Gemini 3.6 Flash
gemini-3.6-flash
最大上下文
1M
最大輸出
65.5K
發布日期
暫無
輸入$1.5 / 百萬 Token
輸出$7.5 / 百萬 Token
Gemini 3.1 Flash-Lite
gemini-3.1-flash-liteGemini 3.1 Flash Lite 是 Gemini 3.1 家族中更高效率的多模态模型。模型卡描述其低延遲、高吞吐，并支援文字、圖片、影片、音频和 PDF，以及輕量 Agent 任務。它適合信息擷取、分類、路由和生產级多模态高頻任務。
上下文視窗
1M Token
最大輸出
65.5K Token
發布日期
2026年5月7日
模態
Gemini 3.1 Flash-Lite 價格
| 輸入價格 | 輸出價格 | 快取讀取 | 快取建立 5m |
|---|---|---|---|
| $0.25/M | $1.5/M | $0.025/M | $0.0833/M |
Gemini 3.1 Flash-Lite API 能力
推理
支援
工具呼叫
支援
Temperature 參數
支援
附件
支援
知識庫
2025-01-01
Endpoint 協議
Completions API
Gemini 3.1 Flash-Lite 模型亮點
Gemini 3.1 Flash-Lite 結合低延遲多模態處理、長內容脈絡與輕量推理能力，適合高頻率、大批量工作負載。
低延遲處理
可高效率處理直接且高頻率的請求，適用於回應時間與運作成本受到嚴格限制的情境。
大批量多模態處理
可接收文字、影像、影片、音訊與 PDF，用於規模化分類、擷取與轉換流程。
可設定輕量推理
當簡單工作需要更高準確度時，可增加推理投入而不必切換至更大型模型。
Gemini 3.1 Flash-Lite 使用情境
Gemini 3.1 Flash-Lite 適合批量翻譯、多媒體轉錄，以及結構化擷取或模型路由流程。
批量翻譯
批量翻譯聊天訊息、評論或客服案件，同時維持精簡的輸出格式。
多媒體轉錄
將錄音、語音筆記或影片語音轉換為可搜尋文字，不需另外建立語音辨識流程。
結構化路由流程
分類請求、依指定結構擷取實體，並將每個項目導向合適的後續流程。
如何透過 TokenHub API 使用 Gemini 3.1 Flash-Lite
import OpenAI from "openai"
const client = new OpenAI({
apiKey: process.env.TOKENHUB_API_KEY,
baseURL: "https://us-api.tokenhub.com/v1",
})
const result = await client.chat.completions.create({})
console.log(result.choices[0]?.message?.content)Gemini 3.1 Flash-Lite 基準測試
Gemini 3.1 Flash-Lite
| 指數分數 | ||
|---|---|---|
| Artificial Analysis 綜合能力指數 | Artificial Analysis 綜合能力評分 | 25 |
| Artificial Analysis 程式碼能力指數 | Artificial Analysis 軟體任務評分 | 30.1 |
| 知識與推理 | ||
| GPQA | 高階科學問題求解 | 82.2% |
| HLE | 廣泛專家級考試集合 | 16.2% |
| 程式碼與工程 | ||
| SciCode | 科學計算程式碼挑戰 | 41.9% |
| Terminal-Bench Hard | 高難度終端任務執行 | 24.2% |
| 指令遵循與 Agent 任務 | ||
| IFBench | 指令約束遵循 | 77.2% |
| AA-LCR | 長上下文推理 | 65.3% |
| τ²-Bench | Agent 工作流程任務 | 31.3% |
指標來源 Artificial Analysis
Gemini 3.1 Flash-Lite 常見問題
了解 Gemini 3.1 Flash-Lite 的定位、適合的使用情境、主要優勢、使用限制，以及在 TokenHub 中串接時要注意的事項。
Gemini 3.1 Flash-Lite 在供應商的模型系列中位於什麼位置？+
Gemini 3.1 Flash-Lite 是 Google Gemini 3 系列中適合高頻輕量多模態工作的低延遲、低成本模型。它是供應商文件中的現行公開模型，但不同平台的可用情況可能不同。
哪些正式環境情境適合 Gemini 3.1 Flash-Lite？+
它適合大規模分類與路由、簡單的結構化資料擷取以及大量翻譯。正式上線前應使用具代表性的輸入測試，並訂定可衡量的驗收標準。
Gemini 3.1 Flash-Lite 在簡單的結構化資料擷取方面有何突出之處？+
它最實用的優勢包括較快的回應速度、良好的成本效益以及支援多種多模態輸入。這些特點對簡單的結構化資料擷取尤其有價值。
使用 Gemini 3.1 Flash-Lite 時需要注意哪些限制？+
如果工作需要最強的 Pro 級推理、工作需要細膩的長篇生成或高難度推理，或重要決策流程無法安排人工覆核，可以考慮其他模型。涉及事實、法律、財務、醫療或營運的重要結果，應由具備相關資格的人員覆核。
團隊該如何在 TokenHub 中穩妥地開始使用 Gemini 3.1 Flash-Lite？+
在 TokenHub 中，請選擇頁面顯示的 Gemini 3.1 Flash-Lite 精確模型識別碼，使用帳戶文件中指定的介面，並以 TokenHub 憑證完成驗證。請確認 TokenHub 實際開放的輸入類型、工具、資料依據選項與模型生命週期，不要預設與 Gemini API 完全相同。
準備呼叫 Gemini 3.1 Flash-Lite？
透過一個 API Key 接入 Gemini 3.1 Flash-Lite 與更多 AI 模型。
媒體與討論
精選與此模型相關的公開影片和貼文。
X (Twitter)
Reddit
YouTube