Gemini 3.1 Flash Lite Preview เป็นโมเดลประสิทธิภาพสูงของ Google ที่ปรับแต่งมาเพื่อกรณีการใช้งานปริมาณมาก โดยมีประสิทธิภาพเหนือกว่า Gemini 2.5 Flash Lite ในด้านคุณภาพโดยรวม และเข้าใกล้ประสิทธิภาพของ Gemini 2.5 Flash ในด้านต่างๆ...
Google Gemini 3.1 Flash Lite Preview เป็นรุ่นตัวอย่างของรุ่นน้ำหนักเบาจากซีรีส์ Gemini 3.1 ออกแบบมาเพื่อให้ความสามารถในการเหตุผลที่แข็งแกร่งและความเข้าใจแบบหลายรูปแบบในราคาเพียงเศษเสี้ยวของโมเดลเรือธง…
Google Gemini 3.1 Flash Lite Preview มีความโดดเด่นในงานที่ต้องการประมวลผลข้อมูลข้อความหรือข้อมูลหลากหลายรูปแบบปริมาณมากในบริบทเดียว กรณีการใช้งานรวมถึงการตอบคำถามจากเอกสารยาวๆ ซึ่งสามารถป้อนข้อความทั้งหมดเป็นบริบท การสรุปและวิเคราะห์วิดีโอซึ่งรวมหลายเฟรมหรือคลิปเข้าด้วยกัน และการถอดเสียงพูดด้วยการให้เหตุผลเชิงบริบท หน้าต่างบริบทที่สูงทำให้มีประสิทธิภาพสำหรับงานต่างๆ เช่น การตรวจสอบสัญญา การวิจัยทางกฎหมาย และการวิเคราะห์เอกสารวิชาการ คะแนน GPQA Diamond 82.2 บ่งชี้ถึงประสิทธิภาพที่แข็งแกร่งในคำถามเชิงเหตุผลระดับบัณฑิตศึกษา ดังนั้นจึงมีประโยชน์สำหรับการแก้ปัญหาที่ซับซ้อนในด้านวิทยาศาสตร์ คณิตศาสตร์ และวิศวกรรม นอกจากนี้ การรองรับหลากหลายรูปแบบยังช่วยให้ทำงานต่างๆ เช่น การสร้างคำบรรยายภาพร่วมกับคำแนะนำข้อความ หรือการดึงข้อมูลจากไฟล์ PDF และสเปรดชีต
จุดแข็งหลักของโมเดลคือหน้าต่างบริบทขนาดใหญ่ถึง 1M โทเคน ความสามารถในการรับอินพุตแบบหลายรูปแบบ และประสิทธิภาพการให้เหตุผลที่แข่งขันได้ในราคาต่ำ การกำหนดราคาที่ $0.25/$1.50 ต่อล้านโทเคนนั้นเป็นราคาที่ประหยัดที่สุดรุ่นหนึ่งสำหรับโมเดลที่มีขนาดบริบทและคะแนนมาตรฐานนี้ ผลลัพธ์ GPQA Diamond ที่ 82.2 บ่งชี้ว่าโมเดลสามารถจัดการงานให้เหตุผลหลายขั้นตอนที่ซับซ้อน ซึ่งมักต้องใช้ความเข้าใจเชิงลึก ความสามารถในการรับข้อความ รูปภาพ วิดีโอ ไฟล์ และเสียงในคำขอเดียวกัน หมายความว่าแอปพลิเคชันสามารถเชื่อมโยงข้อมูลข้ามรูปแบบได้โดยไม่ต้องมีการแยกส่วนข้อมูลภายนอก สำหรับนักพัฒนาที่ใช้ OrcaRouter การเรียกเก็บเงินแบบไม่มีส่วนเพิ่มทำให้ต้นทุนยังคงคาดการณ์ได้และสอดคล้องกับอัตราของผู้ให้บริการ API ที่เข้ากันได้กับ OpenAI ยังช่วยลดแรงเสียดทานในการผสานรวม
