Gemini 3.1 Flash Lite Preview é o modelo de alta eficiência do Google, otimizado para casos de uso de alto volume. Ele supera o Gemini 2.5 Flash Lite em qualidade geral e se aproxima do desempenho do Gemini 2.5 Flash em...
O Google Gemini 3.1 Flash Lite Preview é uma versão de pré-visualização de uma variante leve da série Gemini 3.1. Ele foi projetado para oferecer raciocínio robusto e compreensão multimodal por uma…
O Google Gemini 3.1 Flash Lite Preview se destaca em tarefas que exigem o processamento de grandes volumes de dados textuais ou multimodais em um único contexto. Os casos de uso incluem respostas a perguntas em documentos longos, onde o texto completo pode ser fornecido como contexto; sumarização e análise de vídeos, onde vários quadros ou clipes são combinados; e transcrição de áudio com raciocínio contextual. A ampla janela de contexto o torna eficaz para tarefas como revisão de contratos, pesquisa jurídica e análise de artigos acadêmicos. Sua pontuação de 82,2 no GPQA Diamond sugere um forte desempenho em questões de raciocínio de nível de pós-graduação, sendo também útil para a resolução de problemas complexos em ciência, matemática e engenharia. Além disso, seu suporte multimodal permite tarefas como legendagem de imagens combinada com instruções de texto, ou extração de dados baseada em arquivos de PDFs e planilhas.
Os principais pontos fortes do modelo são sua janela de contexto muito grande de 1 milhão de tokens, capacidades multimodais de entrada e desempenho competitivo em raciocínio a um preço baixo. O preço de $0,25/$1,50 por milhão de tokens está entre os mais acessíveis para um modelo com esse tamanho de contexto e pontuação de benchmark. O resultado de 82,2 no GPQA Diamond indica que o modelo pode lidar com tarefas complexas de raciocínio de múltiplas etapas que frequentemente exigem compreensão profunda. A capacidade de aceitar texto, imagem, vídeo, arquivo e áudio na mesma solicitação significa que os aplicativos podem correlacionar informações entre modalidades sem fragmentação externa de dados. Para desenvolvedores que usam o OrcaRouter, a cobrança sem margem de lucro garante que os custos permaneçam previsíveis e alinhados com as taxas do provedor. A API compatível com OpenAI reduz ainda mais o atrito de integração.
Apesar do seu baixo custo, este modelo pode ser exagero para tarefas muito simples, como classificação de texto de formato curto, sumarização em pequena escala ou traduções de turno único. Para esses casos de uso, embeddings ainda mais baratos ou classificadores dedicados podem ser mais econômicos. Além disso, se sua aplicação exigir latência extremamente baixa (sub-100ms), um modelo flash específico ou uma variante menor podem ser preferíveis. A natureza de pré-visualização deste modelo também significa que ele ainda não está totalmente otimizado para confiabilidade em produção; para cargas de trabalho críticas, uma versão estável ou alternativa pode ser mais apropriada. Finalmente, se seus comprimentos de contexto forem consistentemente curtos (ex.: <10K tokens), um modelo menor e mais barato com capacidades semelhantes pode gerar custos menores por requisição.
GPQA Diamond é um benchmark composto por perguntas de múltipla escolha no nível de raciocínio científico de pós-graduação. Uma pontuação de 82,2 significa que o modelo respondeu corretamente a 82,2% dessas questões desafiadoras. Isso a coloca bem acima da chance aleatória e indica forte capacidade de raciocínio, particularmente em domínios como física, química e biologia. Sugere que o modelo pode lidar com inferências sutis e de múltiplas etapas que exigem conhecimento de domínio e dedução lógica. Embora o GPQA Diamond seja um bom indicador de profundidade de raciocínio, ele não mede outros aspectos como criatividade, seguimento de instruções ou segurança. Para comparação, muitos modelos alcançam pontuações na faixa de 60–80%, com os melhores modelos ocasionalmente excedendo 90%. Assim, 82,2 é um resultado competitivo para um modelo de pré-visualização leve.
