Gemini 3.1 Flash-Lite

Gemini 3.1 Flash-Lite 是 Google Gemini 3 系列中定位最低、成本最敏感的一档,官方把它直接称为「最快、最具成本效益」的型号,目标场景写得很直白——为规模化的高并发开发者工作负载而生。它和同系列的 Flash、Pro 不是竞争关系,而是分工:Pro 负责硬推理,Flash 负责通用主力,Flash-Lite 则专门承接那些「量极大、单条价值低、但加起来很贵」的请求。如果你的系统里有一类调用是每天跑几百万次的分类、改写、抽取,这一档就是为它准备的。

它继承了 Gemini 3 这一代的两个底子能力:一是 100 万 token 的超长上下文窗口(和 Flash 同级),意味着即便是最便宜的档位,你也能塞进整篇文档、长对话历史或大段 RAG 召回结果而不用激进截断;二是原生多模态,本站数据中它支持文本与视觉(图像)输入,适合做图片打标、截图理解、文档版面识别这类视觉跑量任务。最大输出在 6 万 token 量级,对绝大多数「短问短答 / 结构化输出」场景绰绰有余。

真正把它和上一代 2.5 Flash-Lite 拉开的是速度与新架构红利。Google 给出的口径是:相比 2.5 Flash,它的首字时延快约 2.5 倍、输出吞吐提升约 45%,同时质量持平甚至更好。对线上交互式产品来说,首字时延往往比单价更影响体验——这一档的卖点恰恰是「又便宜又快」,而不是单纯的便宜。

这档的价格结构有三个关键位:输入价、输出价、缓存输入价(具体数字以本页上方价格表实时为准,本文只讲定性逻辑)。它的总体定价被 Google 定位在比同代 Flash 低一个量级的区间,输出价显著高于输入价——这是几乎所有 LLM 的通病,意味着真正烧钱的是「模型说了多少」,不是「你问了多少」。所以成本优化的第一原则永远是:压输出。能用枚举值就别让它写整句,能返回 JSON 字段就别让它解释理由,system prompt 里明确「只输出结果、不要复述」。

第二个杠杆是缓存输入价。Flash-Lite 的缓存价相对常规输入价有一个数量级的折扣(见上方价格表),这对带固定前缀的工作负载是决定性的。典型的 Agent 和 RAG 系统每次请求都会重复发送同一套 system prompt、工具定义、few-shot 示例——把这些稳定不变的部分放在 prompt 最前面命中上下文缓存,实际输入成本可能直接砍到零头。换句话说,同样一个 RAG 应用,缓存命中率从 0 提到 80%,账单差异是几倍量级的,这比换模型省得多。

第三,别只看单价,要算「单位任务成本」。Flash-Lite 单价低,但如果某个任务它要开高 thinking level 反复推理、或者因为质量不够要重试/二次校验,综合成本未必比一次到位的 Flash 低。建议在你自己的真实流量上做小样本对比:固定 100 条代表性请求,分别用 Flash-Lite(关 thinking)、Flash-Lite(低 thinking)、Flash 各跑一遍,记录通过率和总 token,再决定哪档真省钱。

最适合 Flash-Lite 的,是「判断/转换」型任务而非「创造/推理」型任务:文本分类与意图识别、内容审核与打标、批量翻译、摘要、固定格式抽取(把非结构化文本变 JSON)、简单改写润色、图片粗分类。这些任务有明确答案、容错空间小、单条便宜但量大,Flash-Lite 的「快+便宜」在这里复利效应最强。在 Agent 体系里,它也很适合做「路由层 / 分诊层」——用一次极廉价的调用判断用户意图该走哪条链路,把贵模型留给真正需要它的环节。

它的一个独特设计是带 thinking levels(minimal/low/medium/high),可以按任务调节「思考」强度。这是省钱的精细旋钮:跑量分类、抽取这类任务把 thinking 关掉或调到 minimal,延迟和成本都最低;遇到需要一点点多步推理的任务再调高一档。不要默认开高档位——那等于为不需要推理的任务白付推理税。

最不适合的场景要清醒:复杂多步推理、长链路 Agent 规划、需要严谨逻辑或数学的任务、高质量长文创作、对事实准确性零容忍的场合(法律/医疗/金融出账),以及需要音频理解的多模态任务(本站数据中这一档为文本+视觉,不含音频)。这些请直接上 Flash 或 Pro,在 Flash-Lite 上硬扛只会换来反复重试、人工兜底和隐性成本,反而更贵。它是「跑量螺丝刀」,不是「瑞士军刀」。

在 Google 自家梯队里,记住这条由便宜到贵的路线:2.5 Flash-Lite → 3.1 Flash-Lite → 3.x Flash → Pro。相比上一代 2.5 Flash-Lite,3.1 Flash-Lite 的卖点是同价位下的速度和新一代质量;如果你还在用 2.5 Flash-Lite 且对延迟敏感,值得做一次平替评测。相比同代 Flash,Flash-Lite 是用一部分上限质量换来显著更低的单价和更快的响应——临界点在于你的任务是否真的吃满了 Flash 的能力。

什么时候该「降级」到 Flash-Lite:当你发现某条链路上 Flash 甚至 Pro 在做一件其实很简单的事(纯分类、纯抽取、纯翻译),通过率本来就接近满分,那就是降级信号,换到 Flash-Lite 通常无感掉点却能大幅省钱。什么时候该从 Flash-Lite「升级」:当你观察到这一档在你的真实数据上通过率不达标、需要频繁重试或人工复核、或者任务开始要求多步推理和长文生成——这时升一档省下的隐性成本通常远超差价。

跨厂横向看,Flash-Lite 的直接对手是各家的「小快省」型号(同梯队的轻量级模型)。选型别只盯 benchmark 排行榜——那是别人的题,不是你的活。最靠谱的做法是用上方价格表锁定几个候选的真实单价,再用你自己的离线评测集跑一遍质量,把「单位任务综合成本 × 通过率 × 延迟」三个维度一起看。对 Agent/RAG 成本优化而言,Flash-Lite 通常是「默认底座」的强候选:先全用它跑,只把它扛不住的环节定向升级,这种自底向上的策略往往比一上来全用 Flash 省得多。具体价格请以本页上方价格表为准。