google

Gemini 3.1 Flash-Lite

Gemini 3.1 Flash-Lite er Googles hurtigste og mest omkostningseffektive model. Har 1M context, native multimodality og 363 tokens/sek. hastighed til skalering.

MultimodalHøj HastighedOmkostningseffektivGoogle Gemini
google logogoogleGemini 3.13. marts 2026
Kontekst
1.0Mtokens
Maks output
66Ktokens
Input-pris
$0.25/ 1M
Output-pris
$1.50/ 1M
Modalitet:TextImageAudioVideo
Funktioner:VisionVærktøjerStreaming
Benchmarks
GPQA
86.9%
GPQA: Spørgsmål og svar på kandidatniveau. En streng benchmark med 448 multiple choice-spørgsmål inden for biologi, fysik og kemi skabt af domæneeksperter. PhD-eksperter opnår kun 65-74% nøjagtighed, mens ikke-eksperter scorer kun 34% selv med ubegrænset webadgang (derfor 'Google-proof'). Gemini 3.1 Flash-Lite scorede 86.9% på denne benchmark.
HLE
16%
HLE: Ekspertniveau-ræsonnering. Tester en models evne til at demonstrere ekspertniveau-ræsonnering på tværs af specialiserede domæner. Evaluerer dyb forståelse af komplekse emner, der kræver professionel viden. Gemini 3.1 Flash-Lite scorede 16% på denne benchmark.
MMLU
88.9%
MMLU: Massiv flerfaglig sprogforståelse. En omfattende benchmark med 16.000 multiple choice-spørgsmål på tværs af 57 akademiske fag, herunder matematik, filosofi, jura og medicin. Tester bred viden og ræsonneringsevner. Gemini 3.1 Flash-Lite scorede 88.9% på denne benchmark.
MMLU Pro
80%
MMLU Pro: MMLU Professionel udgave. En forbedret version af MMLU med 12.032 spørgsmål i et sværere format med 10 svarmuligheder. Dækker matematik, fysik, kemi, jura, ingeniørvidenskab, økonomi, sundhed, psykologi, business, biologi, filosofi og datalogi. Gemini 3.1 Flash-Lite scorede 80% på denne benchmark.
SimpleQA
43.3%
SimpleQA: Faktuel nøjagtighedsbenchmark. Tester en models evne til at give nøjagtige, faktuelle svar på ligetil spørgsmål. Måler pålidelighed og reducerer hallucinationer i vidensindhentningstasks. Gemini 3.1 Flash-Lite scorede 43.3% på denne benchmark.
IFEval
85%
IFEval: Instruktionsfølgningsevaluering. Måler, hvor godt en model følger specifikke instruktioner og begrænsninger. Tester evnen til at overholde formateringsregler, længdegrænser og andre eksplicitte krav. Gemini 3.1 Flash-Lite scorede 85% på denne benchmark.
AIME 2025
25%
AIME 2025: American Invitational Math Exam. Konkurrence-niveau matematikopgaver fra den prestigefyldte AIME-eksamen designet til talentfulde gymnasieelever. Tester avanceret matematisk problemløsning, der kræver abstrakt tænkning, ikke kun mønstergenkendelse. Gemini 3.1 Flash-Lite scorede 25% på denne benchmark.
MATH
78%
MATH: Matematisk problemløsning. En omfattende matematikbenchmark, der tester problemløsning inden for algebra, geometri, calculus og andre matematiske domæner. Kræver flertrinssværsonnering og formel matematisk viden. Gemini 3.1 Flash-Lite scorede 78% på denne benchmark.
GSM8k
95%
GSM8k: Folkeskole matematik 8K. 8.500 folkeskole-niveau matematiske tekstopgaver, der kræver flertrinssræsonnering. Tester grundlæggende aritmetik og logisk tænkning gennem virkelige scenarier som shopping eller tidsberegninger. Gemini 3.1 Flash-Lite scorede 95% på denne benchmark.
MGSM
92%
