Gemini 3.1 Flash-Lite vs Gemini 3.7 Flash
どんなときに、どちらを選ぶか
両モデルは1048576トークンのコンテキストウィンドウと65536トークンの最大出力を共有し、テキスト出力に対して同一のテキスト、画像、動画、および音声入力を備えているため、価格対推論が分かれ目となります：gemini-3.1-flash-lite-previewの料金は100万入力あたり$0.25、出力あたり$1.5であるのに対し、gemini-3.7-flashは入力でその3x（$0.75）、出力で2.5x（$3.75）の料金がかかり、推論機能フラグが追加されています。コストが重視される大量のマルチモーダルタスクにはgemini-3.1-flash-lite-previewを選択し、推論が必要なタスク、または$0.075のキャッシュ読み取りレートが適用される反復的なプロンプトにはgemini-3.7-flashを選択してください。
ベンチマーク
ベンダー公表値： Alibaba (Qwen) Anthropic ByteDance DeepSeek Google Moonshot OpenAI Tencent Z.ai
料金
| Gemini 3.1 Flash-Lite | Gemini 3.7 Flash | Δ | |
|---|---|---|---|
| 入力 / 100 万トークン | $0.25 | $0.75 | 0.33× |
| 出力 / 100 万トークン | $1.5 | $3.75 | 0.4× |
| キャッシュ読み取り / 100 万トークン | - | $0.075 | - |
ビルド時点の現行カタログの料金です。最新の料金表は各モデルのページに掲載しています。
両モデルの位置：100 万トークンあたりの入力料金（この課金単位のチャットモデル全 76 件、対数スケール）
対応機能
| Gemini 3.1 Flash-Lite | Gemini 3.7 Flash | |
|---|---|---|
| ツール呼び出し | あり | あり |
| 思考の制御 | あり（ベンダーは調整用パラメータを公表していない） | あり（ベンダーは調整用パラメータを公表していない） |
| 構造化出力 | あり | あり |
| プロンプトキャッシュ | 自動 + 明示 | 自動 + 明示 |
| キャッシュ保持時間 | 公表なし | 公表なし |
| キャッシュ対象の最小プレフィックス | 4096 トークン | 4096 トークン |
仕様
| Gemini 3.1 Flash-Lite | Gemini 3.7 Flash | |
|---|---|---|
| 入力モダリティ | テキスト 画像 音声 動画 | テキスト 画像 音声 動画 |
| 出力モダリティ | テキスト | テキスト |
| リリース | 2026-03-03 | 2026-08-13 |
| 知識カットオフ | 2025-01 | 2026-03 |
| コンテキストウィンドウ | 1M | 1M |
| 最大出力 | 66K | 66K |
仕様は各ベンダーのドキュメントから転記しています。ベンダーが公表していない項目は、推測で埋めずに省いています。 出典の一覧： Gemini 3.1 Flash-Lite · Gemini 3.7 Flash
1 つのプロンプトを両モデルで実行（ゲートウェイ経由で測定）
Gemini 3.1 Flash-Lite 合格 · 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.
出力 86 tok レイテンシ 1.4 s
Gemini 3.7 Flash 合格 · 3 sentences
Enabling reasoning causes the model to generate a high volume of invisible "thinking tokens" behind the scenes to deliberate and solve complex logic before delivering a final response. Because our vendor bills strictly on token volume, this additional internal computation effectively doubled our billable output per query. In short, our costs increased because we are now paying for the extra compute capacity required to produce significantly higher-accuracy answers.
出力 878 tok (+799 思考) レイテンシ 6.9 s
指示への忠実さ（ちょうど 3 文という、数えて確かめられる条件）、読み手に合わせた書き分け（CFO 向けの語り口）、そして下のトークンメーターに表れる、表示されない思考への課金の差。
Gemini 3.1 Flash-Lite 合格 · 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. […]
出力 271 tok レイテンシ 2.0 s
Gemini 3.7 Flash 合格 · 8/8 cases
Here is the corrected function: ```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 else: cur = 1 best = max(best, cur) return best ``` ### Explanation of the Bug The original function tracked equal adjacent transitions instead of the actual number of elements in a run, causing all non-empty run lengths to be undercounted by one (e.g., returning `0` instead of `1` for single-element lists because the loop never executes, and `1` instead of `2` for pairs). Initializing both `best` and `cur` to `1` (after handling empty inputs) and resetting `cur` to `1` on a mismatch ensures every individual element is counted as a valid run of at least length one.