แม้จะมีต้นทุนต่ำ แต่โมเดลนี้อาจมากเกินไปสำหรับงานง่ายๆ เช่น การจำแนกข้อความสั้นๆ การสรุปความขนาดเล็ก หรือการแปลภาษาเดี่ยว สำหรับกรณีการใช้งานดังกล่าว การใช้ embeddings ที่ถูกกว่าหรือตัวจำแนกเฉพาะกิจอาจคุ้มค่ากว่า นอกจากนี้ หากแอปพลิเคชันของคุณต้องการเวลาแฝงต่ำมาก (ต่ำกว่า 100 มิลลิวินาที) โมเดล flash ที่สร้างมาเพื่อจุดประสงค์เฉพาะหรือรุ่นที่เล็กกว่าอาจเหมาะสมกว่า ลักษณะการเป็นรุ่นตัวอย่างของโมเดลนี้ยังหมายความว่ายังไม่ได้รับการปรับให้เหมาะสมอย่างเต็มที่สำหรับความน่าเชื่อถือในระบบผลิต สำหรับภาระงานที่สำคัญ ควรใช้รุ่นที่เสถียรหรือทางเลือกอื่นที่เหมาะสมกว่า สุดท้ายนี้ หากความยาวบริบทของคุณสั้นสม่ำเสมอ (เช่น น้อยกว่า 10,000 โทเคน) โมเดลที่เล็กกว่าและถูกกว่าที่มีความสามารถใกล้เคียงกันอาจช่วยลดต้นทุนต่อคำขอได้
GPQA Diamond เป็นเกณฑ์มาตรฐานที่ประกอบด้วยคำถามแบบเลือกตอบในระดับการให้เหตุผลทางวิทยาศาสตร์ระดับบัณฑิตศึกษา คะแนน 82.2 หมายความว่าแบบจำลองตอบคำถามที่ท้าทายเหล่านี้ได้ถูกต้อง 82.2% ซึ่งสูงกว่าการสุ่มอย่างชัดเจน และบ่งชี้ถึงความสามารถในการให้เหตุผลที่แข็งแกร่ง โดยเฉพาะในสาขาต่างๆ เช่น ฟิสิกส์ เคมี และชีววิทยา แสดงให้เห็นว่าแบบจำลองสามารถจัดการกับการอนุมานแบบหลายขั้นตอนที่ละเอียดอ่อน ซึ่งต้องใช้ความรู้เฉพาะด้านและการใช้เหตุผลเชิงตรรกะ แม้ว่า GPQA Diamond จะเป็นตัวบ่งชี้ที่ดีของความลึกในการให้เหตุผล แต่ไม่ได้วัดด้านอื่นๆ เช่น ความคิดสร้างสรรค์ การปฏิบัติตามคำสั่ง หรือความปลอดภัย สำหรับการเปรียบเทียบ แบบจำลองจำนวนมากได้คะแนนในช่วง 60–80% โดยแบบจำลองที่ดีที่สุดบางครั้งเกิน 90% ดังนั้น 82.2 จึงเป็นผลลัพธ์ที่แข่งขันได้สำหรับแบบจำลองตัวอย่างที่มีน้ำหนักเบา
ตัวเลขค่าความหน่วงที่แน่นอนของ Google Gemini 3.1 Flash Lite Preview ยังไม่ได้รับการเปิดเผยต่อสาธารณะโดย Google โดยทั่วไปแล้ว โมเดล "Flash Lite" ในตระกูล Gemini ถูกออกแบบมาเพื่อให้ความสำคัญกับปริมาณงาน (throughput) และประสิทธิภาพด้านต้นทุน (cost efficiency) มากกว่าความเร็วที่ดิบ พวกมันมักจะมีค่าความหน่วงต่อคำขอ (per-request latency) ที่สูงกว่าเมื่อเทียบกับโมเดล "Flash" ที่เฉพาะเจาะจงในกรณีที่บริบท (context) มีความยาว เนื่องจากขนาดหน้าต่างบริบท (context window size) ที่ใหญ่ อย่างไรก็ตาม สำหรับคำขอสั้น ๆ ค่าความหน่วงอาจเทียบได้กับโมเดลน้ำหนักเบาอื่น