Home/Models/Google/Gemini 3.1 Flash-Lite
G

Gemini 3.1 Flash-Lite

輸入:$0.2/M
輸出:$1.2/M
Gemini 3.1 Flash-Lite 是 Google 的 Gemini 3 系列中一款極具成本效益且低延遲的 Tier-3 模型，專為在吞吐量與速度比最大化推理深度更為重要的大規模生產級 AI 工作流程而設計。它結合了大型多模態上下文視窗與高效的推理效能，且成本低於多數旗艦級對應產品。
新
商業用途
Playground
概覽
功能
定價
API
版本

📊 技術規格

規格詳細資訊
模型家族Gemini 3 (Flash-Lite)
上下文視窗最多 1 M tokens（多模態文字、圖片、音訊、影片）
輸出 Token 上限最多 64 K tokens
輸入類型文字、圖片、音訊、影片
核心架構基礎基於 Gemini 3 Pro
部署通道Gemini API（Google AI Studio）、Vertex AI
定價（預覽）約 $0.25 / 1M 輸入 tokens、約 $1.50 / 1M 輸出 tokens
推理控制可調整的「思考等級」（例如：從最低到較高）

🔍 什麼是 Gemini 3.1 Flash-Lite？

Gemini 3.1 Flash-Lite 是 Google 的 Gemini 3 系列中具備高性價比的 footprint 變體，優化於大規模 AI 工作負載——特別是在降低延遲、降低單 token 成本與提升吞吐量方面。它保留了 Gemini 3 Pro 的核心多模態推理骨幹，同時面向批量處理等用例，例如翻譯、分類、內容審核、UI 生成與結構化資料綜合。

✨ 主要特性

  1. 超大型上下文視窗：可處理最多 100 萬 tokens 的多模態輸入，支援長文件推理與影音上下文處理。
  2. 具成本效益的執行：相較於早期 Flash-Lite 模型與競品，單 token 成本顯著更低，適用高量使用。
  3. 高吞吐與低延遲：首個 Token 時間約快 2.5×，輸出吞吐量約快 45%（相較 Gemini 2.5 Flash）。
  4. 動態推理控制：「思考等級」可讓開發者按請求調校表現與更深推理。
  5. 多模態支援：在統一的上下文空間中原生處理圖片、音訊、影片與文字。
  6. 彈性 API 存取：可於 Google AI Studio 的 Gemini API 與企業級 Vertex AI 工作流程中使用。

📈 基準表現

以下指標展示了 Gemini 3.1 Flash-Lite 相較早期 Flash/Lite 變體與其他模型的效率與能力（2026 年 3 月報告）：

基準測試Gemini 3.1 Flash-LiteGemini 2.5 Flash DynamicGPT-5 Mini
GPQA Diamond（科學知識）86.9 %66.7 %82.3 %
MMMU-Pro（多模態推理）76.8 %51.0 %74.1 %
CharXiv（複雜圖表推理）73.2 %55.5 %75.5 %（+python）
Video-MMMU84.8 %60.7 %82.5 %
LiveCodeBench（程式推理）72.0 %34.3 %80.4 %
1M 長上下文12.3 %5.4 %不支援

這些分數表明，Flash-Lite 在以效率為導向的設計下仍維持具競爭力的推理與多模態理解，且在多項關鍵基準上經常優於舊版 Flash 變體。

⚖️ 與相關模型的比較

特性Gemini 3.1 Flash-LiteGemini 3.1 Pro
單 token 成本較低（入門級）較高（高階）
延遲 / 吞吐為速度最佳化兼顧深度
推理深度可調整，但較淺更強的深度推理
用例聚焦大量管線、審核、翻譯關鍵任務級推理工作
上下文視窗1 M tokens1 M tokens（相同）

Flash-Lite 針對規模與成本而設計；Pro 針對高精度與深度推理。

🧠 企業用例

  • 高量翻譯與審核：低延遲的即時語言與內容管線。
  • 大量資料擷取與分類：在 token 經濟上高效處理大型語料。
  • UI/UX 生成：結構化 JSON、儀表板範本與前端腳手架。
  • 模擬提示：跨延長互動的邏輯狀態追蹤。
  • 多模態應用：在統一上下文中結合影片、音訊與圖片的信息推理。

🧪 限制

  • 在複雜、關鍵任務中，推理深度與分析精度可能落後於 Gemini 3.1 Pro。:
  • 如長上下文融合等基準結果，與旗艦模型相比仍有改進空間。
  • 動態推理控制在速度與周延性間取捨；並非所有等級都保證相同的輸出品質。

