Gemini 3.1 Flash Lite Preview is het hoogefficiënte model van Google, geoptimaliseerd voor gebruiksscenario's met hoge volumes. Het presteert beter dan Gemini 2.5 Flash Lite op het gebied van algehele kwaliteit en benadert de prestaties van Gemini 2.5 Flash op het gebied van...
Google Gemini 3.1 Flash Lite Preview is een previewversie van een lichte variant uit de Gemini 3.1-serie. Het is ontworpen om sterke redeneervaardigheden en multimodaal begrip te leveren tegen een…
Google Gemini 3.1 Flash Lite Preview blinkt uit in taken die het verwerken van grote volumes tekstuele of multimodale data in één enkele context vereisen. Toepassingen zijn onder meer het beantwoorden van vragen over lange documenten, waarbij de volledige tekst als context kan worden meegegeven; videosamenvatting en -analyse, waarbij meerdere frames of clips worden gecombineerd; en audiotranscriptie met contextuele redenering. Het grote contextvenster maakt het effectief voor taken zoals contractbeoordeling, juridisch onderzoek en analyse van academische papers. De 82.2 GPQA Diamond-score wijst op sterke prestaties bij redeneervragen op masterniveau, dus het is ook nuttig voor complexe probleemoplossingen in de wetenschap, wiskunde en techniek. Daarnaast maakt de multimodale ondersteuning taken mogelijk zoals het combineren van beeldbeschrijving met tekstinstructies, of extractie van bestandsgebaseerde gegevens uit PDF's en spreadsheets.
De belangrijkste sterke punten van het model zijn het zeer grote contextvenster van 1 miljoen tokens, de multimodale invoermogelijkheden en de concurrerende redeneerprestaties tegen een lage prijs. De prijs van $0.25/$1.50 per miljoen tokens is een van de meest betaalbare voor een model met deze contextgrootte en benchmark-score. Het GPQA Diamond-resultaat van 82.2 geeft aan dat het model complexe, meerstaps redeneertaken aankan die vaak diepgaand begrip vereisen. De mogelijkheid om tekst, afbeelding, video, bestand en audio in dezelfde aanvraag te accepteren, betekent dat applicaties informatie over modaliteiten heen kunnen correleren zonder externe datafragmentatie. Voor ontwikkelaars die OrcaRouter gebruiken, zorgt de facturering zonder opslag ervoor dat de kosten voorspelbaar blijven en in lijn zijn met de tarieven van de provider. De OpenAI-compatibele API vermindert verder de integratiewrijving.
Ondanks de lage kosten kan dit model overdreven zijn voor zeer eenvoudige taken zoals korte-tekstclassificatie, kleinschalige samenvatting of vertalingen in één richting. Voor dergelijke gebruikssituaties kunnen zelfs goedkopere embeddings of speciale classifiers kosteneffectiever zijn. Bovendien, als uw applicatie extreem lage latentie vereist (sub-100ms), kan een speciaal gebouwd flashmodel of een kleinere variant de voorkeur hebben. Het previewkarakter van dit model betekent ook dat het nog niet volledig is geoptimaliseerd voor productiebetrouwbaarheid; voor missiekritieke workloads is een stabiele release of een alternatief wellicht geschikter. Ten slotte, als uw contextlengtes consistent kort zijn (bijv. <10K tokens), kan een kleiner, goedkoper model met vergelijkbare mogelijkheden lagere kosten per aanvraag opleveren.
GPQA Diamond is een benchmark bestaande uit meerkeuzevragen op het niveau van wetenschappelijk redeneren op graduate-niveau. Een score van 82,2 betekent dat het model 82,2% van deze uitdagende vragen correct heeft beantwoord. Dit plaatst het ver boven kansniveau en duidt op een sterk redeneervermogen, met name op gebieden als natuurkunde, scheikunde en biologie. Het suggereert dat het model genuanceerde, meerstapsinferentie aankan die domeinkennis en logische deductie vereist. Hoewel GPQA Diamond een goede indicator is van redeneerdiepte, meet het geen andere aspecten zoals creativiteit, het opvolgen van instructies of veiligheid. Ter vergelijking: veel modellen behalen scores in het bereik van 60–80%, waarbij de beste modellen soms boven de 90% uitkomen. 82,2 is dus een concurrerend resultaat voor een lichtgewicht previewmodel.