MGSM: Flersproget folkeskolematematik. GSM8k-benchmarken oversat til 10 sprog, herunder spansk, fransk, tysk, russisk, kinesisk og japansk. Tester matematisk ræsonnering på tværs af forskellige sprog. Gemini 3.1 Flash-Lite scorede 92% på denne benchmark.
MathVista
75%
MathVista: Matematisk visuel ræsonnering. Tester evnen til at løse matematikopgaver, der involverer visuelle elementer som diagrammer, grafer, geometriske figurer og videnskabelige illustrationer. Kombinerer visuel forståelse med matematisk ræsonnering. Gemini 3.1 Flash-Lite scorede 75% på denne benchmark.
SWE-Bench
35%
SWE-Bench: Softwareingeniør-benchmark. AI-modeller forsøger at løse rigtige GitHub-issues i open source Python-projekter med menneskelig verifikation. Tester praktiske softwareingeniørfærdigheder på produktionskodebaser. Topmodeller gik fra 4,4% i 2023 til over 70% i 2024. Gemini 3.1 Flash-Lite scorede 35% på denne benchmark.
HumanEval
88%
HumanEval: Python-programmeringsopgaver. 164 håndskrevne programmeringsopgaver, hvor modeller skal generere korrekte Python-funktionsimplementeringer. Hver løsning verificeres mod unit tests. Topmodeller opnår nu 90%+ nøjagtighed. Gemini 3.1 Flash-Lite scorede 88% på denne benchmark.
LiveCodeBench
72%
LiveCodeBench: Live kodningsbenchmark. Tester kodningsevner på løbende opdaterede, virkelige programmeringsudfordringer. I modsætning til statiske benchmarks bruger den friske problemer for at forhindre dataforurening og måle ægte kodningsevner. Gemini 3.1 Flash-Lite scorede 72% på denne benchmark.
MMMU
76.8%
MMMU: Multimodal forståelse. Massiv multi-disciplin multimodal forståelsesbenchmark, der tester vision-sprogmodeller på universitetsniveau-problemer på tværs af 30 fag, der kræver både billedforståelse og ekspertviden. Gemini 3.1 Flash-Lite scorede 76.8% på denne benchmark.
MMMU Pro
76.8%
MMMU Pro: MMMU Professionel udgave. Forbedret version af MMMU med mere udfordrende spørgsmål og strengere evaluering. Tester avanceret multimodal ræsonnering på professionelt og ekspertniveau. Gemini 3.1 Flash-Lite scorede 76.8% på denne benchmark.
ChartQA
91%
ChartQA: Diagram-spørgsmål og svar. Tester evnen til at forstå og ræsonnere om information præsenteret i diagrammer og grafer. Kræver udtrækning af data, sammenligning af værdier og udførelse af beregninger fra visuelle datarepræsentationer. Gemini 3.1 Flash-Lite scorede 91% på denne benchmark.
DocVQA
92%
DocVQA: Dokument visuel Q&A. Document Visual Question Answering benchmark, der tester evnen til at udtrække og ræsonnere om information fra dokumentbilleder, herunder formularer, rapporter og scannet tekst. Gemini 3.1 Flash-Lite scorede 92% på denne benchmark.
Terminal-Bench
55%
Terminal-Bench: Terminal/CLI-opgaver. Tester evnen til at udføre kommandolinjeopgaver, skrive shell-scripts og navigere i terminalmiljøer. Måler praktiske systemadministrations- og udviklingsworkflow-færdigheder. Gemini 3.1 Flash-Lite scorede 55% på denne benchmark.
ARC-AGI
12%
ARC-AGI: Abstraktion og ræsonnering. Abstraction and Reasoning Corpus for AGI - tester flydende intelligens gennem nye mønstergenkendelsespuslespil. Hver opgave kræver opdagelse af den underliggende regel fra eksempler, der måler generel ræsonneringsevne snarere end memorering. Gemini 3.1 Flash-Lite scorede 12% på denne benchmark.

