Google 于 2026 年 3 月 3 日 发布 Gemini 3.1 Flash-Lite，并把它定义为 Gemini 3 系列里目前 最快、也最 成本友好 的新模型。

这款模型已经以 preview 形式向开发者开放，可通过 Gemini API in Google AI Studio 使用，企业端则可通过 Vertex AI 接入。

官方这次的核心叙事非常明确：不是继续单纯卷大模型规模，而是把高吞吐、低延迟和更低单次调用成本，做成一个更适合批量生产场景的默认选项。

Gemini 3.1 Flash-Lite 的定位不是“更强旗舰”，而是把“高频调用的单位经济性”拉到更激进的水平。

如果你的工作负载更在意吞吐和成本，而不是追求最高上限，这一代 Flash-Lite 才是 Google 真正想推的主力款。

Google 给出的定价是 0.25 美元 / 100 万 input tokens，以及 1.50 美元 / 100 万 output tokens。按照官方口径，这是目前 Gemini 3 系列里最便宜的一档。

和 Gemini 2.5 Flash 相比，Google 引用了 Artificial Analysis 的基准结果：首个回答 token 时间快 2.5 倍，输出速度提升约 45%，同时质量维持相近甚至更好。

这意味着它瞄准的不是少量高价值查询，而是需要连续、快速、稳定响应的大规模在线任务，例如实时内容处理、交互式产品和后台批处理流水线。

这次升级的核心不是“再强一点”，而是把延迟和价格一起压低，让高频调用的总成本明显下降。

对真正跑量的团队来说，2.5 倍更快的首 token 和更低单价，通常比抽象的模型能力提升更直接。

Google 表示，Gemini 3.1 Flash-Lite 在 Arena.ai Leaderboard 上的 Elo 分数达到 1432，并在同档模型里维持了较强的综合表现。

官方特别列出了两组指标：GPQA Diamond 86.9%、MMMU Pro 76.8%。按 Google 的说法，它甚至超过了上一代部分更大体量的 Gemini 模型，例如 Gemini 2.5 Flash。

也就是说，这不是一个纯粹“便宜但凑合”的降配版本；Google 想表达的是，它在更低成本下，依然能覆盖推理、多模态理解和复杂指令跟随等主流任务。

Google 正在把 Flash-Lite 从“便宜替代品”重新包装成“低价但足够强的生产级默认模型”。

如果这些基准能在真实业务里站住脚，Flash-Lite 会直接冲击一大批中档调用场景的模型选择。

Google 还强调，Gemini 3.1 Flash-Lite 在 AI Studio 和 Vertex AI 中默认支持 thinking levels，开发者可以按任务需要控制模型“思考”多少，以平衡成本、速度和回答深度。

官方点名的典型场景包括 高吞吐翻译、内容审核、生成用户界面和仪表盘、创建仿真，以及更复杂的 指令遵循 工作流。

Google 还提到，Latitude、Cartwheel、Whering 等早期客户已经在用它处理大规模复杂问题；早期反馈强调的，是它在复杂输入下依然保持接近更大模型的精度和执行一致性。

Google 这次不是在卖“最聪明的模型”，而是在卖“最适合大规模上线的模型”。

这类产品最有可能先在后台系统、审核链路和内容生产流水线里快速扩散，而不是先从高端研究场景起量。