Gemini 3.1 Flash Lite Preview adalah model berefisiensi tinggi milik Google yang dioptimalkan untuk kasus penggunaan volume tinggi. Model ini mengungguli Gemini 2.5 Flash Lite dalam kualitas keseluruhan dan mendekati performa Gemini 2.5 Flash di...
Google Gemini 3.1 Flash Lite Preview adalah rilis pratinjau dari varian ringan dari seri Gemini 3.1. Ia dirancang untuk memberikan penalaran yang kuat dan pemahaman multimodal dengan biaya yang jauh…
Google Gemini 3.1 Flash Lite Preview unggul dalam tugas yang memerlukan pemrosesan data tekstual atau multimodal dalam jumlah besar dalam satu konteks. Kasus penggunaannya meliputi menjawab pertanyaan dokumen panjang, di mana seluruh teks dapat dimasukkan sebagai konteks; peringkasan dan analisis video, di mana banyak bingkai atau klip digabungkan; serta transkripsi audio dengan penalaran kontekstual. Jendela konteks yang besar membuatnya efektif untuk tugas seperti peninjauan kontrak, penelitian hukum, dan analisis makalah akademis. Skor GPQA Diamond 82,2 menunjukkan performa kuat pada pertanyaan penalaran tingkat pascasarjana, sehingga juga berguna untuk pemecahan masalah kompleks dalam sains, matematika, dan teknik. Selain itu, dukungan multimodalnya memungkinkan tugas seperti pembuatan keterangan gambar yang digabungkan dengan instruksi teks, atau ekstraksi data berbasis file dari PDF dan spreadsheet.
Keunggulan utama model ini adalah jendela konteks 1M token yang sangat besar, kemampuan input multimodal, serta performa penalaran yang kompetitif dengan harga murah. Harga $0,25/$1,50 per juta token termasuk yang paling terjangkau untuk model dengan ukuran konteks dan skor benchmark ini. Hasil GPQA Diamond sebesar 82,2 menunjukkan bahwa model ini mampu menangani tugas penalaran multi-langkah yang kompleks dan sering kali membutuhkan pemahaman mendalam. Kemampuan untuk menerima teks, gambar, video, file, dan audio dalam satu permintaan yang sama memungkinkan aplikasi menghubungkan informasi antar modalitas tanpa fragmentasi data eksternal. Bagi pengembang yang menggunakan OrcaRouter, penagihan tanpa markup memastikan biaya tetap dapat diprediksi dan selaras dengan tarif penyedia. API yang kompatibel dengan OpenAI semakin mengurangi hambatan integrasi.
Meskipun biayanya rendah, model ini mungkin berlebihan untuk tugas yang sangat sederhana seperti klasifikasi teks bentuk pendek, peringkasan skala kecil, atau terjemahan satu putaran. Untuk kasus penggunaan seperti itu, embeddings yang lebih murah atau pengklasifikasi khusus bisa lebih hemat biaya. Selain itu, jika aplikasi Anda memerlukan latensi yang sangat rendah (sub-100ms), model flash yang dirancang khusus atau varian yang lebih kecil mungkin lebih disukai. Sifat pratinjau model ini juga berarti bahwa model ini belum sepenuhnya dioptimalkan untuk keandalan produksi; untuk beban kerja yang kritis, rilis stabil atau alternatif mungkin lebih tepat. Terakhir, jika panjang konteks Anda secara konsisten pendek (mis., <10K token), model yang lebih kecil dan lebih murah dengan kemampuan serupa dapat menghasilkan biaya per permintaan yang lebih rendah.
GPQA Diamond adalah sebuah tolok ukur yang terdiri dari pertanyaan pilihan ganda pada tingkat penalaran ilmiah tingkat pascasarjana. Skor 82.2 berarti model tersebut menjawab 82.2% dari pertanyaan-pertanyaan menantang ini dengan benar. Ini menempatkannya jauh di atas tebakan acak dan menunjukkan kemampuan penalaran yang kuat, terutama di bidang seperti fisika, kimia, dan biologi. Ini menunjukkan bahwa model dapat menangani inferensi bernuansa dan multi-langkah yang membutuhkan pengetahuan domain dan deduksi logis. Meskipun GPQA Diamond merupakan indikator yang baik untuk kedalaman penalaran, ia tidak mengukur aspek lain seperti kreativitas, kepatuhan terhadap instruksi, atau keselamatan. Sebagai perbandingan, banyak model mencapai skor dalam kisaran 60–80%, dengan model terbaik kadang-kadang melebihi 90%. Dengan demikian, 82.2 adalah hasil yang kompetitif untuk model pratinjau ringan.
