Gemini 3.1 Flash Lite Preview 是 Google 的高效模型，针对高容量用例进行了优化。它在整体质量上超越了 Gemini 2.5 Flash Lite，并在...方面接近 Gemini 2.5 Flash 的性能...
Google Gemini 3.1 Flash Lite Preview 是 Gemini 3.1 系列中轻量级变体的预览版本。它旨在以远低于大型旗舰模型的成本提供强大的推理和多模态理解能力。该模型支持五种输入模态：文本、图像、视频、文件和音频，适用于多种真实世界数据。其 1,048,576 token 的上下文窗口允许单次请求处理极长的文档或多镜头视频序列。65,536 token…
Google Gemini 3.1 Flash Lite Preview 擅长处理需要在单个上下文中处理大量文本或多模态数据的任务。用例包括长文档问答（可将整个文本作为上下文输入）、视频摘要与分析（组合多个帧或片段），以及结合语境推理的音频转录。高上下文窗口使其在合同审查、法律研究和学术论文分析等任务中表现出色。其82.2的GPQA Diamond分数表明在研究生级别的推理问题上具有强大性能，因此也适用于科学、数学和工程领域的复杂问题求解。此外，多模态支持使其能够执行图像描述结合文本指令、从PDF和电子表格中提取文件数据等任务。
该模型的主要优势在于其超大的100万令牌上下文窗口、多模态输入能力，以及以低价位实现具有竞争力的推理性能。每百万令牌0.25美元/1.50美元的定价，对于拥有如此上下文规模和基准得分的模型而言，是最具性价比的选择之一。GPQA Diamond测试结果82.2表明，该模型能够处理需要深度理解的复杂多步推理任务。在同一请求中接受文本、图像、视频、文件和音频的能力，意味着应用程序可以跨模态关联信息，而无需外部数据碎片化。对于使用OrcaRouter的开发者，零加价计费确保成本始终可预测，并与提供商费率保持一致。OpenAI兼容的API进一步降低了集成门槛。
尽管这款模型成本较低，但对于短文本分类、小规模摘要或单轮翻译等非常简单的任务来说，它可能有些大材小用。针对此类用例，更便宜的嵌入模型或专用分类器反而更具成本效益。此外，如果您的应用需要极低延迟（低于100毫秒），则专用闪速模型或更小的变体可能更合适。该模型的预览性质也意味着它尚未针对生产可靠性进行完全优化；对于关键任务工作负载，稳定版本或其他替代方案可能更适合。最后，如果您的上下文长度始终较短（例如<10K词元），那么功能相近但更小、更便宜的模型可以降低单次请求成本。
GPQA Diamond 是一个由研究生级别科学推理水平的多选题组成的基准测试。82.2 的得分意味着该模型正确回答了这些具有挑战性的问题中的 82.2%。这远高于随机猜测的概率，表明其具备强大的推理能力，特别是在物理、化学和生物等学科领域。这表明模型能够处理需要领域知识和逻辑推理的微妙、多步推理。虽然 GPQA Diamond 是推理深度的良好指标，但它并不衡量创造力、指令遵循或安全性等其他方面。相比之下，许多模型的得分在 60–80% 范围内，而最佳模型偶尔会超过 90%。因此，对于一款轻量级预览模型而言，82.2 是一个具有竞争力的结果。
Google尚未公开披露Google Gemini 3.1 Flash Lite Preview的确切延迟数据。总体而言，Gemini系列中的“Flash Lite”模型旨在优先考虑吞吐量和成本效益，而非原始速度。由于上下文窗口较大，在处理长文本时，它们的单次请求延迟通常高于专用“Flash”模型。但对于短提示词，其延迟可能与其他轻量级模型相当。由于该模型通过OrcaRouter在Google基础设施上运行，网络延迟和排队也可能影响端到端的响应时间。用户应使用自己的数据和预期的上下文规模进行基准测试，以判断延迟是否满足需求。如果对超低延迟有严格要求，建议考虑使用更小的模型或更快的专用端点。
作为预览模型，Google Gemini 3.1 Flash Lite Preview 在可靠性和稳定性方面可能不及正式发布版本。它可能偶尔出现偏离目标的回答或多模态集成不一致的情况。82.2的GPQA分数虽然表现强劲，但低于最佳全尺寸模型；对于极其复杂的推理链条，可能需要更大规模的模型。该模型对视频和文件输入的支持受格式限制，可能无法处理所有编解码器或文件类型。此外，1M上下文窗口是一个限制；处理接近该边界的内容可能导致延迟增加和内存占用上升。最后，由于通过 OrcaRouter 访问，用户需遵守 OrcaRouter 的API政策及其设置的任何速率限制。默认情况下不会记录数据，但用户应验证配置。