GPT-5.3 Chat（別名：gpt-5.3-chat-latest） — 概覽

GPT-5.3 Chat 是 OpenAI 最新的生產級聊天模型，透過官方 API 的 gpt-5.3-chat-latest 端點提供，並為 ChatGPT 的日常互動體驗提供支援。它專注於提升日常互動品質——讓回應更流暢、更準確且更具語境關聯，同時保留來自更廣泛 GPT-5 家族的強大技術能力。 :contentReference[oaicite:1]{index=1}

📊 技術規格

規格詳細資訊
模型名稱/別名GPT-5.3 Chat / gpt-5.3-chat-latest
供應商OpenAI
上下文視窗128,000 tokens
每次請求最大輸出 tokens16,384 tokens
知識截止2025 年 8 月 31 日
輸入模態文字與影像輸入（僅視覺）
輸出模態文字
函式呼叫支援
結構化輸出支援
串流回應支援
微調不支援
蒸餾 / 嵌入不支援蒸餾；支援嵌入
常用端點Chat completions、Responses、Assistants、Batch、Realtime
函式呼叫與工具啟用函式呼叫；透過 Responses API 支援網頁與檔案搜尋

🧠 GPT-5.3 Chat 的獨特之處

GPT-5.3 Chat 是 GPT-5 系列中針對聊天能力的漸進強化。此變體的核心目標是提供比早期模型（如 GPT-5.2 Instant）更自然、語境更連貫且更友善的對話回應。改進重點在於：

  • 動態、自然的語氣，減少不必要的免責聲明並提供更直接的答案。
  • 在常見聊天場景中更佳的上下文理解與相關性。
  • 更順暢地整合多輪對話、摘要與會話型協助等豐富聊天用例。

GPT-5.3 Chat 建議用於需要最新聊天改進、但不需未來「Thinking」或「Pro」GPT-5.3 變體所提供的專門深度推理的開發者與互動式應用。

🚀 主要功能

  • 大型聊天上下文視窗：128K tokens 支援豐富的對話歷史與長上下文追蹤。 :contentReference[oaicite:17]{index=17}
  • 改善回應品質：更精煉的對話流程，減少不必要的警告或過度謹慎的拒絕。 :contentReference[oaicite:18]{index=18}
  • 官方 API 支援：完整支援聊天、批次處理、結構化輸出與即時工作流程的端點。
  • 多元輸入支援：接受並情境化文字與影像輸入，適合多模態聊天用例。
  • 函式呼叫與結構化輸出：透過 API 啟用結構化與互動式應用模式。 :contentReference[oaicite:21]{index=21}
  • 廣泛生態系相容性：可用於 v1/chat/completions、v1/responses、Assistants 與其他現代 OpenAI API 介面。

📈 典型基準與行為

📈 基準表現

OpenAI 與獨立報告顯示實際表現有所提升：

指標GPT-5.3 Instant vs GPT-5.2 Instant
啟用網頁搜尋的幻覺率−26.8%
未啟用搜尋的幻覺率−19.7%
使用者標記的事實錯誤（網頁）約 −22.5%
使用者標記的事實錯誤（內部）約 −9.6%

值得注意的是，GPT-5.3 對「真實世界對話品質」的關注意味著標準化 NLP 基準分數的提升並非發布重點——改進最明顯地反映在使用者體驗指標，而非純測試分數。

在產業比較中，GPT-5 家族的聊天變體在日常聊天的相關性與上下文追蹤上普遍優於早期 GPT-4 模組，但專門的推理任務可能仍偏好專用的「Pro」變體或以推理為優化的端點。

🤖 用例

GPT-5.3 Chat 適用於：

  • 客服機器人與會話助理
  • 互動式教學或教育代理
  • 摘要與對話式搜尋
  • 內部知識代理與團隊聊天助手
  • 多模態問答（文字 + 圖片）

其在對話品質與 API 多功能性的平衡，使其非常適合結合自然對話與結構化資料輸出的互動式應用。

🔍 限制

  • 非最深度推理變體：對於關鍵、高風險的分析深度，即將推出的 GPT-5.3 Thinking 或 Pro 模型可能更合適。
  • 多模態輸出受限：雖支援輸入影像，但完整的影像/影片生成或豐富多模態輸出工作流程並非此變體的主要焦點。
  • 不支援微調：無法微調此模型，但可透過系統提示引導行為。

如何存取 Gemini 3.1 flash lite API

Step 1: 註冊取得 API 金鑰

登入 cometapi.com。若您尚未成為使用者，請先註冊。登入您的 CometAPI 控制台。取得介面存取憑證 API 金鑰。在個人中心的 API token 處點選「Add Token」，取得 token key：sk-xxxxx 並提交。

cometapi-key

Step 2: 向 Gemini 3.1 flash lite API 發送請求

選擇 “` gemini-3.1-flash-lite” 端點以發送 API 請求並設定請求本文。請求方法與請求本文可自本網站的 API 文件取得。本網站也提供 Apifox 測試以利使用。將 <YOUR_API_KEY> 替換為您帳戶中的實際 CometAPI 金鑰。基本 URL 為 Gemini Generating Content

將您的問題或請求插入 content 欄位——模型將回應該欄位的內容。處理 API 回應以取得生成的答案。

Step 3: 擷取並驗證結果

處理 API 回應以取得生成的答案。處理完成後，API 會回傳任務狀態與輸出資料。

常見問題

What tasks is Gemini 3.1 Flash-Lite best suited for?