Exacte latentiecijfers voor Google Gemini 3.1 Flash Lite Preview zijn niet openbaar bekendgemaakt door Google. Over het algemeen zijn "Flash Lite"-modellen in de Gemini-familie ontworpen om doorvoer en kostenefficiëntie te prioriteren boven ruwe snelheid. Ze hebben doorgaans een hogere latentie per verzoek vergeleken met speciale "Flash"-modellen wanneer de context lang is, vanwege de grote contextvenstergrootte. Voor korte prompts kan de latentie echter vergelijkbaar zijn met andere lichtgewicht modellen. Omdat het model draait op Google's infrastructuur via OrcaRouter, kunnen netwerklatentie en wachtrijen ook de end-to-end responstijd beïnvloeden. Gebruikers moeten benchmarken met hun eigen gegevens en verwachte contextgroottes om te bepalen of de latentie aan hun vereisten voldoet. Als ultra-lage latentie essentieel is, overweeg dan het gebruik van een kleiner model of een sneller specifiek eindpunt.
Als een previewmodel kan Google Gemini 3.1 Flash Lite Preview een lagere betrouwbaarheid en stabiliteit hebben in vergelijking met productiereleases. Het kan af en toe off-target reacties of inconsistenties in multimodale integratie vertonen. De GPQA-score van 82,2, hoewel sterk, is lager dan die van de best presterende modellen op volledige grootte; voor extreem complexe redeneerketens kan een groter model nodig zijn. De ondersteuning van het model voor video- en bestandsinvoer is onderhevig aan formaatbeperkingen en kan mogelijk niet alle codecs of bestandstypen verwerken. Bovendien is het 1M contextvenster een limiet; verwerking nabij die grens kan leiden tot verhoogde latentie en geheugengebruik. Ten slotte, omdat het wordt benaderd via OrcaRouter, zijn gebruikers onderworpen aan de API-beleid van OrcaRouter en eventuele snelheidslimieten die zij opleggen. Er worden standaard geen gegevens gelogd, maar gebruikers moeten de configuratie verifiëren.
De prijzen voor Google Gemini 3.1 Flash Lite Preview zijn gebaseerd op tokenverbruik, met aparte tarieven voor invoer- en uitvoertokens. Invoertokens worden gefactureerd tegen $0,25 per 1 miljoen tokens, en uitvoertokens tegen $1,50 per 1 miljoen tokens. Dit zijn de provider tarieven van Google; OrcaRouter voegt geen toeslag toe, dus de prijs die u ziet is de prijs die de provider in rekening brengt. Er zijn geen extra kosten voor authenticatie of API-toegang naast het standaardgebruik. Facturatie wordt gemeten in tokens, die ongeveer overeenkomen met woorden of afbeeldingen/video-/audioblokken zoals gedefinieerd door de tokenizer. Omdat het model multimodale invoer ondersteunt, wordt elke afbeelding, videoframe of audiosegment ook getokeniseerd en meegeteld in het invoertotaal. De prijzen zijn transparant en voorspelbaar voor gebruikers die hun tokentellingen monitoren.
Het contextvenster van 1M tokens kan de invoertokenkosten aanzienlijk verhogen als het volledige venster wordt gebruikt. Bij $0.25 per miljoen invoertokens kost het vullen van de volledige 1M-context ongeveer $0.25 per aanvraag plus uitvoerkosten. Voor toepassingen die vaak grote contexten gebruiken, kan dit nog steeds economisch zijn in vergelijking met modellen met hogere tarieven per token. Als de invoer echter kan worden ingekort of samengevat, kunnen de kosten worden verlaagd. Het nulopslagbeleid van OrcaRouter betekent dat u niet extra betaalt voor het gebruik van dit model via een gateway. Voor batchverwerking kunnen de kosten per document zeer laag zijn omdat veel korte documenten in één aanvraag kunnen worden gecombineerd. Omgekeerd, als contextvensters altijd klein zijn, kan een model met een hoger tarief per token maar kortere context efficiënter zijn vanwege een lager totaal tokenverbruik.