Angka latensi pasti untuk Google Gemini 3.1 Flash Lite Preview belum diumumkan secara publik oleh Google. Secara umum, model "Flash Lite" dalam keluarga Gemini dirancang untuk memprioritaskan throughput dan efisiensi biaya dibandingkan kecepatan mentah. Model-model ini biasanya memiliki latensi per permintaan yang lebih tinggi dibandingkan dengan model "Flash" khusus ketika konteksnya panjang, karena ukuran jendela konteks yang besar. Namun, untuk prompt pendek, latensi mungkin sebanding dengan model ringan lainnya. Karena model berjalan di infrastruktur Google melalui OrcaRouter, latensi jaringan dan antrian juga dapat mempengaruhi waktu respons ujung-ke-ujung. Pengguna harus melakukan benchmarking dengan data mereka sendiri dan ukuran konteks yang diharapkan untuk menentukan apakah latensi memenuhi persyaratan mereka. Jika latensi sangat rendah sangat penting, pertimbangkan menggunakan model yang lebih kecil atau titik akhir khusus yang lebih cepat.
Sebagai model pratinjau, Google Gemini 3.1 Flash Lite Preview mungkin memiliki keandalan dan stabilitas yang lebih rendah dibandingkan dengan rilis produksi. Model ini mungkin sesekali menampilkan respons yang tidak tepat sasaran atau inkonsistensi dalam integrasi multimodal. Skor GPQA 82,2, meskipun kuat, lebih rendah dibandingkan model ukuran penuh yang berkinerja terbaik; untuk rantai penalaran yang sangat kompleks, model yang lebih besar mungkin diperlukan. Dukungan model terhadap input video dan file tunduk pada batasan format dan mungkin tidak menangani semua codec atau jenis file. Selain itu, jendela konteks 1M adalah batas; pemrosesan mendekati batas tersebut dapat menyebabkan peningkatan latensi dan penggunaan memori. Terakhir, karena diakses melalui OrcaRouter, pengguna tunduk pada kebijakan API OrcaRouter dan batas kecepatan yang mereka terapkan. Tidak ada data yang dicatat secara default, tetapi pengguna harus memverifikasi konfigurasi.
Penetapan harga untuk Google Gemini 3.1 Flash Lite Preview didasarkan pada penggunaan token, dengan tarif terpisah untuk token input dan output. Token input dikenakan biaya $0,25 per 1 juta token, dan token output sebesar $1,50 per 1 juta token. Ini adalah tarif penyedia dari Google; OrcaRouter tidak menambahkan markup, jadi harga yang Anda lihat adalah harga yang dikenakan oleh penyedia. Tidak ada biaya tambahan untuk otentikasi atau akses API di luar penggunaan standar. Penagihan diukur dalam token, yang kira-kira sesuai dengan kata atau potongan gambar/video/audio seperti yang ditentukan oleh tokenizer. Karena model ini mendukung input multimodal, setiap gambar, bingkai video, atau segmen audio juga diubah menjadi token dan dihitung ke dalam total input. Penetapan harga transparan dan dapat diprediksi bagi pengguna yang memantau jumlah token mereka.
Jendela konteks 1M token dapat secara signifikan meningkatkan biaya token input jika seluruh jendela digunakan. Pada $0.25 per juta token input, mengisi seluruh konteks 1M akan memakan biaya sekitar $0.25 per permintaan ditambah biaya output. Untuk aplikasi yang sering menggunakan konteks besar, ini masih bisa ekonomis dibandingkan dengan model dengan tarif per token yang lebih tinggi. Namun, jika input dapat dipotong atau diringkas, biaya dapat dikurangi. Kebijakan zero-markup dari OrcaRouter berarti Anda tidak membayar ekstra untuk menggunakan model ini melalui gerbang. Untuk pemrosesan batch, biaya per dokumen mungkin sangat rendah karena banyak dokumen pendek dapat digabungkan menjadi satu permintaan. Sebaliknya, jika jendela konteks selalu kecil, model dengan tarif per token yang lebih tinggi tetapi konteks yang lebih pendek mungkin lebih efisien karena total penggunaan token yang lebih rendah.
Halaman harga OrcaRouter menunjukkan bahwa penagihan standar berlaku untuk model ini; saat ini tidak ada penyebutan khusus tentang diskon caching untuk Google Gemini 3.1 Flash Lite Preview. Caching adalah fitur yang ditawarkan beberapa penyedia untuk mengurangi biaya untuk konten berulang, tetapi saat ini tidak disebutkan untuk model ini. Pengguna harus memeriksa dokumentasi OrcaRouter terbaru atau menghubungi dukungan untuk menanyakan tentang opsi caching di masa mendatang. Dengan tidak adanya caching, biaya per permintaan hanyalah jumlah token input dan output dikalikan dengan tarif masing-masing. Untuk mengelola biaya, pertimbangkan untuk menggunakan teknik optimasi prompt seperti mengurangi konteks yang tidak perlu, memangkas pesan sistem, dan mengelompokkan permintaan serupa untuk memaksimalkan efisiensi token.