出力 1050 tok (+827 思考) レイテンシ 6.4 s
修正が本当に正しいか（実行して確かめられる）、説明の密度、範囲の限られたタスクでのトークン効率。
Gemini 3.1 Flash-Lite 合格 · 5/5 fields, guidance null
```json { "company": "Meridian Robotics", "quarter": "September", "revenue_usd_m": 412, "growth_pct": null, "guidance": null } ```
出力 56 tok レイテンシ 1.3 s
Gemini 3.7 Flash 合格 · 5/5 fields, guidance "withheld"
```json { "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": null, "guidance": "withheld" } ```
出力 918 tok (+858 思考) レイテンシ 6.2 s
スキーマの遵守（存在しないフィールドを作らない）、ハルシネーションを誘う条件への耐性（guidance は明示的に伏せてある）、構造化出力の実現方法の違い。
Gemini 3.1 Flash-Lite 合格 · 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. […]
出力 140 tok レイテンシ 2.3 s
Gemini 3.7 Flash 合格 · 120 words, 0 banned, 1 question
Why pay twice for identical AI queries simply because you routed them to different model vendors? Today, we introduce Universal Prompt Caching directly within our unified API gateway architecture. This capability stores repeated prompt contexts across OpenAI, Anthropic, and local models, instantly returning stored results to eliminate redundant computation fees. When your application sends an LLM request, the gateway inspects the payload, identifies semantic matches, and returns accurate cached responses in under ten milliseconds. Engineering teams can now slash inference latency by eighty percent while dramatically reducing monthly token expenditures across diverse production deployments. You retain complete privacy control, flexible cache eviction policies, and granular metrics through a single dashboard. Update your routing settings today to accelerate overall system performance.
出力 2858 tok (+2718 思考) レイテンシ 14.1 s
制約の遵守（語数の上限、禁止語リスト、疑問文はひとつだけ）、文体の癖、長さの制御。
1 行の変更で切り替え
以下のどのタブにも両方のモデル ID が入っています。書き換えるのはハイライトされた 2 行だけで、エンドポイント、キー、リクエスト形式はすべて同じです。
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",
# model="gemini-3.7-flash", # この行のコメントを外し、上の行をコメントアウト
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",
// model: "gemini-3.7-flash", // この行のコメントを外し、上の行をコメントアウト
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",
# "model": "gemini-3.7-flash", # この行のコメントを外し、上の行をコメントアウト
"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",
// Model: "gemini-3.7-flash", // この行のコメントを外し、上の行をコメントアウト
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")
// .model("gemini-3.7-flash") // この行のコメントを外し、上の行をコメントアウト
.addUserMessage("Summarize this diff")
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));よくある質問
Gemini 3.1 Flash-Lite と Gemini 3.7 Flash ではどちらが安いですか？
入力 / 100 万トークンは Gemini 3.1 Flash-Lite のほうが安くなります（$0.25 対 $0.75、3.0 倍の差）。ほかの行では逆になることもあります。料金の全体は上の表に掲載しており、実際のコストは利用の内訳によって変わります。
Gemini 3.1 Flash-Lite と Gemini 3.7 Flash の A/B テストは、実装を 2 つ用意せずにできますか？
はい。どちらも同じ OpenAI 互換エンドポイントから 1 つの API キーで利用できます。切り替えはモデル名の文字列を 1 行変えるだけなので、トラフィックの一部をそれぞれに振り分けて、請求額を直接比較できます。
Gemini 3.1 Flash-Lite と Gemini 3.7 Flash はプロンプトキャッシュに対応していますか？
当社の価格データでキャッシュ読み取りの料金が設定されているのは、2 つのうち 1 つだけです。料金の記載がないモデルでは、プロバイダーがキャッシュ読み取りに個別の価格を設定していません。