ๆ เนื่องจากโมเดลทำงานบนโครงสร้างพื้นฐานของ Google ผ่าน OrcaRouter ค่าความหน่วงของเครือข่าย (network latency) และการเข้าคิว (queuing) อาจส่งผลต่อเวลาในการตอบสนองแบบ end-to-end ผู้ใช้ควรทำการวัดประสิทธิภาพ (benchmark) ด้วยข้อมูลของตนเองและขนาดบริบทที่คาดหวังเพื่อดูว่าค่าความหน่วงตรงตามข้อกำหนดหรือไม่ หากต้องการค่าความหน่วงที่ต่ำเป็นพิเศษ ควรพิจารณาใช้โมเดลที่เล็กกว่าหรือจุดสิ้นสุดเฉพาะ (dedicated endpoint) ที่เร็วกว่า
ในฐานะโมเดลตัวอย่าง Google Gemini 3.1 Flash Lite Preview อาจมีความน่าเชื่อถือและความเสถียรต่ำกว่าเมื่อเทียบกับรุ่นที่เปิดตัวจริง โมเดลอาจแสดงผลลัพธ์ที่ไม่ตรงเป้าหมายหรือความไม่สอดคล้องในการบูรณาการมัลติโมดัลเป็นครั้งคราว คะแนน GPQA 82.2 ซึ่งแม้จะสูง แต่ก็ต่ำกว่าโมเดลขนาดเต็มที่มีประสิทธิภาพดีที่สุด สำหรับสายการให้เหตุผลที่ซับซ้อนมาก อาจจำเป็นต้องใช้โมเดลที่ใหญ่กว่า การรองรับอินพุตวิดีโอและไฟล์ของโมเดลนั้นอยู่ภายใต้ข้อจำกัดของรูปแบบ และอาจไม่รองรับโคเดกหรือประเภทไฟล์ทั้งหมด นอกจากนี้ หน้าต่างบริบท 1M เป็นขีดจำกัด การประมวลผลใกล้ขีดจำกัดนั้นอาจทำให้เวลาแฝงและการใช้หน่วยความจำเพิ่มขึ้น สุดท้าย เนื่องจากเข้าถึงผ่าน OrcaRouter ผู้ใช้จึงอยู่ภายใต้นโยบาย API ของ OrcaRouter และข้อจำกัดอัตราการใช้งานที่พวกเขากำหนด ไม่มีการบันทึกข้อมูลโดยค่าเริ่มต้น แต่ผู้ใช้ควรตรวจสอบการกำหนดค่า
การกำหนดราคาสำหรับ Google Gemini 3.1 Flash Lite Preview ขึ้นอยู่กับการใช้งาน token โดยมีอัตราแยกสำหรับ input และ output token โดย input token คิดค่าบริการในอัตรา $0.25 ต่อ 1 ล้าน token และ output token ในอัตรา $1.50 ต่อ 1 ล้าน token อัตราเหล่านี้เป็นอัตราของผู้ให้บริการจาก Google; OrcaRouter ไม่บวกเพิ่มใดๆ ดังนั้นราคาที่คุณเห็นคือราคาที่ผู้ให้บริการเรียกเก็บ ไม่มีค่าธรรมเนียมเพิ่มเติมสำหรับการตรวจสอบสิทธิ์หรือการเข้าถึง API นอกเหนือจากการใช้งานมาตรฐาน การเรียกเก็บเงินวัดเป็น token ซึ่งสอดคล้องโดยประมาณกับคำหรือ chunk ของรูปภาพ/วิดีโอ/เสียงตามที่ tokenizer กำหนด เนื่องจากโมเดลรองรับ multimodal input รูปภาพ เฟรมวิดีโอ หรือส่วนเสียงแต่ละส่วนจะถูก tokenize และนับรวมในยอดรวม input การกำหนดราคามีความโปร่งใสและคาดการณ์ได้สำหรับผู้ใช้ที่ติดตามจำนวน token ของตน