Os números exatos de latência para o Google Gemini 3.1 Flash Lite Preview não foram divulgados publicamente pelo Google. Em geral, os modelos "Flash Lite" da família Gemini são projetados para priorizar a taxa de transferência e a eficiência de custo em vez da velocidade bruta. Eles normalmente apresentam maior latência por solicitação em comparação com modelos "Flash" dedicados quando o contexto é longo, devido ao grande tamanho da janela de contexto. No entanto, para prompts curtos, a latência pode ser comparável a outros modelos leves. Como o modelo é executado na infraestrutura do Google por meio do OrcaRouter, a latência de rede e o enfileiramento também podem afetar o tempo total de resposta. Os usuários devem realizar benchmarks com seus próprios dados e tamanhos de contexto esperados para determinar se a latência atende aos seus requisitos. Se uma latência ultrabaixa for essencial, considere usar um modelo menor ou um endpoint dedicado mais rápido.
Como um modelo de pré-visualização, o Google Gemini 3.1 Flash Lite Preview pode ter menor confiabilidade e estabilidade em comparação com as versões de produção. Pode exibir respostas ocasionalmente fora do alvo ou inconsistências na integração multimodal. A pontuação GPQA de 82.2, embora forte, é inferior à dos melhores modelos de tamanho completo; para cadeias de raciocínio extremamente complexas, um modelo maior pode ser necessário. O suporte do modelo para entradas de vídeo e arquivos está sujeito a restrições de formato e pode não lidar com todos os codecs ou tipos de arquivo. Além disso, a janela de contexto de 1M é um limite; o processamento próximo a esse limite pode levar a maior latência e uso de memória. Finalmente, como é acessado através do OrcaRouter, os usuários estão sujeitos às políticas de API do OrcaRouter e a quaisquer limites de taxa que eles imponham. Nenhum dado é registrado por padrão, mas os usuários devem verificar a configuração.
O preço do Google Gemini 3.1 Flash Lite Preview é baseado no uso de tokens, com taxas separadas para tokens de entrada e saída. Tokens de entrada são cobrados a $0,25 por 1 milhão de tokens, e tokens de saída a $1,50 por 1 milhão de tokens. Estas são as taxas do provedor Google; o OrcaRouter não adiciona nenhum markup, portanto o preço que você vê é o preço cobrado pelo provedor. Não há taxas adicionais para autenticação ou acesso à API além do uso padrão. A cobrança é medida em tokens, que correspondem aproximadamente a palavras ou fragmentos de imagem/vídeo/áudio conforme definidos pelo tokenizador. Como o modelo suporta entradas multimodais, cada imagem, quadro de vídeo ou segmento de áudio também é tokenizado e contabilizado no total de entrada. O preço é transparente e previsível para usuários que monitoram suas contagens de tokens.
A janela de contexto de 1 milhão de tokens pode aumentar significativamente os custos de tokens de entrada se toda a janela for utilizada. A $0,25 por milhão de tokens de entrada, preencher o contexto completo de 1M custaria aproximadamente $0,25 por requisição, mais encargos de saída. Para aplicações que usam contextos grandes com frequência, isso ainda pode ser econômico em comparação com modelos com taxas por token mais altas. No entanto, se a entrada puder ser truncada ou resumida, os custos podem ser reduzidos. A política de markup zero da OrcaRouter significa que você não paga a mais por usar este modelo através de um gateway. Para processamento em lote, o custo por documento pode ser muito baixo, pois muitos documentos curtos podem ser combinados em uma única requisição. Por outro lado, se as janelas de contexto forem sempre pequenas, um modelo com uma taxa por token mais alta, mas contexto mais curto, pode ser mais eficiente devido ao menor uso total de tokens.