Untuk menggunakan Google Gemini 3.1 Flash Lite Preview, kirim permintaan ke titik akhir API yang kompatibel dengan OpenAI milik OrcaRouter. URL dasarnya adalah https://api.orcarouter.ai/v1. Atur parameter model menjadi "google/gemini-3.1-flash-lite-preview". Otentikasi dilakukan melalui kunci API yang ditempatkan di header Authorization sebagai `Bearer YOUR_API_KEY`. API mendukung parameter penyelesaian obrolan OpenAI standar termasuk pesan (dengan peran: system, user, assistant), temperature, top_p, max_tokens, stop, dan frekuensi/penalti kehadiran. Untuk input multimodal, gunakan format array `content` dengan bidang `type` untuk teks, image_url, atau media lain yang didukung. Model juga menerima input file dan audio; lihat dokumentasi OrcaRouter untuk format yang tepat untuk modalitas ini.
API menerima sebagian besar parameter penyelesaian obrolan OpenAI standar. Parameter kunci meliputi: `messages` (wajib), `max_tokens` (hingga 65.536), `temperature` (0–2, default 1), `top_p` (0–1, default 1), `n` (jumlah penyelesaian, default 1), `stop` (daftar string), `frequency_penalty`, `presence_penalty`, dan `stream` (boolean). Model tidak mendukung parameter khusus Google selain yang diekspos oleh lapisan kompatibilitas OrcaRouter. Untuk permintaan multimodal, bidang `content` di setiap pesan menerima array objek dengan `type` (misalnya, "text", "image_url", "input_audio") dan data yang sesuai. Saat menggunakan input file, file harus diunggah ke URL yang didukung atau dienkode base64 secara inline. OrcaRouter mungkin memberlakukan batasan tambahan atau bidang wajib; lihat referensi API mereka untuk detail yang tepat.
Jika Anda sudah menggunakan model Google Gemini (misalnya, gemini-2.0-flash) melalui OrcaRouter, migrasi ke model pratinjau ini cukup mudah. Ubah kolom `model` pada permintaan API Anda dari ID model lama menjadi "google/gemini-3.1-flash-lite-preview". Tidak ada perubahan lain pada titik akhir API, autentikasi, atau format pesan yang diperlukan. Namun, perlu diingat bahwa model baru mungkin memiliki tokenisasi, batas panjang output, dan perilaku yang berbeda. Disarankan untuk menguji dengan beberapa sampel permintaan dan membandingkan outputnya. Modalitas inputnya sama dengan model Gemini lainnya, sehingga payload multimodal seharusnya berfungsi tanpa modifikasi. Jika Anda menggunakan parameter khusus model yang tidak ada dalam set yang kompatibel dengan OpenAI, parameter tersebut mungkin perlu dihapus atau disesuaikan. Terakhir, perhatikan bahwa ini adalah model pratinjau, sehingga mungkin tidak tersedia di semua wilayah atau memiliki kapasitas terbatas.
URL dasar untuk semua panggilan API adalah https://api.orcarouter.ai/v1. Pengenal model yang tepat untuk digunakan pada parameter `model` adalah "google/gemini-3.1-flash-lite-preview". Pengenal ini peka terhadap huruf besar/kecil. Sebagai contoh, permintaan curl lengkap akan terlihat seperti: curl https://api.orcarouter.ai/v1/chat/completions -H "Authorization: Bearer YOUR_API_KEY" -H "Content-Type: application/json" -d '{"model":"google/gemini-3.1-flash-lite-preview","messages":[{"role":"user","content":"Hello"}]}'. Pastikan untuk mengganti YOUR_API_KEY dengan kunci API OrcaRouter Anda yang sebenarnya. Format respons mengikuti struktur chat completion OpenAI, termasuk kolom id, object, choices, dan usage dengan jumlah token.
Dibandingkan dengan Gemini 2.0 Flash, 3.1 Flash Lite Preview menawarkan jendela konteks yang jauh lebih besar (1M vs 128K token) dan output maksimum yang lebih tinggi (65K vs 8K token). Skor GPQA Diamond sebesar 82.2 jauh lebih tinggi dibandingkan rentang tipikal 2.0 Flash yang berada di pertengahan 60-an, yang menunjukkan penalaran yang lebih kuat. Harga untuk 3.1 Flash Lite Preview adalah $0.25/$1.50 per juta token, sedangkan Gemini 2.0 Flash adalah $0.10/$0.40 per juta token — jadi model baru lebih mahal per token tetapi menawarkan konteks dan kemampuan penalaran yang jauh lebih besar. Untuk tugas-tugas yang membutuhkan konteks yang lebih besar dan penalaran yang lebih tinggi, premi harga mungkin dapat dibenarkan. Untuk tugas sederhana dengan konteks pendek, Gemini 2.0 Flash tetap lebih hemat biaya. Keduanya mendukung input multimodal, tetapi 3.1 menambahkan modalitas file dan audio.
