米Google、「Gemini 3.1 Flash-Lite」を発表　応答速度2.5倍で高コスパを実現

大量のリクエストをさばくAIアプリを開発していると、高性能モデルのAPI利用料で予算が吹き飛ぶか、軽量モデルの指示無視に悩まされるかの二者択一になりがちです。

Googleが発表したGemini 3.1 Flash-Liteは、まさにその悩みを解消するために投入されたGemini 3シリーズ最速・最安のモデルです。本日からGoogle AI StudioのGemini APIおよびエンタープライズ向けのVertex AIにてプレビュー提供が始まっています。

大幅な高速化と格安の料金設定

利用料金は100万入力トークンあたり0.25ドル、100万出力トークンあたり1.50ドルに設定されています。

低価格でありながら、Artificial Analysisのベンチマークによると、前世代のGemini 2.5 Flashと比べて最初の応答トークンが出力されるまでの時間が2.5倍高速化し、出力生成速度も45%向上しています。

精度面でも妥協は見られません。Arena.aiのリーダーボードで1432のEloスコアを記録したほか、GPQA Diamondで86.9%、MMMU Proで76.8%を達成しており、前世代の大型モデルである2.5 Flashを推論やマルチモーダル性能で上回っています。

思考レベルの調整で幅広いタスクに対応

もう一つの特徴が、AI StudioおよびVertex AIにおいて「思考レベル」の調整が標準機能として提供されている点です。

低遅延とコスト効率が最優先される大量の翻訳やコンテンツモデレーションでは思考レベルを下げ、UI生成やダッシュボードの構築、複雑なシミュレーションなど深い推論が必要なワークロードでは思考レベルを上げるといった柔軟な制御が可能です。

すでにLatitude、Cartwheel、Wheringといった初期導入企業が本番ワークロードの検証を進めており、複雑な指示に対しても上位クラスモデル並みの精度で従う点が評価されています。

なぜ重要か

実務で動くAIアプリケーションの多くは、哲学的対話ではなく、ミリ秒単位で正確にタスクを処理する軽量パイプラインを求めています。入力100万トークンあたり0.25ドルという低価格と大幅なレイテンシ削減を両立させたことで、これまで採算が合わなかった高頻度のエージェント処理やリアルタイムなUI生成を実稼働させるハードルが一気に下がりました。

業界全体にとっても、フラッグシップモデルの性能競争だけでなく、運用コストを直撃する実用モデルの価格・速度競争を一段と加速させる動きと言えます。

軽量モデルでありながら「思考レベル」の制御を開発者に委ねた設計は非常に合理的だと考えられます。用途に合わせてコストと推論精度のバランスを細かくチューニングできる点は、同クラスの他社モデルに対する大きなアドバンテージになりそうです。