Om Gemini 3.1 Flash-Lite

Lær om Gemini 3.1 Flash-Lites muligheder, funktioner og hvordan den kan hjælpe dig med at opnå bedre resultater.

Gemini 3.1 Flash-Lite er bygget til AI-applikationer med høj volumen, hvor processeringshastighed er det primære tekniske krav. I modsætning til større Pro-modeller bruger Flash-Lite en strømlinet arkitektur, der prioriterer throughput og når 363 tokens pr. sekund. Den fungerer som et specialiseret værktøj for udviklere, der bygger realtids-stemmeagenter, automatiserede systemer til moderering af indhold og pipelines til dataudtræk i stor skala, som skal forblive omkostningseffektive under tung trafik.

Trods sin 'lite'-betegnelse bevarer modellen et 1 million token context window. Den kan indlæse rå lydfiler, time-lange videoer og hundredvis af sider med PDF'er i en enkelt forespørgsel. Ved at introducere Thinking Levels giver Google brugerne mulighed for at vælge mellem nærmest øjeblikkelige svar til simple opgaver og en dybere reasoning-fase til kompleks logik. Dette giver flere performance-profiler inden for et enkelt API-endpoint for at balancere omkostninger og præcision.

Modellen er native multimodal, hvilket eliminerer behovet for eksterne værktøjer til at transskribere lyd eller beskrive billeder før processering. Denne native funktion forbedrer performance på visuelle opgaver som spørgsmål-svar i dokumenter og analyse af grafer. Udviklere kan bruge parameteren thinking_level til at justere den interne reasoning-tid og effektivt skalere modellens indsats baseret på den specifikke kompleksitet i hver forespørgsel.

Gemini 3.1 Flash-Lite

Anvendelser for Gemini 3.1 Flash-Lite

Opdag de forskellige måder, du kan bruge Gemini 3.1 Flash-Lite til at opnå gode resultater.

High-Volume Oversættelse

Processering af tusindvis af flersprogede chatbeskeder eller support-tickets i realtid med sub-sekund latency.

Intelligent Model Routing

Fungerer som en hurtig klassifikator til at afgøre, om indgående forespørgsler skal eskaleres til dyrere modeller.

Multimodal Content Moderation

Scanning af store mængder brugergenererede billeder og videoer for overholdelse af sikkerhedsregler til lave omkostninger.

Realtids UI Prototyping

Generering af funktionelle React- eller Tailwind-komponenter fra håndtegnede wireframes eller mundtlige beskrivelser.

Summarisering af lange dokumenter

Kondensering af massive juridiske arkiver eller tekniske manualer uden at miste kontekst på tværs af 1M token vinduet.

Live lydtransskribering

Konvertering af timers møder eller forelæsningsoptagelser til strukturerede resuméer og action-items i én arbejdsgang.

Styrker

Begrænsninger

Ekstrem performance: Med 363 tokens pr. sekund er det en af de hurtigste modeller i industrien til realtids-respons.
Lav faktuel hukommelse: En SimpleQA-score på 43,3% indikerer en høj risiko for hallucinationer ved generel viden uden grounding.
Avanceret reasoning: Med 86,9% på GPQA Diamond leverer den videnskabelig logik på PhD-niveau i et lightweight-format.
Prisstigning: Den er væsentligt dyrere end den Gemini 2.5 Flash-Lite forgænger, som den erstatter i sortimentet.
Dynamisk omkostningsstyring: Thinking Levels-parameteren giver mulighed for granulær kontrol over compute-forbruget pr. forespørgsel.
Højere latency ved High-Thinking: Brug af high thinking level tilføjer cirka 7 til 10 sekunders pre-computation, før genereringen starter.
Unified Multimodality: Native indlæsning af lyd, video og PDF'er fjerner behovet for komplekse pipelines med flere modeller.
Sikkerhedsrefusal: Interne test viser et fald på 21,7% i konsistens ved billed-til-tekst sikkerhed under red-teaming øvelser.

API hurtig start

google/gemini-3.1-flash-lite-preview

Se dokumentation
google SDK
import { GoogleGenAI } from "@google/generative-ai";

const genAI = new GoogleGenAI(process.env.API_KEY);
const model = genAI.getGenerativeModel({
  model: "gemini-3.1-flash-lite-preview",
  generationConfig: {
    thinkingConfig: { thinking_level: "high" }
  }
});

const result = await model.generateContent("Create a weather dashboard UI.");
console.log(result.response.text());

Installér SDK'et og begynd at foretage API-kald på få minutter.