หน้าต่างบริบทโทเค็นขนาด 1M สามารถเพิ่มต้นทุนโทเค็นอินพุตได้อย่างมากหากใช้หน้าต่างทั้งหมด ที่ $0.25 ต่อล้านโทเค็นอินพุต การเติมบริบทเต็ม 1M จะมีค่าใช้จ่ายประมาณ $0.25 ต่อคำขอ บวกกับค่าใช้จ่ายเอาต์พุต สำหรับแอปพลิเคชันที่ใช้บริบทขนาดใหญ่บ่อยครั้ง วิธีนี้ยังคงประหยัดเมื่อเทียบกับโมเดลที่มีอัตราต่อโทเค็นสูงกว่า อย่างไรก็ตาม หากสามารถตัดทอนหรือสรุปอินพุตได้ ต้นทุนก็สามารถลดลงได้ นโยบายส่วนเพิ่มเป็นศูนย์จาก OrcaRouter หมายความว่าคุณไม่ต้องจ่ายเพิ่มสำหรับการใช้โมเดลนี้ผ่านเกตเวย์ สำหรับการประมวลผลแบบแบตช์ ต้นทุนต่อเอกสารอาจต่ำมากเนื่องจากเอกสารสั้นจำนวนมากสามารถรวมกันเป็นคำขอเดียว ในทางกลับกัน หากหน้าต่างบริบทมีขนาดเล็กเสมอ โมเดลที่มีอัตราต่อโทเค็นสูงกว่าแต่บริบทสั้นกว่าอาจมีประสิทธิภาพมากกว่าเนื่องจากการใช้โทเค็นทั้งหมดที่ต่ำกว่า
หน้าตาราคาของ OrcaRouter ระบุว่าใช้การเรียกเก็บเงินมาตรฐานสำหรับโมเดลนี้ ขณะนี้ไม่มีการกล่าวถึงส่วนลดการแคชสำหรับ Google Gemini 3.1 Flash Lite Preview โดยเฉพาะ การแคชเป็นคุณสมบัติที่ผู้ให้บริการบางรายเสนอเพื่อลดต้นทุนสำหรับเนื้อหาที่ซ้ำกัน แต่ในปัจจุบันไม่ได้ระบุไว้สำหรับโมเดลนี้ ผู้ใช้ควรตรวจสอบเอกสาร OrcaRouter ล่าสุดหรือติดต่อฝ่ายสนับสนุนเพื่อสอบถามเกี่ยวกับตัวเลือกการแคชในอนาคต ในกรณีที่ไม่มีการแคช ต้นทุนต่อคำขอจะคำนวณจากผลรวมของโทเค็นอินพุตและเอาต์พุตคูณด้วยอัตราที่เกี่ยวข้อง เพื่อจัดการต้นทุน ให้พิจารณาใช้เทคนิคการปรับแต่งพรอมต์ เช่น การลดบริบทที่ไม่จำเป็น การตัดข้อความระบบให้สั้นลง และการรวมคำขอที่คล้ายกันเข้าด้วยกันเพื่อเพิ่มประสิทธิภาพการใช้โทเค็น
หากต้องการใช้ Google Gemini 3.1 Flash Lite Preview ให้ส่งคำขอไปยังปลายทาง API ที่เข้ากันได้กับ OpenAI ของ OrcaRouter URL ฐานคือ https://api.orcarouter.ai/v1 ตั้งค่าพารามิเตอร์ model เป็น "google/gemini-3.1-flash-lite-preview" การรับรองความถูกต้องทำผ่านคีย์ API ที่วางในส่วนหัว Authorization เป็น `Bearer YOUR_API_KEY` API รองรับพารามิเตอร์ chat completion มาตรฐานของ OpenAI รวมถึง messages (พร้อมบทบาท: system, user, assistant), temperature, top_p, max_tokens, stop, และ penalties ความถี่/การปรากฏ สำหรับอินพุตแบบหลายรูปแบบ (multimodal) ให้ใช้รูปแบบอาร์เรย์ `content` พร้อมฟิลด์ `type` สำหรับข้อความ, image_url, หรือสื่ออื่นๆ ตามที่รองรับ โมเดลยังรับอินพุตไฟล์และเสียงด้วย; ดูเอกสารของ OrcaRouter สำหรับรูปแบบที่แน่นอนของรูปแบบเหล่านี้