Google Gemini 3.1 Flash Lite Preview 的定价基于 token 用量，输入和输出 token 分别计费。输入 token 按每 100 万个 $0.25 收费，输出 token 按每 100 万个 $1.50 收费。这些是 Google 提供的供应商费率；OrcaRouter 不加任何加价，因此您看到的价格就是供应商收取的价格。除标准使用外，身份验证或 API 访问不收取额外费用。计费以 token 为单位，token 大致对应单词或由分词器定义的图像/视频/音频块。由于模型支持多模态输入，每个图像、视频帧或音频片段也会被分词并计入输入总量。对于监控自身 token 数量的用户而言，定价透明且可预测。
1M token的上下文窗口如果完全使用，会显著增加输入token成本。按每百万输入token 0.25美元计算，填满整个1M上下文每次请求大约需要0.25美元，另加输出费用。对于频繁使用大上下文的应用程序来说，相比每token费率更高的模型，这仍然可能更经济。但如果输入可以被截断或总结，成本可以降低。OrcaRouter的零加价政策意味着通过网关使用此模型无需支付额外费用。对于批量处理，每个文档的成本可能非常低，因为许多短文档可以合并到单个请求中。反之，如果上下文窗口始终很小，那么每token费率较高但上下文较短的模型可能更高效，因为总token使用量更低。
OrcaRouter的定价页面显示，该模型适用标准计费方式；目前没有特别提到Google Gemini 3.1 Flash Lite Preview的缓存折扣。缓存是某些提供商为降低重复内容成本而提供的功能，但目前该模型并未注明此项。用户应查看最新的OrcaRouter文档或联系支持团队，以了解未来是否会有缓存选项。在没有缓存的情况下，每次请求的成本就是输入和输出token数量乘以各自费率的总和。为控制成本，可考虑使用提示优化技术，例如减少不必要的上下文、精简系统消息，以及将相似的请求批量处理，从而最大化token利用效率。
要使用 Google Gemini 3.1 Flash Lite Preview，请向 OrcaRouter 的 OpenAI 兼容 API 端点发送请求。基础 URL 为 https://api.orcarouter.ai/v1。将模型参数设置为 "google/gemini-3.1-flash-lite-preview"。身份验证通过将 API 密钥放入 Authorization 头中实现，格式为 `Bearer YOUR_API_KEY`。该 API 支持标准的 OpenAI 聊天补全参数，包括 messages（角色：system、user、assistant）、temperature、top_p、max_tokens、stop 以及 frequency/presence penalties。对于多模态输入，请使用 `content` 数组格式，其中包含 `type` 字段，用于文本、image_url 或其他支持的媒体。该模型还接受文件和音频输入；有关这些模态的确切格式，请参阅 OrcaRouter 的文档。
该 API 支持大多数标准 OpenAI 聊天补全参数。关键参数包括：`messages`（必需）、`max_tokens`（最多 65,536）、`temperature`（0–2，默认值为 1）、`top_p`（0–1，默认值为 1）、`n`（补全数量，默认值为 1）、`stop`（字符串列表）、`frequency_penalty`、`presence_penalty` 以及 `stream`（布尔值）。该模型不支持 OrcaRouter 兼容层暴露之外的任何自定义 Google 专用参数。对于多模态请求，每条消息中的 `content` 字段接受一个对象数组，每个对象包含 `type`（例如 "text"、"image_url"、"input_audio"）及相应数据。使用文件输入时，文件必须上传至支持的 URL 或以内联 base64 编码。OrcaRouter 可能施加额外限制或要求必需字段；具体细节请参考其 API 文档。
如果您已通过OrcaRouter使用Google Gemini模型（例如gemini-2.0-flash），迁移到此预览模型很简单。将API请求中的`model`字段从旧模型ID改为"google/gemini-3.1-flash-lite-preview"。无需对API端点、认证或消息格式进行其他更改。但请注意，新模型可能具有不同的分词、输出长度限制和行为。建议用几个示例请求进行测试并比较输出。输入模态与其他Gemini模型相同，因此多模态负载应无需修改即可正常工作。如果您之前使用了任何不在OpenAI兼容参数集中的模型特定参数，则可能需要删除或调整。最后，请注意这是一个预览模型，可能并非在所有区域可用，或容量有限。