Hvad folk siger om Gemini 3.1 Flash-Lite

Se hvad fællesskabet mener om Gemini 3.1 Flash-Lite

Kodningskapaciteten i 3.1 Flash-Lite er overraskende god til front-end udvikling; den kodede en 360-graders viewer perfekt.
WorldofAI
youtube
Gemini 3.1 Flash-Lite er modellen til at bygge altid-aktive multimodale AI Agents. Den læser, forbinder og konsoliderer alt.
Shubham Saboo
twitter
Prissætningen er et kæmpe chok. Et spring på 3,75x på output tokens kommer til at kunne mærkes, hvis du er på et stramt cloud-budget.
Binary Verse AI
youtube
Den flytter kompleksitetsbyrden fra ingeniørteamets arkitektur direkte over på Googles infrastruktur.
Julian Goldie
youtube
Endnu et prisfald for intelligens. Høj hastighed, lave omkostninger, høj intelligens. En fantastisk model til agentic routing.
ctgtplb
twitter
1M context er stadig den vigtigste feature her. Jeg kan dumpe hele repo-mapper, og det virker bare med sub-sekund TTFT.
DevFlow_26
reddit

Videoer om Gemini 3.1 Flash-Lite

Se vejledninger, anmeldelser og diskussioner om Gemini 3.1 Flash-Lite

Det virker som om, de på en eller anden måde har formået at presse en masse intelligens ind i denne model.

Jeg ville bruge den til workloads med høj gennemstrømning, som er meget veldefinerede.

Front-end evnerne i Flash-Lite er endda bedre end de fleste modeller, jeg faktisk har arbejdet med.

Den skabte bogstaveligt talt en fuldt funktionel fremviser i ét forsøg.

Denne model er ideel for dem, der har brug for hastighed uden at ofre al logikken.

Denne model er hvad vi vil kalde en arbejdshest... specifikt designet til opgaver med høj gennemstrømning.

Hvis du kører den på et minimalt thinking-budget, fungerer den stort set som en non-reasoning model og er ekstremt hurtig.

Den gjorde et bemærkelsesværdigt godt stykke arbejde med den hjemmeside, vi har som output.

Hastighed-til-omkostnings forholdet er den virkelige grund til, at du ville flytte dine produktions-apps hertil.

Den håndterer multimodale inputs natively, hvilket er en kæmpe fordel over konkurrenterne.

At ramme næsten 87% på GPQA Diamond med en model mærket som 'lite' forstyrrer hele vores kategoriseringssystem.

Brug ikke denne model som et faktuelt orakel... du er nødt til at levere fakta til den.

Med 3.1 Flash-Lite undgår du at affyre tre andre mikrotjenester... den enkelhed er penge værd.

Stigningen på 45 procent i output-hastighed mærkes øjeblikkeligt i streaming-responsen.

Du får 1M context for småpenge, hvilket stadig føles som magi i produktion.

Mere end bare prompts

Supercharg din arbejdsgang med AI-automatisering

Automatio kombinerer kraften fra AI-agenter, webautomatisering og smarte integrationer for at hjælpe dig med at udrette mere på kortere tid.

AI-agenter
Webautomatisering
Smarte arbejdsgange

Pro-tips til Gemini 3.1 Flash-Lite

Eksperttips til at hjælpe dig med at få mest muligt ud af Gemini 3.1 Flash-Lite og opnå bedre resultater.

Indstil Thinking Levels

Brug minimal thinking til klassificering for at reducere omkostninger, men skift til high ved komplekse kodningsopgaver.

Aktiver Grounding

Brug altid Google Search grounding til opgaver, der kræver faktuel viden, da den grundlæggende faktuelle præcision er lavere.

Upload råfiler

Undgå at pre-processere lyd eller video til tekst; upload i stedet råfiler for at udnytte native multimodality.

Brug system_instruction

Gennemtving JSON-schemas ved hjælp af system_instruction parameteren for at minimere tokens til output-rettelse.

Anmeldelser

Hvad vores brugere siger

Slut dig til tusindvis af tilfredse brugere, der har transformeret deres arbejdsgang

Jonathan Kogan

Jonathan Kogan

Co-Founder/CEO, rpatools.io

Automatio is one of the most used for RPA Tools both internally and externally. It saves us countless hours of work and we realized this could do the same for other startups and so we choose Automatio for most of our automation needs.

Mohammed Ibrahim

Mohammed Ibrahim

CEO, qannas.pro

I have used many tools over the past 5 years, Automatio is the Jack of All trades.. !! it could be your scraping bot in the morning and then it becomes your VA by the noon and in the evening it does your automations.. its amazing!