API รองรับพารามิเตอร์การแชทสำเร็จรูปมาตรฐานของ OpenAI ส่วนใหญ่ พารามิเตอร์สำคัญได้แก่: `messages` (จำเป็น), `max_tokens` (สูงสุด 65,536), `temperature` (0–2, ค่าเริ่มต้น 1), `top_p` (0–1, ค่าเริ่มต้น 1), `n` (จำนวนการทำสำเร็จ, ค่าเริ่มต้น 1), `stop` (รายการของสตริง), `frequency_penalty`, `presence_penalty`, และ `stream` (ค่าบูลีน) โมเดลไม่รองรับพารามิเตอร์เฉพาะของ Google ใดๆ นอกเหนือจากที่เปิดเผยโดยเลเยอร์ความเข้ากันได้ของ OrcaRouter สำหรับคำขอหลายรูปแบบ ฟิลด์ `content` ในแต่ละข้อความยอมรับอาร์เรย์ของอ็อบเจกต์ที่มี `type` (เช่น "text", "image_url", "input_audio") และข้อมูลที่เกี่ยวข้อง เมื่อใช้ไฟล์นำเข้า ไฟล์จะต้องถูกอัปโหลดไปยัง URL ที่รองรับหรือเข้ารหัส base64 แบบอินไลน์ OrcaRouter อาจกำหนดข้อจำกัดหรือฟิลด์ที่จำเป็นเพิ่มเติม โปรดดูเอกสารอ้างอิง API ของพวกเขาสำหรับรายละเอียดที่แน่นอน
หากคุณกำลังใช้โมเดล Google Gemini (เช่น gemini-2.0-flash) ผ่าน OrcaRouter อยู่แล้ว การย้ายไปใช้โมเดลตัวอย่างนี้ทำได้ง่าย เพียงเปลี่ยนฟิลด์ `model` ในคำขอ API ของคุณจากรหัสโมเดลเก่าเป็น "google/gemini-3.1-flash-lite-preview" ไม่จำเป็นต้องเปลี่ยนแปลงอื่นๆ กับปลายทาง API, การรับรองความถูกต้อง, หรือรูปแบบข้อความ อย่างไรก็ตาม โปรดทราบว่าโมเดลใหม่อาจมี tokenization, ขีดจำกัดความยาวของเอาต์พุต, และพฤติกรรมที่แตกต่างกัน ขอแนะนำให้ทดสอบกับคำขอตัวอย่างสองสามรายการและเปรียบเทียบผลลัพธ์ รูปแบบอินพุตเหมือนกับโมเดล Gemini อื่นๆ ดังนั้น payload แบบ multimodal ควรทำงานได้โดยไม่ต้องปรับเปลี่ยน หากคุณใช้พารามิเตอร์เฉพาะโมเดลที่ไม่อยู่ในชุดที่เข้ากันได้กับ OpenAI อาจต้องลบหรือปรับเปลี่ยน สุดท้าย โปรดทราบว่านี่คือโมเดลตัวอย่าง ดังนั้นอาจไม่พร้อมใช้งานในทุกภูมิภาคหรือมีความจุจำกัด
