Google
Gemini 3.1 Flash Lite Preview
Gemini 3.1 Flash Lite Preview AI model by Google.
智商指数
72.0 #115
前 15% 梯队
输出速度
50 t/s
ITL 20.0 ms/tok
混合价格 (3:1)
$2.188 /1M
输入 $1.25/M · 输出 $5/M
上下文
128K
≈ 320 页 A4 · 最大输出 8,192
Quality Domain Radar
6-Axis Frontier Evaluation vs Category Average & Flagship
Gemini 3.1 Flash Lite Preview
Claude Mythos Preview (#1)
Average (68)
缺少直接基准测量时,雷达图各轴由类别得分近似得出 — 详见 评分方法。
优势与取舍
优势所在
- Cheap prompt-cache reads at $0.125/1M
开发者快速上手与 API
请先设置
GEMINI_API_KEY — 获取 API 密钥curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-3.1-flash-lite-preview:generateContent" \
-H "x-goog-api-key: $GEMINI_API_KEY" \
-H "content-type: application/json" \
-d '{
"contents": [{"parts": [{"text": "Refactor this function for O(n) time and explain the change."}]}]
}'from google import genai
client = genai.Client() # reads GEMINI_API_KEY
resp = client.models.generate_content(
model="gemini-3.1-flash-lite-preview",
contents="Refactor this function for O(n) time and explain the change.",
)
print(resp.text)const res = await fetch(
`https://generativelanguage.googleapis.com/v1beta/models/gemini-3.1-flash-lite-preview:generateContent`,
{
method: "POST",
headers: {
"x-goog-api-key": process.env.GEMINI_API_KEY,
"content-type": "application/json",
},
body: JSON.stringify({ contents: [{ parts: [{ text: "Refactor this function for O(n) time and explain the change." }] }] }),
}
);
console.log((await res.json()).candidates[0].content.parts[0].text);官方资源与链接
API 部署
对比托管商与延迟
Groq、Cerebras、Together、DeepInfra、Fireworks、Bedrock 与 Azure 的吞吐量、TTFT 和缓存定价。
GroqCerebrasTogether AIDeepInfraFireworks AIAWS BedrockAzure AI
各榜单得分
分类能力得分
基准测试分项
实时规格与架构
底层解析
- Prompt caching supported — cached input reads at $0.125/1M tokens.
发布日期
2024年1月1日
参数量
Unknown
开源协议
Unknown
上下文窗口
128,000 tokens
最大输出
8,192 tokens
模态
text
缓存价格
读 $0.125 · 写 $1.5625 /1M
推理
—
输入价格
$1.25/M
输出价格
$5/M
输出速度
50 t/s
首Token延迟
—
数据更新
2026年10月26日
每月账单预估
每月预估支出
$0.00
正在计算相对 GPT-4o 的节省额…
引用与嵌入
GitHub Markdown 徽章
Loading badge markdown...BibTeX
@misc{llmpodium2026gemini31flashlitepreview,
title = {Benchmark Analysis and Intelligence Evaluation of Gemini 3.1 Flash Lite Preview},
author = {LLMPodium Research},
year = {2026},
url = {https://llmpodium.com/models/gemini-3.1-flash-lite-preview}
}嵌入评分徽章
将实时 Podium 评分徽章添加到 GitHub 或 Hugging Face README —— 链接回实时排名。
预览
Markdown
Loading badge snippet...HTML
Loading badge snippet...更多 Google 模型
替代模型推荐
基于能力、定价和基准测试得分与 Gemini 3.1 Flash Lite Preview 最接近的替代模型。