Ben Bressington

Ben Bressington

CTO, AiChatSolutions

Automatio is fantastic and simple to use to extract data from any website. This allowed me to replace a developer and do tasks myself as they only take a few minutes to setup and forget about it. Automatio is a game changer!

Sarah Chen

Sarah Chen

Head of Growth, ScaleUp Labs

We've tried dozens of automation tools, but Automatio stands out for its flexibility and ease of use. Our team productivity increased by 40% within the first month of adoption.

David Park

David Park

Founder, DataDriven.io

The AI-powered features in Automatio are incredible. It understands context and adapts to changes in websites automatically. No more broken scrapers!

Emily Rodriguez

Emily Rodriguez

Marketing Director, GrowthMetrics

Automatio transformed our lead generation process. What used to take our team days now happens automatically in minutes. The ROI is incredible.

Jonathan Kogan

Jonathan Kogan

Co-Founder/CEO, rpatools.io

Automatio is one of the most used for RPA Tools both internally and externally. It saves us countless hours of work and we realized this could do the same for other startups and so we choose Automatio for most of our automation needs.

Mohammed Ibrahim

Mohammed Ibrahim

CEO, qannas.pro

I have used many tools over the past 5 years, Automatio is the Jack of All trades.. !! it could be your scraping bot in the morning and then it becomes your VA by the noon and in the evening it does your automations.. its amazing!

Ben Bressington

Ben Bressington

CTO, AiChatSolutions

Automatio is fantastic and simple to use to extract data from any website. This allowed me to replace a developer and do tasks myself as they only take a few minutes to setup and forget about it. Automatio is a game changer!

Sarah Chen

Sarah Chen

Head of Growth, ScaleUp Labs

We've tried dozens of automation tools, but Automatio stands out for its flexibility and ease of use. Our team productivity increased by 40% within the first month of adoption.

David Park

David Park

Founder, DataDriven.io

The AI-powered features in Automatio are incredible. It understands context and adapts to changes in websites automatically. No more broken scrapers!

Emily Rodriguez

Emily Rodriguez

Marketing Director, GrowthMetrics

Automatio transformed our lead generation process. What used to take our team days now happens automatically in minutes. The ROI is incredible.

Relateret AI Models

anthropic

Claude Opus 4.5

Anthropic

Claude Opus 4.5 is Anthropic's most powerful frontier model, delivering record-breaking 80.9% SWE-bench performance and advanced autonomous agency for coding.

200K context
$5.00/$25.00/1M
xai

Grok-4

xAI

Grok-4 by xAI is a frontier model featuring a 2M token context window, real-time X platform integration, and world-record reasoning capabilities.

2M context
$3.00/$15.00/1M
moonshot

Kimi K2.5

Moonshot

Discover Moonshot AI's Kimi K2.5, a 1T-parameter open-source agentic model featuring native multimodal capabilities, a 262K context window, and SOTA reasoning.

256K context
$0.60/$3.00/1M
zhipu

GLM-5

Zhipu (GLM)

GLM-5 is Zhipu AI's 744B parameter open-weight powerhouse, excelling in long-horizon agentic tasks, coding, and factual accuracy with a 200k context window.

200K context
$1.00/$3.20/1M
openai

GPT-5.1

OpenAI

GPT-5.1 is OpenAI’s advanced reasoning flagship featuring adaptive thinking, native multimodality, and state-of-the-art performance in math and technical...

400K context
$1.25/$10.00/1M
openai

GPT-5.2

OpenAI

GPT-5.2 is OpenAI's flagship model for professional tasks, featuring a 400K context window, elite coding, and deep multi-step reasoning capabilities.

400K context
$1.75/$14.00/1M
alibaba

Qwen3.5-397B-A17B

alibaba

Qwen3.5-397B-A17B is Alibaba's flagship open-weight MoE model. It features native multimodal reasoning, a 1M context window, and a 19x decoding throughput...

1M context
$0.40/$2.40/1M
moonshot

Kimi K2 Thinking

Moonshot

Kimi K2 Thinking is Moonshot AI's trillion-parameter reasoning model. It outperforms GPT-5 on HLE and supports 300 sequential tool calls autonomously for...

256K context
$0.60/$2.50/1M

Ofte stillede spørgsmål om Gemini 3.1 Flash-Lite

Find svar på almindelige spørgsmål om Gemini 3.1 Flash-Lite