De prijspagina van OrcaRouter geeft aan dat de standaard facturering van toepassing is op dit model; er wordt op dit moment geen specifieke vermelding gemaakt van caching-kortingen voor Google Gemini 3.1 Flash Lite Preview. Caching is een functie die sommige aanbieders bieden om kosten voor herhaalde inhoud te verlagen, maar momenteel wordt dit niet vermeld voor dit model. Gebruikers dienen de nieuwste OrcaRouter-documentatie te raadplegen of contact op te nemen met de ondersteuning om te informeren naar eventuele toekomstige caching-opties. Bij afwezigheid van caching zijn de kosten per verzoek simpelweg de som van invoer- en uitvoertokens vermenigvuldigd met de respectieve tarieven. Om de kosten te beheren, overweeg het gebruik van promptoptimalisatietechnieken zoals het verminderen van onnodige context, het inkorten van systeemberichten en het bundelen van vergelijkbare verzoeken om de tokenefficiëntie te maximaliseren.
Om Google Gemini 3.1 Flash Lite Preview te gebruiken, stuurt u verzoeken naar de OpenAI-compatibele API-endpoint van OrcaRouter. De basis-URL is https://api.orcarouter.ai/v1. Stel de modelparameter in op "google/gemini-3.1-flash-lite-preview". Authenticatie gebeurt via een API-sleutel die in de Authorization-header wordt geplaatst als `Bearer YOUR_API_KEY`. De API ondersteunt standaard OpenAI-chatvoltooiingsparameters, waaronder messages (met rollen: system, user, assistant), temperature, top_p, max_tokens, stop en frequency/presence penalties. Voor multimodale invoer gebruikt u de `content`-array-indeling met `type`-velden voor tekst, image_url of andere ondersteunde media. Het model accepteert ook bestands- en audio-invoer; raadpleeg de documentatie van OrcaRouter voor de exacte indeling voor deze modaliteiten.
De API accepteert de meeste standaard OpenAI-chatvoltooiingsparameters. Belangrijke parameters zijn: `messages` (vereist), `max_tokens` (tot 65,536), `temperature` (0–2, standaard 1), `top_p` (0–1, standaard 1), `n` (aantal voltooiingen, standaard 1), `stop` (lijst van tekenreeksen), `frequency_penalty`, `presence_penalty` en `stream` (boolean). Het model ondersteunt geen aangepaste Google-specifieke parameters buiten degene die worden blootgesteld door de compatibiliteitslaag van OrcaRouter. Voor multimodale verzoeken accepteert het `content`-veld in elk bericht een reeks objecten met `type` (bijv. "text", "image_url", "input_audio") en bijbehorende gegevens. Bij gebruik van bestandsinvoer moet het bestand worden geüpload naar een ondersteunde URL of inline base64-gecodeerd. OrcaRouter kan aanvullende beperkingen of vereiste velden opleggen; raadpleeg hun API-referentie voor exacte details.
Als u al een Google Gemini-model gebruikt (bijv. gemini-2.0-flash) via OrcaRouter, is migreren naar dit previewmodel eenvoudig. Wijzig het `model`-veld in uw API-verzoeken van de oude model-ID naar "google/gemini-3.1-flash-lite-preview". Er zijn geen andere wijzigingen in het API-eindpunt, de authenticatie of het berichtformaat vereist. Houd er echter rekening mee dat het nieuwe model mogelijk andere tokenisatie, uitvoerlengtebeperkingen en gedrag heeft. Het wordt aanbevolen om te testen met een paar voorbeeldverzoeken en uitvoer te vergelijken. De invoermodaliteiten zijn hetzelfde als bij andere Gemini-modellen, dus multimodale payloads zouden zonder aanpassingen moeten werken. Als u model-specifieke parameters gebruikte die niet in de OpenAI-compatibele set zitten, moeten deze mogelijk worden verwijderd of aangepast. Let er ten slotte op dat dit een previewmodel is, dus het is mogelijk niet in alle regio's beschikbaar of heeft beperkte capaciteit.
De basis-URL voor alle API-aanroepen is https://api.orcarouter.ai/v1. De exacte model-identificatie voor gebruik in de `model`-parameter is "google/gemini-3.1-flash-lite-preview". Deze identificatie is hoofdlettergevoelig. Een compleet curl-verzoek ziet er bijvoorbeeld als volgt uit: 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"}]}'. Zorg ervoor dat u YOUR_API_KEY vervangt door uw eigen OrcaRouter API-sleutel. Het antwoordformaat volgt de chatcompletion-structuur van OpenAI, inclusief de velden id, object, choices en usage met token-aantallen.
