Gemini 3.1 Flash-Lite (Preview) ist der Preview-Kanal von Googles latenzarmem, kosteneffizientem multimodalem Modell, das für hochfrequente, leichtgewichtige Aufgaben optimiert ist und das Google als Frontier-Klasse-Leistung positioniert, die mit größeren Modellen zu einem Bruchteil der Kosten mithält.
- Eingabe
- Text Bild Video Audio $0.25/M
- Ausgabe
- Text $1.5/M
- Audio-Eingabe
- $0.75/M
- Kontext
- 1M
- vs. GPT-4o
- ~95% günstiger
- Knowledge-Cutoff
- 2025-01
Benchmarks
Anbieterangaben: Alibaba (Qwen) Anthropic ByteDance Google Moonshot OpenAI Tencent Z.ai
Preis im Vergleich
Der Preis im Feld von 68 vergleichbaren Modellen
Der Balken zeigt, wo der Preis dieses Modells unter allen Modellen derselben Art auf Synthorai liegt. An beiden Enden stehen das günstigste und das teuerste Modell. Angegeben sind Grundpreise; Rabatte für Batch, Region und Cache-Schreibzugriffe stehen auf der Preisseite.
Spezifikationen & Limits
Tokens
| Kontextfenster (laut Anbieter) | 1.048.576 |
|---|---|
| Max. Ausgabe (laut Anbieter) | 65.536 |
| Knowledge-Cutoff | 2025-01 |
Thinking
| Parameter | reasoning_effort |
|---|---|
| Werte | minimal · low · medium · high akzeptierte Werte je Anbieter |
Modell
| Modalitäten | Text + Bild + Video + Audio → Text |
|---|
- VERALTET: am 2026-05-25 abgeschaltet
- Migration auf gemini-3.1-flash-lite
- war das erste Flash-Lite der Gemini-3-Reihe
Ein Prompt, gemessen über das Gateway
Gemini 3.1 Flash-Lite bestanden · 3 sentences
Enabling reasoning models increases your costs because the system now generates a significantly higher volume of "hidden" chain-of-thought tokens required to process complex logic. Since you are billed for every token produced during this internal deliberation phase, your total output volume has expanded alongside the depth of the analysis. You are essentially paying for the model to "think out loud" before arriving at a final answer, which directly scales your operational expenditure.
Ausgabe 86 tok Latenz 1.4 s
Befolgen der Anweisung (genau drei Sätze, das lässt sich zählen), Zuschnitt auf die Zielgruppe (Tonfall für einen CFO) und die Abrechnungslücke durch nicht sichtbares Thinking, die die Token-Zähler unten offenlegen.
Gemini 3.1 Flash-Lite bestanden · 8/8 cases
### Fixed Code ```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 best = max(best, cur) else: cur = 1 return best ``` ### Explanation of the Bug The original function failed because it initialized `best` and `cur` to `0` and effectively counted "transitions" (how many times an element matched its predecessor) rather than the total count of elements in a run. By starting at `0`, a single-element list returned `0` instead of `1`, and because `cur` reset to `0` and only incremented when a match was found, the function effectively counted "extra" matches beyond the first element, failing to account for the initial element of any run. […]
Ausgabe 271 tok Latenz 2.0 s
Ob der Fix wirklich korrekt ist (er lässt sich ausführen), wie dicht die Erklärung ist und wie sparsam das Modell bei einer klar begrenzten Aufgabe mit Tokens umgeht.
Gemini 3.1 Flash-Lite bestanden · 5/5 fields, guidance null
```json { "company": "Meridian Robotics", "quarter": "September", "revenue_usd_m": 412, "growth_pct": null, "guidance": null } ```
Ausgabe 56 tok Latenz 1.3 s
Schema-Treue (keine erfundenen Felder), Anreiz zum Halluzinieren (der Text nennt ausdrücklich keine guidance) und Unterschiede zwischen den Wegen zur strukturierten Ausgabe.
Gemini 3.1 Flash-Lite bestanden · 125 words, 0 banned, 1 question
We are launching a new caching layer for our API gateway that stores LLM responses across multiple providers. By capturing frequently requested prompts, this feature significantly lowers latency and reduces operational costs for your applications. Instead of querying expensive models for repetitive tasks, your system retrieves identical outputs instantly from our high-speed cache. This integration maintains consistency while supporting diverse provider workflows, ensuring your infrastructure remains both efficient and scalable. Are you ready to optimize your token usage and improve response times for every user? Configuration takes only minutes through our existing dashboard. This addition provides a practical strategy to manage API spend without sacrificing performance or quality. […]
Ausgabe 140 tok Latenz 2.3 s
Einhaltung der Vorgaben (Wortbudget, Liste verbotener Wörter, genau eine Frage), stilistische Handschrift und Kontrolle über die Länge.
