Gemini 3.6 Flash
gemini-3.6-flash
最大上下文
1M
最大输出
65.5K
发布日期
暂无
输入$1.5 / 百万 Token
输出$7.5 / 百万 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。模型卡描述其低延迟、高吞吐，并支持文本、图片、视频、音频和 PDF，以及轻量 Agent 任务。它适合信息抽取、分类、路由和生产级多模态高频任务。
上下文窗口
1M Token
最大输出
65.5K Token
发布日期
2026年5月7日
模态
Gemini 3.1 Flash-Lite 价格
| 输入价格 | 输出价格 | 缓存读取 | 缓存创建 5m |
|---|---|---|---|
| $0.25/M | $1.5/M | $0.025/M | $0.0833/M |
Gemini 3.1 Flash-Lite API 能力
推理
支持
工具调用
支持
Temperature 参数
支持
附件
支持
知识库
2025-01-01
Endpoint 协议
Completions API
Gemini 3.1 Flash-Lite 模型亮点
Gemini 3.1 Flash-Lite 融合低延迟多模态处理、长上下文和轻量推理能力，适合高频大批量工作负载。
低延迟处理
可高效处理直接、高频的请求，适用于响应时间和运行成本受严格限制的场景。
大批量多模态处理
可接收文本、图像、视频、音频和 PDF，用于规模化分类、抽取和转换流程。
可配置轻量推理
当简单任务需要更高准确性时，可增加推理投入而无需切换到更大型模型。
Gemini 3.1 Flash-Lite 使用场景
Gemini 3.1 Flash-Lite 适合批量翻译、多媒体转写以及结构化抽取或模型路由流程。
批量翻译
批量翻译聊天消息、评论或支持工单，同时保持简洁的输出格式。
多媒体转写
将录音、语音笔记或视频语音转换为可搜索文本，无需单独的语音识别流程。
结构化路由流程
对请求分类、按指定结构抽取实体，并将每项内容路由到合适的下游流程。
如何通过 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 基准测试
Gemini 3.1 Flash-Lite
| 指数分数 | ||
|---|---|---|
| Artificial Analysis 综合能力指数 | Artificial Analysis 综合能力评分 | 25 |
| Artificial Analysis 代码能力指数 | Artificial Analysis 软件任务评分 | 30.1 |
| 知识与推理 | ||
| GPQA | 高阶科学问题求解 | 82.2% |
| HLE | 广泛专家级考试集合 | 16.2% |
| 代码与工程 | ||
| SciCode | 科学计算代码挑战 | 41.9% |
| Terminal-Bench Hard | 高难度终端任务执行 | 24.2% |
| 指令遵循与 Agent 任务 | ||
| IFBench | 指令约束遵循 | 77.2% |
| AA-LCR | 长上下文推理 | 65.3% |
| τ²-Bench | Agent 工作流任务 | 31.3% |
指标来源 Artificial Analysis
关于 Gemini 3.1 Flash-Lite 的常见问题
了解 Gemini 3.1 Flash-Lite 的定位、适合处理的任务、主要优势、使用限制，以及在 TokenHub 中接入时需要注意的事项。
Gemini 3.1 Flash-Lite 在提供商的模型家族中是什么定位？+
Gemini 3.1 Flash-Lite 是 Google 面向高频轻量多模态任务的 Gemini 3 系列低延迟、低成本模型。它是提供商文档中的当前公开模型，但不同平台的可用性可能不同。
哪些生产场景适合 Gemini 3.1 Flash-Lite？+
它适合大规模分类与路由、简单结构化数据提取以及大规模翻译。上线前应使用有代表性的输入进行测试，并制定可衡量的验收标准。
Gemini 3.1 Flash-Lite 在简单结构化数据提取方面有什么突出之处？+
它最实用的优势包括较快的响应速度、较好的成本效率以及支持多种多模态输入。这些特点对简单结构化数据提取尤其有价值。
使用 Gemini 3.1 Flash-Lite 时需要注意哪些限制？+
如果任务需要最强的 Pro 级推理、任务需要细腻的长篇生成或高难度推理，或重要决策流程无法安排人工复核，可以考虑其他模型。涉及事实、法律、财务、医疗或运营的重要结果，应由具备相关资质的人员复核。
团队该如何在 TokenHub 中稳妥地开始使用 Gemini 3.1 Flash-Lite？+
在 TokenHub 中，请选择页面显示的 Gemini 3.1 Flash-Lite 精确模型标识，使用账号文档中指定的接口，并通过 TokenHub 凭证完成认证。请确认 TokenHub 实际开放的输入类型、工具、信息依据选项和模型生命周期，不要默认与 Gemini API 完全一致。
准备调用 Gemini 3.1 Flash-Lite？
通过一个 API Key 接入 Gemini 3.1 Flash-Lite 与更多 AI 模型。
媒体与讨论
精选与此模型相关的公开视频和帖子。
X (Twitter)
Reddit
YouTube