Gemini 3.1 Flash-Lite vs Gemini 3.7 Flash
언제 어떤 모델을 사용할까 — 벤치마크 표가 아닌 선별된 평가
두 모델은 1048576-token 컨텍스트 윈도우, 65536-token 최대 출력, 그리고 텍스트 출력 방식의 동일한 텍스트, 이미지, 비디오, 오디오 입력을 공유하므로, 차이는 가격 대 추론에서 갈립니다: gemini-3.1-flash-lite-preview는 100만 입력당 $0.25, 출력에 $1.5의 비용이 청구되는 반면, gemini-3.7-flash는 입력에 3x($0.75), 출력에 2.5x($3.75)의 비용을 청구하며 추론 능력 플래그를 추가합니다. 비용이 중요한 대규모 멀티모달 작업에는 gemini-3.1-flash-lite-preview를 선택하고; 추론이 필요한 작업이나 $0.075 캐시 읽기 요금이 적용되는 반복적인 프롬프트에는 gemini-3.7-flash를 선택하십시오.
가격
| Gemini 3.1 Flash-Lite | Gemini 3.7 Flash | Δ | |
|---|---|---|---|
| 입력 / 1M 토큰 | $0.25 | $0.75 | 0.33× |
| 출력 / 1M 토큰 | $1.5 | $3.75 | 0.4× |
| 캐시 읽기 / 1M 토큰 | — | $0.075 | — |
빌드 시점의 라이브 카탈로그 요금입니다. 각 모델 페이지에 현재 요금표가 표시됩니다.
현재 위치 — 이 청구 단위를 사용하는 모든 63개의 채팅 모델 전체의 1M 토큰당 입력 가격 (로그 스케일)
기능
| Gemini 3.1 Flash-Lite | Gemini 3.7 Flash | |
|---|---|---|
| 도구 사용 | 예 | 예 |
| 사고 제어 | 있음 — 벤더가 조절 파라미터를 공개하지 않음 | 있음 — 벤더가 조절 파라미터를 공개하지 않음 |
| 구조화된 출력 | 예 | 예 |
| 프롬프트 캐싱 | 암시적 + 명시적 | 암시적 + 명시적 |
| 캐시 수명 | 미공개 | 미공개 |
| 최소 캐시 접두사 | 4096 토큰 | 4096 토큰 |
사양
| Gemini 3.1 Flash-Lite | Gemini 3.7 Flash | |
|---|---|---|
| 입력 모달리티 | 텍스트 이미지 오디오 비디오 | 텍스트 이미지 오디오 비디오 |
| 출력 모달리티 | 텍스트 | 텍스트 |
| 출시일 | 2026-03-03 | 2026-08-13 |
| 지식 컷오프 | 2025-01 | — |
| 컨텍스트 윈도우 | 1M | 1M |
| 최대 출력 | 66K | 66K |
사양은 각 공급업체의 문서를 그대로 기록한 것입니다. 공급업체가 공개하지 않은 항목은 추론하지 않고 제외했습니다. 전체 출처: Gemini 3.1 Flash-Lite · Gemini 3.7 Flash
하나의 프롬프트, 두 모델 — 게이트웨이를 통해 측정됨
Gemini 3.1 Flash-Lite 통과 · 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.
출력 86 tok 지연 시간 1.4 s
Gemini 3.7 Flash 통과 · 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.
출력 878 tok (+799 추론) 지연 시간 6.9 s
지시 준수(정확히 세 문장 — 셀 수 있음), 독자 맞춤(CFO 어조), 그리고 아래 토큰 계량기가 드러내는 숨은 사고 과금 격차.
Gemini 3.1 Flash-Lite 통과 · 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. […]
출력 271 tok 지연 시간 2.0 s
Gemini 3.7 Flash 통과 · 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.
출력 1050 tok (+827 추론) 지연 시간 6.4 s
수정이 실제로 옳은지(실행 가능한지), 설명의 밀도, 그리고 범위가 정해진 작업에서의 토큰 효율.
Gemini 3.1 Flash-Lite 통과 · 5/5 fields, guidance null
```json { "company": "Meridian Robotics", "quarter": "September", "revenue_usd_m": 412, "growth_pct": null, "guidance": null } ```
출력 56 tok 지연 시간 1.3 s
Gemini 3.7 Flash 통과 · 5/5 fields, guidance "withheld"
```json { "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": null, "guidance": "withheld" } ```
출력 918 tok (+858 추론) 지연 시간 6.2 s
스키마 준수(없는 필드를 지어내지 않기), 환각 압력(guidance는 명시적으로 보류됨), 그리고 구조화 출력 경로의 차이.
Gemini 3.1 Flash-Lite 통과 · 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. […]
출력 140 tok 지연 시간 2.3 s
Gemini 3.7 Flash 통과 · 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.
출력 2858 tok (+2718 추론) 지연 시간 14.1 s
제약 준수(단어 예산, 금지어 목록, 단 하나의 의문문), 문체 지문, 그리고 길이 제어.
코드 한 줄로 모델 전환
두 id는 아래의 모든 탭에 있습니다 — 강조 표시된 두 줄이 유일한 수정 사항입니다. 동일한 엔드포인트, 동일한 키, 동일한 요청 형태입니다.
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", # 이 줄의 주석을 해제하고, 윗줄을 주석 처리하세요
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", // 이 줄의 주석을 해제하고, 윗줄을 주석 처리하세요
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", # 이 줄의 주석을 해제하고, 윗줄을 주석 처리하세요
"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", // 이 줄의 주석을 해제하고, 윗줄을 주석 처리하세요
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") // 이 줄의 주석을 해제하고, 윗줄을 주석 처리하세요
.addUserMessage("Summarize this diff")
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));FAQ
Gemini 3.1 Flash-Lite와(과) Gemini 3.7 Flash 중 어느 것이 더 저렴한가요?
입력 / 1m 토큰 항목에서는 Gemini 3.1 Flash-Lite이(가) 더 저렴합니다($0.25 대 $0.75, 3.0× 차이). 다른 항목에서는 결과가 다를 수 있습니다 — 위의 표에 전체 정보가 있으며, 실제 비용은 사용 조합에 따라 달라집니다.
두 번의 연동 과정 없이 Gemini 3.1 Flash-Lite와(과) Gemini 3.7 Flash를 A/B 테스트할 수 있나요?
네. 둘 다 하나의 API 키를 사용하여 동일한 OpenAI 호환 엔드포인트를 통해 제공됩니다 — 모델 문자열을 한 줄만 변경하면 전환되므로, 트래픽의 일부를 각각 라우팅하여 요금을 직접 비교할 수 있습니다.
Gemini 3.1 Flash-Lite 및 Gemini 3.7 Flash는 프롬프트 캐싱을 지원하나요?
저희 피드에는 둘 중 하나에만 캐시 읽기 가격이 나열되어 있으며, 요금이 누락된 곳은 제공업체가 캐시 읽기에 대해 별도로 요금을 책정하지 않은 것입니다.