Gemini 3.1 Flash-Lite in 30 Sekunden nutzen
OpenAI-kompatibel: base_url austauschen, SDK behalten. POST /v1/chat/completions
from openai import OpenAI
client = OpenAI(
base_url="https://synthorai.io/v1",
api_key="sk-syn-...",
)
resp = client.chat.completions.create(
model="gemini-3.1-flash-lite-preview",
messages=[{"role": "user", "content": "Summarize this diff"}],
)
print(resp.choices[0].message.content)import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.chat.completions.create({
model: "gemini-3.1-flash-lite-preview",
messages: [{ role: "user", content: "Summarize this diff" }],
});
console.log(resp.choices[0].message.content);curl https://synthorai.io/v1/chat/completions \
-H "Authorization: Bearer sk-syn-..." \
-H "Content-Type: application/json" \
-d '{
"model": "gemini-3.1-flash-lite-preview",
"messages": [{"role": "user", "content": "Hello"}]
}'package main
import (
"context"
"fmt"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
resp, _ := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
Model: "gemini-3.1-flash-lite-preview",
Messages: []openai.ChatCompletionMessageParamUnion{
openai.UserMessage("Summarize this diff"),
},
})
fmt.Println(resp.Choices[0].Message.Content)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
ChatCompletion resp = client.chat().completions().create(
ChatCompletionCreateParams.builder()
.model("gemini-3.1-flash-lite-preview")
.addUserMessage("Summarize this diff")
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));Über Gemini 3.1 Flash-Lite
- Im März 2026 als erstes Flash-Lite der Gemini-3-Serie veröffentlicht, nimmt es Text-, Bild-, Video-, Audio- und PDF-Eingaben innerhalb eines Kontextfensters von 1.048.576 Token und eines Output-Limits von 65.536 Token entgegen und gibt Text zurück.
- Zu den empfohlenen Anwendungen zählen Übersetzung, Transkription, Datenextraktion, Zusammenfassung und Model-Routing, also dasselbe durchsatzstarke, kostensensible Band, auf das die Lite-Stufe immer gezielt hat.
- Es unterstützt Function Calling, strukturierte Ausgaben, Code-Ausführung, Search- und Maps-Grounding, URL-Kontext, File Search, Context-Caching, die Batch API sowie Flex- und Priority-Inferenz; Computer Use, die Live API sowie Bild- oder Audiogenerierung werden nicht unterstützt.
- Thinking wird über den thinking_level-String statt über ein numerisches Budget gesetzt, und weil minimal bei Gemini 3 die Untergrenze und kein Ausschalter ist, werden Reasoning-Token bei jedem Aufruf abgerechnet; Thought Signatures müssen zurückgespiegelt werden, damit das Reasoning über mehrere Turns kohärent bleibt.
- Google hat diesen Preview-Bezeichner inzwischen als veraltet markiert und verweist für neue Arbeit auf das allgemein verfügbare gemini-3.1-flash-lite; behandeln Sie ihn daher als angepinnten Snapshot statt als langfristiges Ziel.
- Synthorai macht es über seinen OpenAI-kompatiblen Chat-Endpoint aufrufbar.
FAQ
Lässt sich die Gemini 3.1 Flash-Lite API kostenlos testen?
Ja. Neue Konten erhalten 10 Testaufrufe und bis zu $1 Gratisguthaben, ohne Kreditkarte. Bei $0.25/M für Eingabe-Tokens reicht allein dieses Guthaben für rund 500 Anfragen an Gemini 3.1 Flash-Lite mit je ~8K Tokens.
Worin ist Gemini 3.1 Flash-Lite am besten?
Frontier-Klasse-Leistung zu einem Bruchteil der Kosten; konfigurierbare Thinking-Stufen vor der Antwort; für Übersetzung, Extraktion und Routing gebaut. Mehr dazu im Über-Abschnitt, der auf den offiziellen Release Notes des Anbieters beruht.
Was kostet Gemini 3.1 Flash-Lite?
Gemini 3.1 Flash-Lite kostet auf Synthorai $0.25 pro Million Eingabe-Tokens und $1.5 pro Million Ausgabe-Tokens. Das ist der Listenpreis des Anbieters, ohne Plattformaufschlag.
Wie groß ist das Kontextfenster von Gemini 3.1 Flash-Lite?
Gemini 3.1 Flash-Lite hat auf Synthorai ein Kontextfenster von 1M Tokens. Eine einzelne Antwort kann bis zu 65,536 Tokens lang sein.
Unterstützt Gemini 3.1 Flash-Lite Prompt-Caching?
Für Gemini 3.1 Flash-Lite gibt es auf Synthorai derzeit keinen Rabatt auf Cache-Lesezugriffe. Bei anderen Modellen im Gateway greift Prompt-Caching weiterhin; Alternativen mit Caching finden Sie in der Preistabelle. Caching-Vergleich der Anbieter →
Wie erhalte ich Zugang zu Gemini 3.1 Flash-Lite?
Setzen Sie in Ihrem vorhandenen OpenAI SDK base_url="https://synthorai.io/v1" und model="gemini-3.1-flash-lite-preview", mehr ist nicht nötig. Ein API-Schlüssel gilt für alle Modelle im Gateway.
Wo liegt der Knowledge-Cutoff von Gemini 3.1 Flash-Lite?
Der Knowledge-Cutoff von Gemini 3.1 Flash-Lite liegt bei 2025-01, laut offizieller Dokumentation des Anbieters (Stand: 2026-07-09).
Verwandte Modelle
Vergleichen
Jeder Wert auf dieser Seite stammt aus der oben verlinkten Dokumentation des Anbieters und trägt das Datum, an dem wir ihn geprüft haben. Preise vergleichen wir über den gesamten Katalog. Spezifikationen, die Anbieter unterschiedlich definieren, zeigen wir mit einem Hinweis auf den Unterschied und nicht als Diagramm. Wir messen hier nichts selbst und vergeben keine Bewertungen.