URL ฐานสำหรับการเรียก API ทั้งหมดคือ https://api.orcarouter.ai/v1 ตัวระบุโมเดลที่แน่นอนที่จะใช้ในพารามิเตอร์ `model` คือ "google/gemini-3.1-flash-lite-preview" ตัวระบุนี้คำนึงถึงตัวพิมพ์ใหญ่-เล็ก ตัวอย่างเช่น คำขอ curl แบบสมบูรณ์จะมีลักษณะดังนี้: 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"}]}' ตรวจสอบให้แน่ใจว่าได้แทนที่ YOUR_API_KEY ด้วยคีย์ API OrcaRouter จริงของคุณ รูปแบบการตอบกลับเป็นไปตามโครงสร้างการสนทนาแบบสมบูรณ์ของ OpenAI ซึ่งประกอบด้วยฟิลด์ id, object, choices และ usage พร้อมด้วยจำนวน token
เมื่อเปรียบเทียบกับ Gemini 2.0 Flash แล้ว 3.1 Flash Lite Preview นำเสนอหน้าต่างบริบทที่ใหญ่กว่ามาก (1M เทียบกับ 128K tokens) และเอาต์พุตสูงสุดที่มากขึ้น (65K เทียบกับ 8K tokens) คะแนน GPQA Diamond ที่ 82.2 สูงกว่าช่วงกลาง 60 ของ 2.0 Flash อย่างมีนัยสำคัญ บ่งชี้ถึงความสามารถในการใช้เหตุผลที่แข็งแกร่งกว่า ราคาของ 3.1 Flash Lite Preview คือ $0.25/$1.50 ต่อล้าน tokens ในขณะที่ Gemini 2.0 Flash อยู่ที่ $0.10/$0.40 ต่อล้าน tokens — ดังนั้นโมเดลใหม่จึงมีราคาต่อ token สูงกว่า แต่ให้ความสามารถด้านบริบทและการใช้เหตุผลที่มากกว่ามาก สำหรับงานที่ต้องการบริบทขนาดใหญ่และความสามารถในการใช้เหตุผลที่สูงกว่า ส่วนต่างราคานี้อาจมีความสมเหตุสมผล สำหรับงานที่มีบริบทสั้นและเรียบง่าย Gemini 2.0 Flash ยังคงคุ้มค่ากว่า ทั้งสองรองรับอินพุตแบบ Multimodal แต่ 3.1 เพิ่มรูปแบบไฟล์และเสียง
GPT-4o mini มีหน้าต่างบริบท (context window) 128K tokens และผลลัพธ์ 16K tokens โดยมีราคาอยู่ที่ $0.15/$0.60 ต่อล้าน tokens Google Gemini 3.1 Flash Lite Preview มีหน้าต่างบริบท 1M, ผลลัพธ์ 65K และราคาอยู่ที่ $0.25/$1.50 โมเดล Gemini มีบริบทมากกว่า 8 เท่าและผลลัพธ์มากกว่า 4 เท่า แต่มีต้นทุนขาเข้าสูงกว่าประมาณ 67% และต้นทุนขาออกสูงกว่า 150% ในการทดสอบ GPQA Diamond, GPT-4o mini ได้คะแนนประมาณ 82 เช่นกัน ทำให้ทั้งสองมีความสามารถในการให้เหตุผลที่เทียบเคียงได้ การเลือกขึ้นอยู่กับความต้องการบริบท: หากต้องการบริบท >128K โมเดล Gemini เป็นตัวเลือกเดียว หากบริบทเล็ก GPT-4o mini จะถูกกว่า นอกจากนี้ โมเดล Gemini รองรับการป้อนข้อมูลไฟล์และเสียง ซึ่ง GPT-4o mini ไม่รองรับผ่าน API มาตรฐาน