A página de preços do OrcaRouter indica que a cobrança padrão se aplica a este modelo; não há menção específica de descontos de cache para o Google Gemini 3.1 Flash Lite Preview no momento. Cache é um recurso que alguns provedores oferecem para reduzir custos de conteúdo repetido, mas atualmente não está indicado para este modelo. Os usuários devem verificar a documentação mais recente do OrcaRouter ou entrar em contato com o suporte para saber sobre futuras opções de cache. Na ausência de cache, o custo por solicitação é simplesmente a soma dos tokens de entrada e saída multiplicada pelas respectivas taxas. Para gerenciar custos, considere usar técnicas de otimização de prompt, como reduzir contexto desnecessário, cortar mensagens do sistema e agrupar solicitações semelhantes para maximizar a eficiência de tokens.
Para usar o Google Gemini 3.1 Flash Lite Preview, envie requisições para o endpoint de API compatível com OpenAI do OrcaRouter. A URL base é https://api.orcarouter.ai/v1. Defina o parâmetro model como "google/gemini-3.1-flash-lite-preview". A autenticação é feita através de uma chave API colocada no cabeçalho Authorization como `Bearer YOUR_API_KEY`. A API suporta parâmetros padrão de conclusão de chat do OpenAI, incluindo messages (com roles: system, user, assistant), temperature, top_p, max_tokens, stop e frequency/presence penalties. Para entradas multimodais, use o formato de array `content` com campos `type` para text, image_url ou outras mídias suportadas. O modelo também aceita entradas de arquivo e áudio; consulte a documentação do OrcaRouter para o formato exato dessas modalidades.
A API aceita a maioria dos parâmetros padrão de conclusão de chat do OpenAI. Os principais parâmetros incluem: `messages` (obrigatório), `max_tokens` (até 65.536), `temperature` (0 a 2, padrão 1), `top_p` (0 a 1, padrão 1), `n` (número de conclusões, padrão 1), `stop` (lista de strings), `frequency_penalty`, `presence_penalty` e `stream` (booleano). O modelo não suporta parâmetros personalizados específicos do Google além daqueles expostos pela camada de compatibilidade do OrcaRouter. Para solicitações multimodais, o campo `content` em cada mensagem aceita um array de objetos com `type` (ex.: "text", "image_url", "input_audio") e os dados correspondentes. Ao usar entradas de arquivo, o arquivo deve ser carregado em uma URL compatível ou codificado em base64 inline. O OrcaRouter pode impor restrições adicionais ou campos obrigatórios; consulte a referência da API deles para detalhes exatos.
Se você já estiver usando um modelo Google Gemini (por exemplo, gemini-2.0-flash) por meio do OrcaRouter, a migração para este modelo de pré-visualização é simples. Altere o campo `model` nas suas requisições de API do ID do modelo antigo para "google/gemini-3.1-flash-lite-preview". Nenhuma outra alteração no endpoint da API, autenticação ou formato da mensagem é necessária. No entanto, esteja ciente de que o novo modelo pode ter tokenização, limites de comprimento de saída e comportamento diferentes. Recomenda-se testar com algumas requisições de amostra e comparar as saídas. As modalidades de entrada são as mesmas de outros modelos Gemini, portanto, cargas multimodais devem funcionar sem modificação. Se você estava usando parâmetros específicos do modelo que não fazem parte do conjunto compatível com OpenAI, eles podem precisar ser removidos ou adaptados. Por fim, observe que este é um modelo de pré-visualização, portanto pode não estar disponível em todas as regiões ou pode ter capacidade limitada.
A URL base para todas as chamadas de API é https://api.orcarouter.ai/v1. O identificador exato do modelo a ser usado no parâmetro `model` é "google/gemini-3.1-flash-lite-preview". Esse identificador diferencia maiúsculas de minúsculas. Por exemplo, uma solicitação curl completa teria a seguinte aparência: 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"}]}'. Certifique-se de substituir YOUR_API_KEY pela sua chave de API OrcaRouter real. O formato da resposta segue a estrutura de conclusão de chat da OpenAI, incluindo os campos id, object, choices e usage com contagens de tokens.
