Google发布Gemini 3.1 Flash‑Lite 加速高频工作负载并大幅降低成本

关键亮点

• 超低成本：输入代币 $0.25/1M，输出代币 $1.50/1M，远低于同级别模型。
• 高速响应：Time‑to‑First‑Answer Token 提升 2.5 倍，整体输出速度提升 45%。
• 高质量输出：在 Arena.ai 排行榜 Elo 取得 1432 分，GPQA Diamond 达 86.9%，MMMU Pro 76.8%，质量不逊于更大模型。
• 灵活思考层级：在 AI Studio 与 Vertex AI 中内置思考层级，可自行调节推理深度，兼顾成本与精度。

性能与成本优势

Gemini 3.1 Flash‑Lite 在 Artificial Analysis 基准上实现 2.5 倍更快的首答时间，同时保持或提升文本、视觉多模态推理的准确性。相较于上一代 2.5 Flash，Flash‑Lite 在同等硬件配置下的 Elo 提升约 120 分，证明了在更小算力预算下也能实现接近旗舰模型的表现。

典型应用场景

• 大规模翻译：支持实时多语言翻译，适用于跨境电商、社交平台的高频文本流。
• 内容审核：低成本快速检测违规文本与图像，帮助平台降低运营费用。
• 交互式 UI 生成：根据自然语言描述即时生成界面布局，提升产品原型迭代速度。
• 实时天气仪表盘：结合实时气象数据生成动态可视化图表，适用于金融与物流领域。
• SaaS 代理：在企业内部构建多步骤任务执行器，实现自动化客服、数据整理等业务流程。

早期客户与生态

Google 已向 AI Studio 与 Vertex AI 的预览用户开放 Flash‑Lite，首批使用方包括 Latitude、Cartwheel、Whering 等创新企业。这些客户反馈模型在 "高频且对成本敏感" 的场景下表现出色，能够在保持大模型推理质量的同时，将费用控制在原先的三分之一左右。

行业意义

Gemini 3.1 Flash‑Lite 的发布标志着生成式AI从 "大模型专属" 向 "高频低成本" 方向的关键转型。随着企业对实时交互、海量数据处理的需求激增，能够在毫秒级响应的同时保持高质量输出的模型将成为下一波商业创新的核心驱动力。Google 通过在模型层面提供思考深度调节功能，也为开发者提供了更细粒度的成本控制手段，预示着 AI 基础设施的可编程化将进一步加速。

"我们期待看到开发者利用 Flash‑Lite 打造出更多实时、可扩展的 AI 体验。」——Google Gemini 团队