Google launches the fastest and most cost-effective Gemini 3 model, with a response time improved by 2.5 times and output speed increased by 45%
Gemini 3.1 Flash-Lite 专为开发者大规模高频工作负载设计，本周二起预览版向开发者开放，内置 “思考层级”；基准测试显示，该模型首个答案响应时间较 Gemini 2.5 Flash 提高 2.5 倍 2.5 倍，输出速度提升 45%；GPQA Diamond 和 MMMU Pro 测试得分均超越 GPT-5 Mini 等竞品；定价 0.25 美元/百万输入 token、1.5 美元/百万输出 token，上下文窗口最长 100 万 token。
美东时间 3 月 3 日周二，谷歌推出 Gemini 3 系列中速度最快、性价比最高的模型——Gemini 3.1 Flash-Lite。它专为开发者大规模高频工作负载设计，以更低价格实现不妥协的智能表现。
Gemini 3.1 Flash-Lite 于 3 日当天起以预览版形式向开发者开放，可通过谷歌 AI Studio 的 Gemini API 接入，企业用户则可经由谷歌云 Vertex AI 平台使用。使用该模型无需特定硬件或软件配置，用户只需通过 API 调用即可接入。
谷歌透露，根据 Artificial Analysis 基准测试，3.1 Flash-Lite 在首个答案响应时间上较 Gemini 2.5 Flash 提高 2.5 倍，输出速度提升 45%，同时维持相近或更优的质量水准。
谷歌表示，该模型在 Arena.ai 排行榜上获得 1432 的 Elo 评分，并在多项推理与多模态理解基准测试中超越同级别其他模型，甚至优于上一代体量更大的 Gemini 模型。目前已有 Latitude、Cartwheel、Whering 等企业在早期测试中使用该模型，并反馈出显著的效率与成本优势。
定位与价格：高频场景下的性价比首选
谷歌 DeepMind 在模型说明文件中将 3.1 Flash-Lite 定位为 “具备成本效益、速度快，针对高频、对延迟敏感的任务（如翻译和内容分类）进行优化” 的模型，是 Gemini 3 系列原生多模态推理模型家族的新成员。
在价格方面，3.1 Flash-Lite 定价为每百万输入 token 0.25 美元、每百万输出 token 1.50 美元。谷歌在官方博客中指出，该定价仅为大型模型的一小部分，适合需要大规模部署、同时对成本高度敏感的开发者和企业用户。
该模型支持文本、图像、音频与视频等多模态输入，上下文窗口最长达 100 万 token，输出上限为 6.4 万 token，可满足从文件摘要到复杂多模态任务的广泛需求。
性能基准：超越同级并挑战上一代旗舰
在核心性能指标上，谷歌援引 Artificial Analysis 基准测试数据称，3.1 Flash-Lite 的首个答案响应时间（Time to First Answer Token）比 Gemini 2.5 Flash 快 2.5 倍，输出速度提升 45%。
在智能能力评估方面，该模型在 Arena.ai 排行榜上获得 1432 的 Elo 评分，在 GPQA Diamond 测试中得分 86.9%，在 MMMU Pro 测试中得分 76.8%，谷歌表示这两项成绩均超越同级别竞争模型。
值得注意的是，谷歌特别强调 3.1 Flash-Lite 在部分基准测试中甚至超越了上一代体量更大的 Gemini 2.5 Flash，这意味着在特定工作负载下，用户无需支付旗舰模型的价格即可获得更优性能。
核心特性：可调节的 “思考层级”
除速度与成本外，3.1 Flash-Lite 的一项差异化功能是在 AI Studio 和 Vertex AI 中内置 “思考层级”（thinking levels）控制，允许开发者根据任务复杂程度灵活调整模型的推理深度。
谷歌在官方博客中写道，这一功能 “对于管理高频工作负载至关重要”。对于翻译、内容审核等以成本为优先的批量任务，开发者可选用较低思考层级以压缩成本；对于生成用户界面、创建模拟场景或遵循复杂指令等需要深度推理的任务，则可调高思考层级以提升输出质量。
在架构层面，谷歌 DeepMind 披露，3.1 Flash-Lite 基于 Gemini 3 Pro 构建，训练使用谷歌自研的张量处理单元（TPU）及 JAX 与 ML Pathways 软件框架完成。
企业反馈：效率与指令遵循能力获高度认可
多家早期测试企业对 3.1 Flash-Lite 给出了正面评价，尤其集中于速度、指令遵循能力和规模化处理能力三个维度。
AI 叙事平台 Latitude 的 AI 负责人 Kolby Nottingham 表示：“谷歌的模型在同类产品中展现出无与伦比的指令遵循能力和速度，成功率比我们之前使用的模型高出 20%，推理速度快 60%，使 Latitude 能够为更广泛的受众提供复杂的叙事体验。”
AI 动画工具 Cartwheel 首席科学家 Andrew Carr 则称该模型为 “智能与速度比无可匹敌”，并指出："它在工具调用方面表现出色，能够在更大模型所需时间的一小部分内快速探索代码库。我们拥有大量多模态标注使用场景，在大规模应用中，Flash-Lite 成为我们处理更多数据、获取更多洞察的关键解锁工具。"
时尚应用 Whering 的 CEO Bianca Rangecroft 表示，通过将 3.1 Flash-Lite 整合进分类流程，Whering 在商品标签标注上实现了"100% 的一致性"，即使面对复杂的时尚品类，也能提供"确定、可重复的结果"。
企业 AI 平台 HubX 联合创始人 Kaan Ortabas 则提供了具体数据：“作为根编排与内容引擎，Gemini 3.1 Flash-Lite 持续实现 10 秒以内的完成时间、接近实时的流式输出、约 97% 的结构化输出合规率以及 94% 的意图路由准确率，在速度、指令精准度和成本效益之间取得了卓越平衡。”