Gemini 3.1 Flash-Lite 針對高量、對延遲敏感的工作流程進行最佳化，例如翻譯、內容審核、分類、UI/儀表板生成，以及模擬提示管線，在以速度與低成本為優先的場景中表現出色。

What is the context window and output capability of Gemini 3.1 Flash-Lite?

Gemini 3.1 Flash-Lite 支援最多可達 1 million tokens 的大型上下文視窗，適用於包含文字、圖片、音訊與影片的多模態輸入，輸出最多可達 64 K tokens。

How does Gemini 3.1 Flash-Lite compare to Gemini 2.5 Flash in performance and cost?

相較於 Gemini 2.5 Flash 模型，Gemini 3.1 Flash-Lite 的首次回應時間快約 ~2.5×，輸出吞吐量提升約 ~45 %，且在輸入與輸出方面的每百萬 tokens 成本顯著更低。 }

Does Gemini 3.1 Flash-Lite support adjustable reasoning depth?

是 — 它提供多種推理或「思考」等級（例如 minimal、low、medium、high），讓開發者可在複雜任務上以速度換取更深入的推理。 :contentReference[oaicite:3]{index=3}

What are typical benchmark strengths of Gemini 3.1 Flash-Lite?

在 GPQA Diamond（科學知識）與 MMMU Pro（多模態理解）等基準測試中，Gemini 3.1 Flash-Lite 相較於先前的 Flash-Lite 模型表現強勁；在官方評測中，GPQA 約為 ~86.9 %，MMMU 約為 ~76.8 %。

How can I access Gemini 3.1 Flash-Lite via API?

您可以透過 CometAPI 使用 gemini-3.1-flash-lite-preview 端點進行企業整合。

When should I choose Gemini 3.1 Flash-Lite vs Gemini 3.1 Pro?

在大量任務中若吞吐量、延遲與成本為優先，請選擇 Flash-Lite；若任務需要最高的推理深度、分析準確性或關鍵級理解，請選擇 Pro。

Gemini 3.1 Flash-Lite 的功能

探索 Gemini 3.1 Flash-Lite 的核心功能，專為提升效能和可用性而設計。了解這些功能如何為您的專案帶來效益並改善使用者體驗。

Gemini 3.1 Flash-Lite 的定價

探索 Gemini 3.1 Flash-Lite 的競爭性定價，專為滿足各種預算和使用需求而設計。我們靈活的方案確保您只需為實際使用量付費，讓您能夠隨著需求增長輕鬆擴展。了解 Gemini 3.1 Flash-Lite 如何在保持成本可控的同時提升您的專案效果。
彗星價格 (USD / M Tokens)官方價格 (USD / M Tokens)折扣
輸入:$0.2/M
輸出:$1.2/M
輸入:$0.25/M
輸出:$1.5/M
-20%

Gemini 3.1 Flash-Lite 的範例程式碼和 API

存取完整的範例程式碼和 API 資源，以簡化您的 Gemini 3.1 Flash-Lite 整合流程。我們詳盡的文件提供逐步指引，協助您在專案中充分發揮 Gemini 3.1 Flash-Lite 的潛力。
Python
JavaScript
Curl
from google import genai
import os

# Get your CometAPI key from https://www.cometapi.com/console/token, and paste it here
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"
BASE_URL = "https://api.cometapi.com"

client = genai.Client(
    http_options={"api_version": "v1beta", "base_url": BASE_URL},
    api_key=COMETAPI_KEY,
)

response = client.models.generate_content(
    model="gemini-3.1-flash-lite-preview",
    contents="Explain how AI works in a few words",
)

print(response.text)

Gemini 3.1 Flash-Lite的版本

Gemini 3.1 Flash-Lite擁有多個快照的原因可能包括：更新後輸出結果存在差異需保留舊版快照以確保一致性、為開發者提供適應與遷移的過渡期，以及不同快照對應全球或區域端點以優化使用者體驗等潛在因素。各版本間的具體差異請參閱官方文件說明。

Sop sop

更多模型