Comparado ao Gemini 2.0 Flash, o 3.1 Flash Lite Preview oferece uma janela de contexto muito maior (1M vs 128K tokens) e uma saída máxima mais alta (65K vs 8K tokens). Sua pontuação GPQA Diamond de 82,2 é significativamente maior que a faixa típica de meados dos anos 60 do 2.0 Flash, indicando raciocínio mais forte. O preço do 3.1 Flash Lite Preview é de $0,25/$1,50 por milhão de tokens, enquanto o Gemini 2.0 Flash é de $0,10/$0,40 por milhão de tokens — então o novo modelo é mais caro por token, mas oferece capacidade de contexto e raciocínio muito maior. Para tarefas que exigem o contexto maior e raciocínio mais alto, o prêmio de preço pode ser justificado. Para tarefas simples de contexto curto, o Gemini 2.0 Flash permanece mais econômico. Ambos suportam entradas multimodais, mas o 3.1 adiciona modalidades de arquivo e áudio.
GPT-4o mini possui uma janela de contexto de 128K tokens e saída de 16K tokens, com preços de $0,15/$0,60 por milhão de tokens. O Google Gemini 3.1 Flash Lite Preview tem uma janela de contexto de 1M, saída de 65K e preços de $0,25/$1,50. O modelo Gemini oferece 8x o contexto e 4x a saída, mas com custo de entrada aproximadamente 67% maior e custo de saída 150% maior. No GPQA Diamond, o GPT-4o mini atinge cerca de 82, tornando-os comparáveis em raciocínio. A escolha depende das necessidades de contexto: se você precisar de >128K de contexto, o modelo Gemini é a única opção. Se o contexto for pequeno, o GPT-4o mini é mais barato. Além disso, o modelo Gemini suporta entradas de arquivo e áudio, o que o GPT-4o mini não faz através da API padrão.
O Claude 3 Haiku da Anthropic oferece uma janela de contexto de 200K e saída de 8K tokens, com preços de $0.25/$1.25 por milhão de tokens — custo de entrada muito semelhante, mas custo de saída ligeiramente menor do que o modelo Gemini. O Gemini 3.1 Flash Lite Preview tem 5x o contexto e 8x a saída. As pontuações GPQA Diamond para o Claude 3 Haiku não estão disponíveis publicamente pela Anthropic, mas o Haiku é otimizado para velocidade e tarefas curtas, não para raciocínio profundo. O GPQA de 82.2 do modelo Gemini sugere um raciocínio mais forte, enquanto o Haiku provavelmente tem menor latência. Para tarefas sensíveis a custo e de alto volume com contexto moderado, o Haiku pode ser melhor. Para tarefas que exigem contexto muito longo ou raciocínio multimodal (vídeo, áudio, arquivos), a prévia do Gemini oferece vantagens distintas. Ambos são acessíveis via OrcaRouter com APIs compatíveis com OpenAI.
O modelo completo Gemini 3.1 Flash normalmente tem uma janela de contexto de 256K tokens e saída de 8K tokens, com preços em torno de $0.10/$0.40 por milhão de tokens. A versão Lite Preview tem um contexto muito maior de 1M e saída de 65K, mas é mais cara ($0.25/$1.50). A variante Lite é projetada para eficiência de custo em escala, enquanto o modelo Flash completo é otimizado para velocidade e prompts curtos. Em benchmarks, o Flash completo pode alcançar pontuações ligeiramente mais altas em algumas métricas, mas a pontuação GPQA de 82.2 do Lite Preview é competitiva. A versão Lite também suporta mais modalidades de entrada (arquivo, áudio). O rótulo "Preview" indica que é um lançamento inicial; o Flash completo está pronto para produção. Se você precisa do maior contexto possível e não se importa com o custo mais alto por token, o Lite Preview é a melhor escolha. Para interações rápidas e curtas, o Flash completo continua sendo preferível.
Compatível com OpenAI — mantenha seu SDK
https://api.orcarouter.ai/v1https://api.orcarouter.aifrom openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$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| Entrada / 1M tokens | $0.250 |
| Saída / 1M tokens | $1.50 |
| Leitura de cache / 1M | $0.025 |
| Moeda | USD |
Estimativa com base no preço de tabela
Apenas uma estimativa — a contagem real de tokens depende do tokenizador do provedor.
GET /api/public/models/google/gemini-3.1-flash-lite-previewAbrir @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