemini-api/docs/logs-policy ↩ ↩² ↩³

6. https://ai.google.dev/gemini-api/docs/usage-policies ↩ ↩² ↩³

7. https://docs.ollama.com/cloud ↩ ↩² ↩³ ↩⁴ ↩⁵

8. https://docs.ollama.com/faq ↩ ↩² ↩³

9. https://ollama.com/library/gemma4 ↩

10. https://ai.google.dev/gemma/docs/core/model_card_4 ↩

11. https://ollama.com/search?q=gemini ↩ ↩² ↩³ ↩⁴

12. https://github.com/ml-explore/mlx ↩ ↩²

13. https://ollama.com/library/gemma3 ↩

14. https://www.lmstudio.ai/docs/app/offline ↩

15. Abgeleitet aus öffentlichen Modellkarten-Größen und Community-Angaben; ai-on-mac hat hierzu keinen eigenen Benchmark gefahren. ↩