O Gemini 3.1 Flash-Lite (preview) é o canal preview do modelo multimodal de baixa latência e custo-efetivo do Google otimizado para tarefas leves de alta frequência, que o Google posiciona como desempenho de classe fronteira rivalizando com modelos maiores por uma fração do custo.
- Entrada
- texto imagem vídeo áudio $0.25/M
- Saída
- texto $1.5/M
- Entrada de áudio
- $0.75/M
- Contexto
- 1M
- vs GPT-4o
- ~95% mais barato
- Corte de conhecimento
- 2025-01
Benchmarks
Publicado pelos fornecedores: Alibaba (Qwen) Anthropic ByteDance Google Moonshot OpenAI Tencent Z.ai
O preço em contexto
Posição do preço entre 60 modelos comparáveis
A barra mostra onde fica o preço deste modelo entre todos os modelos do mesmo tipo na Synthorai. Em cada extremidade está o mais barato e o mais caro. São tarifas base; os descontos de lote, região e escrita em cache estão na página de preços.
Especificações e limites
Tokens
| Janela de contexto (especificação do fornecedor) | 1.048.576 |
|---|---|
| Saída máxima (especificação do fornecedor) | 65.536 |
| Corte de conhecimento | 2025-01 |
Raciocínio
| Parâmetro | reasoning_effort |
|---|---|
| Valores | minimal · low · medium · high o conjunto aceite é do provedor |
Modelo
| Modalidades | texto + imagem + vídeo + áudio → texto |
|---|
- DESCONTINUADO: desligado em 2026-05-25
- migre para gemini-3.1-flash-lite
- foi o primeiro Flash-Lite da série Gemini 3
conforme documentação oficial da Google ↗
Um prompt, medido pelo gateway
Gemini 3.1 Flash-Lite passou · 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.
saída 86 tok latência 1.4 s
Cumprimento da instrução (exatamente três frases - contáveis), ajuste ao público (registro de CFO), e a lacuna de cobrança do pensamento oculto que os medidores de tokens abaixo expõem.
Gemini 3.1 Flash-Lite passou · 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. […]
saída 271 tok latência 2.0 s
Se a correção é de fato certa (executável), a densidade da explicação, e a eficiência em tokens numa tarefa delimitada.
Gemini 3.1 Flash-Lite passou · 5/5 fields, guidance null
```json { "company": "Meridian Robotics", "quarter": "September", "revenue_usd_m": 412, "growth_pct": null, "guidance": null } ```
saída 56 tok latência 1.3 s
Obediência ao esquema (sem campos inventados), pressão de alucinação (guidance é explicitamente retida), e diferenças no caminho de saída estruturada.
Gemini 3.1 Flash-Lite passou · 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. […]
saída 140 tok latência 2.3 s
Obediência às restrições (orçamento de palavras, lista de palavras proibidas, a única pergunta), impressão digital de estilo, e controle de comprimento.
Use o Gemini 3.1 Flash-Lite em 30 segundos
Compatível com OpenAI: troque a base_url, mantenha seu SDK. 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(""));Sobre o Gemini 3.1 Flash-Lite
- Lançado em março de 2026 como o primeiro Flash-Lite da série Gemini 3, ele aceita entrada de texto, imagem, vídeo, áudio e PDF dentro de uma janela de contexto de 1.048.576 tokens e limite de saída de 65.536 tokens, e retorna texto.
- Os usos recomendados incluem tradução, transcrição, extração de dados, sumarização e roteamento de modelos, a mesma faixa de alta vazão e sensível a custo que o nível Lite sempre mirou.
- Ele suporta function calling, saídas estruturadas, execução de código, grounding por busca e Maps, contexto de URL, busca em arquivos, cache de contexto, a Batch API e inferência Flex e Priority; uso de computador, a Live API e geração de imagens ou de áudio não são suportados.
- O raciocínio é definido com a string thinking_level em vez de um orçamento numérico, e como minimal é o piso no Gemini 3 em vez de um interruptor de desligar, tokens de raciocínio são cobrados em cada chamada; as thought signatures precisam ser devolvidas para manter o raciocínio coerente em múltiplos turnos.
- O Google desde então descontinuou este identificador de preview e aponta novos trabalhos para o gemini-3.1-flash-lite em disponibilidade geral, então trate-o como um snapshot fixado em vez de um alvo de longo prazo.
- A Synthorai o torna chamável pelo seu endpoint de chat compatível com OpenAI.
Perguntas frequentes
A API do Gemini 3.1 Flash-Lite é gratuita para testar?
Sim. Contas novas recebem 10 chamadas de teste e até $1 em créditos gratuitos, sem precisar de cartão. A $0.25/M de tokens de entrada, só esse crédito já cobre cerca de 500 requisições de ~8K tokens ao Gemini 3.1 Flash-Lite.
Em que o Gemini 3.1 Flash-Lite é melhor?
Desempenho de classe fronteira por uma fração do custo; níveis de raciocínio configuráveis antes de responder; criado para tradução, extração e roteamento. Veja a seção Sobre para o quadro completo, extraído das notas de lançamento do próprio fornecedor.
Quanto custa o Gemini 3.1 Flash-Lite?
Na Synthorai, o Gemini 3.1 Flash-Lite custa $0.25 por milhão de tokens de entrada e $1.5 por milhão de tokens de saída. É o preço de tabela do provedor, sem margem da plataforma.
O Gemini 3.1 Flash-Lite suporta cache de prompts?
O Gemini 3.1 Flash-Lite não tem desconto de leitura de cache na Synthorai hoje. O cache de prompts continua valendo para outros modelos do gateway; veja na tabela de preços as alternativas com cache habilitado. Comparativo de cache entre provedores →
Como obtenho acesso ao Gemini 3.1 Flash-Lite?
Aponte seu SDK da OpenAI existente para base_url="https://synthorai.io/v1", defina model="gemini-3.1-flash-lite-preview" e pronto. Uma única chave de API cobre todos os modelos do gateway.
Qual é o corte de conhecimento do Gemini 3.1 Flash-Lite?
O corte de conhecimento do Gemini 3.1 Flash-Lite é 2025-01, segundo a documentação oficial do fornecedor (verificado em 2026-07-09).
Modelos relacionados
Comparar
Cada valor desta página é transcrito da documentação do fornecedor, ligada acima, e traz a data em que foi verificado. Os preços são comparados em todo o catálogo; os valores de especificação que os fornecedores definem de forma diferente são apresentados com a diferença indicada em vez de representados num gráfico. Nada aqui é medido por nós, e nada é pontuado.