Vergeleken met Gemini 2.0 Flash biedt de 3.1 Flash Lite Preview een veel grotere contextvenster (1M vs 128K tokens) en een hogere maximale output (65K vs 8K tokens). De GPQA Diamond-score van 82,2 is aanzienlijk hoger dan de typische midden-60-range van 2.0 Flash, wat duidt op sterker redeneervermogen. De prijzen voor 3.1 Flash Lite Preview zijn $0,25/$1,50 per miljoen tokens, terwijl Gemini 2.0 Flash $0,10/$0,40 per miljoen tokens kost — dus het nieuwe model is duurder per token, maar biedt veel meer context en redeneercapaciteit. Voor taken die de grotere context en hogere redeneerkracht vereisen, kan de prijspremie gerechtvaardigd zijn. Voor eenvoudige taken met korte context blijft Gemini 2.0 Flash kosteneffectiever. Beide ondersteunen multimodale inputs, maar 3.1 voegt bestands- en audiomodalities toe.
GPT-4o mini heeft een contextvenster van 128K tokens en een output van 16K tokens, met prijzen van $0.15/$0.60 per miljoen tokens. Google Gemini 3.1 Flash Lite Preview heeft een contextvenster van 1M, een output van 65K en prijzen van $0.25/$1.50. Het Gemini-model biedt 8x de context en 4x de output, maar tegen ongeveer 67% hogere invoerkosten en 150% hogere uitvoerkosten. Op GPQA Diamond scoort GPT-4o mini ook rond de 82, waardoor ze qua redeneren vergelijkbaar zijn. De keuze hangt af van de contextbehoeften: als u meer dan 128K context nodig heeft, is het Gemini-model de enige optie. Als de context klein is, is GPT-4o mini goedkoper. Daarnaast ondersteunt het Gemini-model bestands- en audio-invoer, wat GPT-4o mini niet via de standaard API doet.
Claude 3 Haiku van Anthropic biedt een contextvenster van 200K en een output van 8K tokens, met een prijs van $0,25/$1,25 per miljoen tokens — zeer vergelijkbare invoerkosten maar iets lagere uitvoerkosten dan het Gemini-model. Gemini 3.1 Flash Lite Preview heeft 5x de context en 8x de output. GPQA Diamond-scores voor Claude 3 Haiku zijn niet openbaar beschikbaar van Anthropic, maar Haiku is geoptimaliseerd voor snelheid en kortdurende taken, niet voor diep redeneren. Het Gemini-model met 82,2 GPQA suggereert sterker redeneervermogen, terwijl Haiku waarschijnlijk lagere latentie heeft. Voor kostengevoelige, hoogvolume taken met gematigde context kan Haiku beter zijn. Voor taken die een zeer lange context of multimodaal redeneren (video, audio, bestanden) vereisen, biedt de Gemini-preview duidelijke voordelen. Beide zijn toegankelijk via OrcaRouter met OpenAI-compatibele API's.
Het volledige Gemini 3.1 Flash-model heeft doorgaans een contextvenster van 256K tokens en een uitvoer van 8K tokens, met prijzen rond $0.10/$0.40 per miljoen tokens. De Lite Preview-versie heeft een veel groter contextvenster van 1M en 65K uitvoer, maar is duurder ($0.25/$1.50). De Lite-variant is ontworpen voor kostenefficiëntie op schaal, terwijl het volledige Flash-model is geoptimaliseerd voor snelheid en korte prompts. Op benchmarks haalt het volledige Flash-model mogelijk iets hogere scores op sommige metrieken, maar de GPQA-score van 82.2 van de Lite Preview is concurrerend. De Lite-versie ondersteunt ook meer invoermodaliteiten (bestand, audio). Het label 'Preview' geeft aan dat het een vroege release is; de volledige Flash is productieklaar. Als je de grootst mogelijke context nodig hebt en het niet erg vindt om de hogere prijs per token te betalen, is de Lite Preview de betere keuze. Voor snelle, korte interacties blijft de volledige Flash de voorkeur hebben.
OpenAI-compatibel — behoud je huidige SDK
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| Invoer / 1M tokens | $0.250 |
|---|---|
| Uitvoer / 1M tokens | $1.50 |
| Cache lezen / 1M | $0.025 |
| Valuta | USD |
Schatting op basis van catalogusprijs
Alleen een schatting — het werkelijke aantal tokens hangt af van de tokenizer van de aanbieder.
Waar ontwikkelaars het deze week over hebben
GET /api/public/models/google/gemini-3.1-flash-lite-previewOpenen @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