Claude 3 Haiku โดย Anthropic มีหน้าต่างบริบท 200K และเอาต์พุต 8K โทเค็น ราคา $0.25/$1.25 ต่อล้านโทเค็น — ต้นทุนอินพุตใกล้เคียงมากแต่ต้นทุนเอาต์พุตต่ำกว่าเล็กน้อยเมื่อเทียบกับโมเดล Gemini Gemini 3.1 Flash Lite Preview มีบริบทมากกว่า 5 เท่าและเอาต์พุตมากกว่า 8 เท่า คะแนน GPQA Diamond สำหรับ Claude 3 Haiku ไม่เปิดเผยต่อสาธารณะจาก Anthropic แต่ Haiku ถูกปรับให้เหมาะสมสำหรับความเร็วและงานรูปแบบสั้น ไม่ใช่การให้เหตุผลเชิงลึก คะแนน GPQA 82.2 ของโมเดล Gemini บ่งบอกถึงความสามารถในการให้เหตุผลที่แข็งแกร่งกว่า ในขณะที่ Haiku น่าจะมีความหน่วงต่ำกว่า สำหรับงานที่คำนึงถึงต้นทุน ปริมาณสูง และบริบทปานกลาง Haiku อาจจะดีกว่า สำหรับงานที่ต้องการบริบทที่ยาวมากหรือการให้เหตุผลแบบหลายรูปแบบ (วิดีโอ เสียง ไฟล์) Gemini preview มีข้อได้เปรียบที่ชัดเจน ทั้งสองสามารถเข้าถึงได้ผ่าน OrcaRouter ด้วย API ที่เข้ากันได้กับ OpenAI
โมเดล Gemini 3.1 Flash เต็มรูปแบบโดยทั่วไปมีหน้าต่างบริบท 256K โทเคนและเอาต์พุต 8K โทเคน โดยมีราคาประมาณ $0.10/$0.40 ต่อล้านโทเคน เวอร์ชัน Lite Preview มีบริบท 1M และเอาต์พุต 65K ที่ใหญ่กว่ามาก แต่แพงกว่า ($0.25/$1.50) รุ่น Lite ออกแบบมาเพื่อประสิทธิภาพด้านต้นทุนในระดับขนาดใหญ่ ในขณะที่โมเดล Flash เต็มรูปแบบได้รับการปรับให้เหมาะสมกับความเร็วและพรอมต์สั้น ๆ ในการวัดประสิทธิภาพ โมเดล Flash เต็มรูปแบบอาจทำคะแนนสูงกว่าเล็กน้อยในบางเมตริก แต่คะแนน GPQA ของ Lite Preview ที่ 82.2 ก็ยังแข่งขันได้ รุ่น Lite ยังรองรับรูปแบบอินพุตเพิ่มเติม (ไฟล์, เสียง) ป้ายกำกับ "Preview" บ่งชี้ว่าเป็นรุ่นที่ออกก่อนกำหนด ส่วน Flash เต็มรูปแบบพร้อมสำหรับการใช้งานจริง หากคุณต้องการบริบทที่ใหญ่ที่สุดเท่าที่เป็นไปได้และไม่สนใจต้นทุนต่อโทเคนที่สูงขึ้น Lite Preview คือตัวเลือกที่ดีกว่า สำหรับการโต้ตอบที่รวดเร็วและสั้น Flash เต็มรูปแบบยังคงเป็นที่นิยมมากกว่า
เข้ากันได้กับ OpenAI — ใช้ SDK เดิมของคุณได้เลย
https://api.orcarouter.ai/v1https://api.orcarouter.aifrom openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$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| อินพุต / 1M โทเค็น | $0.250 |
| เอาต์พุต / 1M โทเค็น | $1.50 |
| อ่านแคช / 1M | $0.025 |
| สกุลเงิน | USD |
ประมาณการจากราคาตั้ง
เป็นเพียงการประเมิน — จำนวน token จริงขึ้นอยู่กับ tokenizer ของผู้ให้บริการ
GET /api/public/models/google/gemini-3.1-flash-lite-previewเปิด @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