Google 发布 Gemini 3.1 Flash-Lite：首字提速 2.5 倍，百万 token 仅 0.25 美元

做高频业务的开发者，最怕的其实不是模型不够聪明，而是钱包扛不住、响应转圈圈。调大模型做内容审核或海量翻译，月底账单能把人看哭；换便宜的小模型，又经常不听指挥、指令遵循一塌糊涂。

Google 刚刚推出来的 Gemini 3.1 Flash-Lite，打的就是这个痛点。这是 Gemini 3 系列里速度最快、成本最低的一款模型，现在已经在 Google AI Studio 的 Gemini API 和企业级平台 Vertex AI 上开启预览。

速度翻倍，价格只要零头

先看大家最关心的价格和响应表现。

3.1 Flash-Lite 的定价是每百万输入 token 0.25 美元，每百万输出 token 1.50 美元。作为对比，根据 Artificial Analysis 的基准测试，它的首字输出时间比上一代 2.5 Flash 快了 2.5 倍，整体生成速度也提升了 45%。

跑分方面也没有缩水。它在 Arena.ai 排行榜拿到了 1432 的 Elo 分数，在 GPQA Diamond 基准上得分为 86.9%，多模态评测 MMMU Pro 则跑到了 76.8%，不仅超过了同档位的其他轻量模型，甚至甩开了上一代体量更大的 2.5 Flash。

思考程度能调节，早期客户已进场

除了常规的跑分提升，Google 这次在 AI Studio 和 Vertex AI 里给 3.1 Flash-Lite 标配了「思考等级」调节功能。也就是说，开发者可以根据具体任务自由控制模型到底要「琢磨」多久。

简单的海量翻译、内容审核这种只求快和省钱的任务，就把思考量拉低；如果是生成 UI 界面、做仪表盘、跑复杂模拟或严格遵循长指令，就可以让它多思考一会儿。

目前 Latitude、Cartwheel 和 Whering 等早期测试团队已经把它用在实际业务里。按照测试人员的反馈，它在处理复杂输入时的精准度已经很接近大模型，而且指令遵循能力相当稳定。

为什么重要

做 AI 应用的人都知道，绝大多数真实场景不需要模型去写诗或证明数学猜想，而是需要它在毫秒级内把脏活累活干完。3.1 Flash-Lite 把每百万输入 token 压到 0.25 美元，同时首字延迟砍掉大半，这意味着像实时聊天助手、低延迟工作流和大规模数据清洗这类以前因为太贵或太卡而没法上线的场景，现在都可以立刻拿去测试了。

在行业层面，这会让轻量推理市场的内卷进一步加剧。各家大模型厂商都在拼旗舰智力，但真正走量、带来稳定 API 收入的反而是这类又轻又快的小家伙。Google 拿出 1432 的 Elo 分数，就是在逼对手跟进低价高质的轻量端产品。

我们认为，Google 最聪明的做法是把「思考等级」下放到轻量模型上，让开发者自己去权衡延迟和推理深度，而不是粗暴地给一个固定配置。不过这也意味着开发者需要自己做更多调优工作，如何针对不同场景设置合理的思考层级，会是接下来用好它的核心门槛。