GPT-4o mini memiliki jendela konteks 128K token dan output 16K token, dengan harga $0.15/$0.60 per juta token. Google Gemini 3.1 Flash Lite Preview memiliki jendela konteks 1M, output 65K, dan harga $0.25/$1.50. Model Gemini menawarkan 8x konteks dan 4x output, tetapi dengan biaya input sekitar 67% lebih tinggi dan biaya output 150% lebih tinggi. Pada GPQA Diamond, GPT-4o mini juga mendapat skor sekitar 82, membuat mereka sebanding dalam penalaran. Pilihan tergantung pada kebutuhan konteks: jika Anda memerlukan konteks >128K, model Gemini adalah satu-satunya pilihan. Jika konteksnya kecil, GPT-4o mini lebih murah. Selain itu, model Gemini mendukung input file dan audio, yang tidak didukung oleh GPT-4o mini melalui API standar.
Claude 3 Haiku dari Anthropic menawarkan jendela konteks 200K dan keluaran 8K token, dengan harga $0,25/$1,25 per juta token — biaya input yang sangat mirip tetapi biaya output sedikit lebih rendah dibandingkan model Gemini. Gemini 3.1 Flash Lite Preview memiliki konteks 5 kali lipat dan keluaran 8 kali lipat. Skor GPQA Diamond untuk Claude 3 Haiku tidak tersedia secara publik dari Anthropic, tetapi Haiku dioptimalkan untuk kecepatan dan tugas bentuk pendek, bukan penalaran mendalam. Skor GPQA 82,2 pada model Gemini menunjukkan penalaran yang lebih kuat, sementara Haiku kemungkinan memiliki latensi lebih rendah. Untuk tugas dengan volume tinggi yang sensitif terhadap biaya dengan konteks sedang, Haiku mungkin lebih baik. Untuk tugas yang memerlukan konteks sangat panjang atau penalaran multimodal (video, audio, file), pratinjau Gemini menawarkan keunggulan yang jelas. Keduanya dapat diakses melalui OrcaRouter dengan API yang kompatibel dengan OpenAI.
Model lengkap Gemini 3.1 Flash biasanya memiliki jendela konteks 256K token dan keluaran 8K token, dengan harga sekitar $0,10/$0,40 per juta token. Versi Lite Preview memiliki konteks 1M yang jauh lebih besar dan keluaran 65K, tetapi lebih mahal ($0,25/$1,50). Varian Lite dirancang untuk efisiensi biaya dalam skala besar, sedangkan model Flash lengkap dioptimalkan untuk kecepatan dan prompt pendek. Pada tolok ukur, Flash lengkap mungkin mencapai skor sedikit lebih tinggi pada beberapa metrik, tetapi skor GPQA Lite Preview sebesar 82,2 tetap kompetitif. Versi Lite juga mendukung lebih banyak modalitas input (file, audio). Label "Preview" menunjukkan bahwa ini adalah rilis awal; Flash lengkap sudah siap produksi. Jika Anda membutuhkan konteks sebesar mungkin dan tidak keberatan dengan biaya per token yang lebih tinggi, Lite Preview adalah pilihan yang lebih baik. Untuk interaksi cepat dan pendek, Flash lengkap tetap lebih disukai.
Kompatibel OpenAI — pakai SDK Anda yang sekarang
https://api.orcarouter.ai/v1https://api.orcarouter.aiimport os
from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key=os.environ["ORCAROUTER_API_KEY"],
)
response = client.chat.completions.create(
model="google/gemini-3.1-flash-lite-preview",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)include_reasoningmax_tokensreasoningresponse_formatseedstopstructured_outputstemperaturetool_choicetoolstop_p| Input / 1M token | $0.250 |
| Output / 1M token | $1.50 |
| Baca cache / 1M | $0.025 |
| Mata uang | USD |
Perkiraan berdasarkan harga daftar
Hanya perkiraan — jumlah token sebenarnya bergantung pada tokenizer penyedia.
Yang dibicarakan developer minggu ini
GET /api/public/models/google/gemini-3.1-flash-lite-previewBuka @misc{orcarouter_gemini_3_1_flash_lite_preview,
title = {Gemini 3.1 Flash Lite Preview API},
author = {Google},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/google/gemini-3.1-flash-lite-preview}
}Google. (2026). Gemini 3.1 Flash Lite Preview API. OrcaRouter. https://www.orcarouter.ai/models/google/gemini-3.1-flash-lite-preview