所有API调用的基础URL为 https://api.orcarouter.ai/v1。在`model`参数中使用的确切模型标识符是"google/gemini-3.1-flash-lite-preview"。此标识符区分大小写。例如，一个完整的curl请求如下所示：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"}]}'。请确保将YOUR_API_KEY替换为您实际的OrcaRouter API密钥。响应格式遵循OpenAI的聊天补全结构，包括id、object、choices以及包含token计数的usage字段。
与Gemini 2.0 Flash相比，3.1 Flash Lite Preview提供了更大的上下文窗口（1M对128K tokens）和更高的最大输出（65K对8K tokens）。其GPQA Diamond分数为82.2，显著高于2.0 Flash通常的60分中段范围，表明推理能力更强。3.1 Flash Lite Preview的定价为每百万tokens 0.25美元/1.50美元，而Gemini 2.0 Flash为每百万tokens 0.10美元/0.40美元——因此新模型每tokens更贵，但提供了更大的上下文和更强的推理能力。对于需要更大上下文和更高推理能力的任务，价格溢价可能是合理的。对于短上下文、简单任务，Gemini 2.0 Flash仍然更具成本效益。两者都支持多模态输入，但3.1新增了文件和音频模态。
GPT-4o mini的上下文窗口为128K tokens，输出为16K tokens，价格分别为每百万tokens $0.15/$0.60。Google Gemini 3.1 Flash Lite Preview拥有1M上下文窗口、65K输出，定价为$0.25/$1.50。Gemini模型提供了8倍的上下文和4倍的输出，但输入成本高出约67%，输出成本高出150%。在GPQA Diamond上，GPT-4o mini得分也约为82，推理能力相当。选择取决于上下文需求：如果需要超过128K上下文，Gemini模型是唯一选择。如果上下文较小，GPT-4o mini更便宜。此外，Gemini模型支持文件和音频输入，而GPT-4o mini通过标准API不支持这些。
Anthropic的Claude 3 Haiku提供200K上下文窗口和8K token输出，定价为每百万token $0.25/$1.25 — 输入成本与Gemini模型非常相似，但输出成本略低。Gemini 3.1 Flash Lite Preview拥有5倍上下文和8倍输出。Anthropic未公开发布Claude 3 Haiku的GPQA Diamond得分，但Haiku针对速度和短文本任务进行了优化，而非深度推理。Gemini模型的82.2 GPQA表明其推理能力更强，而Haiku可能具有更低的延迟。对于成本敏感、高容量且上下文适中的任务，Haiku可能更合适。对于需要超长上下文或多模态推理（视频、音频、文件）的任务，Gemini预览版具有明显优势。两者均可通过OrcaRouter使用兼容OpenAI的API进行访问。
完整的 Gemini 3.1 Flash 模型通常拥有 256K token 的上下文窗口和 8K token 的输出，定价约为每百万 token $0.10/$0.40。Lite Preview 版本拥有更大的 1M 上下文和 65K 输出，但价格更高（$0.25/$1.50）。Lite 变体旨在实现大规模下的成本效率，而完整的 Flash 模型则针对速度和短提示进行了优化。在基准测试中，完整的 Flash 在某些指标上得分略高，但 Lite Preview 的 GPQA 得分 82.2 也很有竞争力。Lite 版本还支持更多的输入模态（文件、音频）。"Preview" 标签表明它是早期版本；完整的 Flash 已做好生产准备。如果您需要尽可能大的上下文并且不介意更高的每 token 成本，Lite Preview 是更好的选择。对于快速、短交互，完整的 Flash 仍然是首选。
兼容 OpenAI——沿用你现有的 SDK
https://api.orcarouter.ai/v1https://api.orcarouter.aifrom openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$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| 输入 / 1M tokens | $0.250 |
| 输出 / 1M tokens | $1.50 |
| 缓存读取 / 1M | $0.025 |
| 货币 | USD |
基于标价的估算
仅为估算——实际 Token 数取决于提供商的分词器。
GET /api/public/models/google/gemini-3.1-flash-lite-preview打开 @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